全球500强案例精选，带你了解人工智能在金融行业如何落地
2020-03-2513:58:18
随着科技进步，金融行业先后经历了数字化、移动化的发展历程。而人工智能、大数据、云计算等新型技术正在将金融服务推向智能化的新阶段。截止2019年末，超过90%的全球500强金融企业已开始接触与应用人工智能技术。这种快速的技术迭代也刺激着金融体系的变革。目前，有关智慧金融、智能投顾、智能风控等金融行业相关发展领域正在逐步成为政策以及公司所关注的焦点。
随着金融与科技的深度融合，人工智能应用已融入到支付、个人信贷、企业信贷、财富管理以及资产管理等多个金融服务领域。全球范围下的大量金融机构均开始开发或使用人工智能技术。在此趋势下，机器之心产业研究团队在《被AI占领的金融业——AI+金融行业研究报告》基础上，推出了《全球500强——金融行业人工智能应用案例集》，从技术与落地层面剖析深度人工智能技术在金融行业各领域的发展与机会，希望能给相关产业的从业者与经营者带来启发，提供拥抱数字经济赋能转型的抓手参考。
本案例集包括机器之心分析师团队从全球500强金融领域企业中选取的20个具有代表性的人工智能应用案例详解，其细分领域覆盖支付，核保，交易等多个热门场景。从技术任务来看，人脸识别、深度学习、知识图谱、机器学习、大数据等都是目前金融领域的热门发展方向。
报告目录如下：
部分金融案例概述
蚂蚁金服与肯德基利用人脸识别技术实现刷脸支付
摘要：支付宝刷脸付的人脸识别技术在支付宝累积的图像数据支持下目前能达到99.99%的识别准确率。在杭州肯德基自动点餐机上的应用测试中，用户可以在不同装束，妆容，发色等情况下完成通过摄像头完成身份识别，并完成点餐。此外，全国已经有11个城市的超市、药店等23家线下零售门店试行刷脸支付。
平安科技利用人工智能技术优化车险定损流程
摘要：平安科技自主研发的平安脑智能引擎是其平安云平台下的产品之一。平安脑智能引擎是综合的人工智能技术服务平台。平安脑综合深度学习、数据挖掘、生物特征识别等技术以提供各种场景下的人工智能解决方案。在智慧金融场景下，平安脑智能引擎于平安产险的应用能够利用深度学习技术来挖掘车险图像数据信息，实现线上自动定损。
法国巴黎银行利用智能算法预测金融交易风险
摘要：法国巴黎银行针对金融交易场景开发了一款名为SmartChaser智能预测分析工具，并部署于交易系统中，旨在于交易失败前发现隐藏的问题与风险。SmartChaser会基于智能算法分析数千件失败案例数据，以及每件案例的100项相关因素，并提取各项案例的特征。而后，该软件会针对现有交易的因素来匹配历史数据的分析结果，包括交易时间、价值、交易对象，以及经纪人操作历史等等。在交易过程中，SmartChaser会取代交易员进行各项信息的核实工作，主动识别需要人工干预的交易活动，并自动生成邮件通知交易员，以便他们能够及时采取相应行动，从而降低交易失败几率。
荷兰国际集团利用智能算法辅助交易员决策制定
摘要：荷兰国际集团针对债券交易场景部署了智能交易决策辅助工具，Katana。Katana会针对每笔交易的相关信息并对比历史数据进行分析，并将结果可视化，以直观图表形式呈现给交易员。与现在流行的「自动化交易」不同，Katana的作用主要用于辅助人类员工，加速决策制定的效率与效果，而非以彻底自动化的形式取代人类交易员。伴随Katana的分析能力，荷兰国际集团的交易员能够节省大部分消耗在信息筛选和分析工作上的时间，以更高效的方式使用它们的专业知识与行业经验来在每次交易行为中为客户提供最优的报价。
大数据在金融领域的应用案例解析
大数据在金融领域的应用：融资租赁业与大数据的深度结合
融资租赁作为发展实体经济的助推器，在经济新常态下机遇和挑战并存。融资租赁企业需要紧紧把握“服务实体经济本源”这一政策红利，充分发挥融资与融物属性，积极推动业务创新，突破同质化竞争格局，也要加强“金融科技”的技术研究，加大技术的投入和运用。
当前，我国融资租赁业正处于转型发展的关键时期。在推动经济高质量发展的浪潮之下，除了要充分发挥行业的跨界属性，延伸业务链。同时还要借助大数据等新兴技术，提升业务创新能力、风险防控能力。
融资租赁是一种集金融、贸易、服务为一体的跨领域、跨部门的交叉行业，兼具融资与融物的属性，已成为服务实体经济、推进国民经济产融结合的中坚力量。截至2017年年底，我国融资租赁业务合同余额已经超过6万亿元。市场空间巨大，发展前景广阔。
融资租赁业的历史机遇期
作为连接金融资本与实体产业的新型金融服务工具，融资租赁直接为实体经济的存量资产盘活、制造技术更新以及产能结构优化提供了支持，高度符合国家产业政策，契合中央会议精神，受到政府力挺，迎来重大历史发展机遇。
2018年《政府工作报告》指出，要深入推进供给侧结构性改革，坚持把发展经济的着力点放在实体经济上。
新旧动能转换加快，融资租赁有效助推产业结构升级。融资租赁与制造业有着很好的契合关系。随着国家层面要求加快新旧动能转换，推动高质量发展，实施“中国制造2025”，融资租赁服务装备制造业迎来了跨越式发展机遇。商务部发布的《中国融资租赁业发展报告（2016-2017）》中显示，在租赁业务行业分布中，能源设备、交通运输设备、基础设施及不动产、通用机械设备和工业装备排在租赁资产总额前五位，均分别超过千亿元。
细分绿色产业发展，融资租赁专业化运营迎来新机遇。近年来，节能环保、清洁能源等绿色租赁业务成为租赁公司加紧布局的风口。《政府工作报告》中明确指出，要推进污染防治取得更大成效，要支持社会力量增加医疗、养老、教育、文化、体育等服务供给。这为租赁公司开辟了创新业务的发展路径，创造了深入细分领域市场的机会。商务部有关数据显示，2016年，我国医疗制药设备租赁资产规模为783亿元，排名位居各行业租赁资产第6位。
金融对外开放步伐加快，助推融资租赁业国际化接轨。随着“一带一路”倡议的深入推进，我国租赁业正加速和国际租赁业接轨，融资租赁公司走出国门开展跨境租赁业务迎来重要契机。实际上，依托于自贸区优惠的贸易、财政、税收和业务准入等政策，我国融资租赁业务在天津、上海、深圳等地自贸区的发展已具备一定的集聚规模。
融资租赁业的关键风险点
我国的融资租赁业相较于国外起步晚，发展过程也曲折，但总体发展速度比较快，特别是在2007年以后，受国民经济快速增长和国家政策的积极影响，迎来了全面发展的良好契机。目前，已成长为全球第二大融资租赁市场，仅次于美国。
在高速发展的同时，许多问题也开始显露。首先是行业标准缺失，融资租赁市场鱼龙混杂，金融监管趋严，融资成本攀升。其次，与成熟租赁市场相比，国内的融资租赁企业在风险控制、资产管理以及公司运营等方面仍有较大差距，行业违约案件增多，专业运营人才紧缺。
通过分析其业务结构，基本可以概括，开展融资租赁业务一般会面临如下七大风险因素：
1、政策风险：国家相关政策是否支持
2、法律风险：公司业务是否合法
3、市场风险：利率、汇率波动
4、战略风险：业务领域是否符合公司现状
5、信用风险：供应商、承租人是否违约、是否存在欺诈
6、操作风险：是否符合操作规程
7、商务风险：交易是否真实（直租）、出租设备所有权是否得到保证（回租）、保险是否到位
事实上，除了政策、法律、市场等风险因素需要时间，需要国家上层以及市场的调控以外。其余关键风险点，则可利用科技，从企业自身来完善，提高防控能力。
融资租赁业的大数据之道
金融科技时代，数据已成为资产，成为核心竞争力。以大数据为代表的新兴技术，已经开始影响融资租赁的业务模式、风控模式和租后管理模式。
融资租赁作为金融的一个分支，风控无疑是重中之重，而信用风险管理更是整个风控工作的核心。
国内企业反欺诈领域的概念先行者之一，在金融大数据风控领域积累了诸多经验。通过输出我所在公司的星象-风险管理平台（以下简称“星象”），赋能融资租赁企业，使其具备“信息收集、欺诈识别、经营分析、失信预测、租后监控”等智能管理能力，帮助融资租赁企业克服信用风控痛点。
下面我将就融资租赁业务与星象结合实施的场景为例，说明如何利用智能平台做好信用风险防控：
1、融资租赁业务基本实施流程
核心考察：企业还款能力与还款意愿。
2、融资租赁业务与星象的应用结合
1）租前准入：企业信用风险评估
作为租赁业务的第一关，在这个环节，主要解决信息收集难、效率低的难题，提升业务覆盖率和反欺诈能力。
通过星象的“企业信息报告”工具，可一键获得主体企业工商登记、司法涉诉、新闻、招聘等信息，了解目标客户的基本情况，有备无患。同时，还可启用星象的“企业反欺诈”工具进行四重风险扫描，帮助项目经理在准备尽调任务计划时做到提前布局、有的放矢。
作为前置风险控制的重要环节，出租方还要关注租赁资产价值、关联交易背景等方面。其中，关联交易可以通过星象“关联网络图”，对承租方进行关联性分析，抽取出符合母子公司依赖、股权投资、共同高管任职、疑似关联等特征的企业，同时根据个人高管身份防重名技术，保障关联关系的准确度。
2）租中评审：企业还款能力评估
以制造业为例，对企业信用等级评定主要考虑六大维度：一是企业基本素质，二是财务结构，三是偿债能力，四是经营能力，五是经营效益，六是发展前景。
针对企业的基本素质，在第一个阶段基本已完成，而高管真实学历、重大违法等敏感信息在获得被查询人授权后，则可通过星象“高管个人背调”工具进行核验。考虑到调查面临的实际问题，也可仅需输入被查询人姓名+身份证号，启用星象“个人老赖核验”工具输出该个人的网贷老赖、失信、被执行记录。
针对财务结构、偿债能力、经营能力、经营效益均是通过融资企业提供的财务数据进行分析，而中小企业往往拥有两套及以上的财务报表，风险管理部门通常会结合其他来源的财务数据进行合理性分析，星象“企业经营分析”工具，能获得企业过往几个年度的具体资产负债状况（含动产融资、土地抵押、股权质押等）、损益状况和现金流状况，从而可以输出成长能力、盈利能力、营运能力等分析性指标，给租赁公司的风控人员以合理的参照指标，如企业提供的财报与核验数据相差超过一定的偏差以上，则可能代表有一定潜藏的信用风险。
针对中大型企业作为债务人的情况，星象“发债主体量化分析”工具可以通过采集资本市场的债券数据和公开财报，采用资本市场定价模型进行科学建模，输出一年期预期违约概率，形成一定的评级结果，并进行关注或高危类智能预警。
3）租后管理：企业资产的可追溯
融资租赁业务周期长、重资产，是一种长期风险投资，对于租后的监控及检查需求很高。
星象“智能风险监控”工具可说是为其量身打造。实时监控目标企业的股东、高管、经营状况、负面舆情的变动情况，自动添加关联，依据模型指标智能判断其生产经营是否正常，并根据用户的自定义风控规则，智能化预警；除此之外，移动现勘功能，也特别贴合租后管理的现场检查需求。
综上所述，融资租赁作为发展实体经济的助推器，在经济新常态下机遇和挑战并存。
融资租赁企业需要紧紧把握“服务实体经济本源”这一政策红利，充分发挥融资与融物属性，积极推动业务创新，突破同质化竞争格局；另一方面也要加强“金融科技”的技术研究，加大技术的投入和运用，构建一套适合金融科技时代的智能风控体系，提升企业核心竞争力。
人工智能在金融领域应用及监管挑战
人工智能的发展历程
2012-2017年全球人工智能并购活动资料来源：FSB金融科技报告2017
上世纪90年代以来，机器学习尤其是深度学习的大规模应用，推动了人工智能的快速发展。目前中国的人工智能研究及应用正处于爆发期，并迎来国家层面的统筹规划和全面引导，未来发展空间巨大。从金融领域来看，国际银行业对人工智能的主要应用集中在资本运营、市场分析、客户营销、风险监管等方面。中国银行业紧随国际银行业步伐，开始了应用人工智能技术的探索，其中互联网金融公司在人工智能研究和运用方面抢占了领先优势。但是，人工智能的应用也对金融监管带来挑战：一是监管对象趋于复杂化；二是违法违规行为难以认定；三是智能代理行为增加了监管难度；四是责任主体难以界定。监管机构要正视这种趋势，针对人工智能特点，需要研究完善金融市场交易规则；加强人工智能在金融监管方面的应用；重视对用户隐私的保护。商业银行则一方面要积极加强技术创新，另一方面要注意风险控制。
近年来发展迅速的中国人工智能产业正在迎来国家层面的统筹规划和全面引导。2017年7月，国务院印发《新一代人工智能发展规划》（以下简称《规划》）。《规划》一经发布，即在世界范围内引起关注。那么，人工智能在中国的发展前景如何？其在金融领域如何应用？将给监管体制带来什么样的挑战？本文拟对这些问题进行探析。
■
1.人工智能概念
对于人工智能（ArtificialIntelligence，简称AI），国际上没有一个公认的定义。最早提出这一概念的约翰·麦卡锡认为，“人工智能就是要让机器的行为看起来像人所表现出的智能行为一样。”我国《人工智能辞典》将人工智能定义为“使计算机系统模拟人类的智能活动，完成人用智能才能完成的任务”。此外，还有其他诸多关于人工智能的定义。综合来看，这些概念可以分为两类观点：一类观点是弱人工智能概念，认为不可能制造出能真正推理和解决问题的智能机器，这些所谓的智能机器只是看起来智能，但不会真正拥有智能，也不会具有自主意识。另一类观点是强人工智能概念，认为有可能制造出真正能推理和解决问题的智能机器，并且能够具有知觉和自我意识。强人工智能又可以分为两类：一是类人的人工智能，即机器的思考和推理与人的思维一样；二是非类人的人工智能，即机器拥有和人完全不一样的知觉和意识，使用和人完全不一样的推理方式。
总体来讲，无论是那种人工智能概念，都体现出这三点优势：一是工作稳定性高。人工智能可不知疲倦地进行工作，在分析问题时几乎不受环境影响。二是降低操作风险和道德风险。利用人工智能取代传统人工对金融交易、服务信息审查监管，控制交易活动中潜在的非法行为，可更好地避免操作风险和道德风险。三是有效提高决策效率。人工智能可以快速地对大数据进行筛选和分析，帮助人们更高效率地决策。因此，本文所讨论的人工智能范畴，是包括强人工智能和弱人工智能的广义人工智能概念。
2.人工智能的理论基础
人工智能是计算机学科的一个分支，20世纪70年代以来被称为世界三大尖端技术之一（空间技术、能源技术、人工智能），也被认为是21世纪三大尖端技术（基因工程、纳米科学、人工智能）之一。这是因为近30年来它获得了迅速的发展，并已发展成为一门独立的系统学科。
那么，机器“智能”从何而来呢？这主要归功于一种实现人工智能的方法——机器学习。机器学习最基本的做法，是使用算法来解析数据、从中学习，然后对真实世界中的事件作出决策和预测。与传统的为解决特定任务、硬编码的软件程序不同，机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。机器学习直接来源于早期的人工智能领域，传统的算法包括决策树、聚类、贝叶斯分类、支持向量机、EM、Adaboost等。从学习方法上来分，机器学习算法可以分为监督学习（如分类问题）、无监督学习（如聚类问题）、半监督学习、集成学习、深度学习和强化学习。
总的来看，当前人工智能的研究可归纳为六个方面：一是计算机视觉（暂且把模式识别、图像处理等问题归入其中）；二是自然语言理解与交流（暂且把语音识别、合成归入其中，包括对话）；三是认知与推理（包含各种物理和社会常识）；四是机器人学（机械、控制、设计、运动规划、任务规划等）；五是博弈与伦理（多代理人的交互、对抗与合作，机器人与社会融合等议题）；六是机器学习（各种统计的建模、分析工具和计算方法）。
3.人工智能发展现状
2012年以后，得益于数据量的上涨、运算力的提升和机器学习新算法的出现，人工智能在产业应用上得到快速发展。从全球范围来看，人工智能产业领先的国家主要有美国、中国等。截止到2017年6月，全球人工智能企业总数达到2542家，其中美国有1078家，占42%；中国有592家，占23%。美国的人工智能呈现出全产业布局的特征，包括基础层、技术层、应用层均有布局，而中国的人工智能主要集中在应用侧，只在技术层局部有所突破。
目前，中国的人工智能研究及应用正处于爆发期。中国政府高度重视人工智能发展，在2017年7月印发的《新一代人工智能发展规划》中描绘了未来十几年中国人工智能发展的宏伟蓝图：到2020年人工智能总体技术和应用与世界先进水平同步；到2025年人工智能基础理论实现重大突破，部分技术与应用达到世界领先水平；到2030年人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心。近日，科技部确定了首批国家新一代人工智能开放创新平台，分别依托百度、阿里云、腾讯、科大讯飞公司，建设自动驾驶、城市大脑、医疗影像、智能语音等4个国家新一代人工智能开放创新平台。与互联网技术发展相似，加速积累的技术能力和海量的数据资源，巨大的应用需求和开放的市场环境有机结合，形成了中国人工智能产业发展的独特优势。
展望未来，据英国政府《2017年英国人工智能产业发展报告》估计，预计到2024年，全球人工智能解决方案的市场价值将超过300亿英镑，部分行业在人工智能的帮助下，生产率将提高30%，节约成本近25%。而据领英公司《全球AI领域人才报告》显示，截至2017年一季度，全球AI（人工智能）领域技术人才数量已超过190万。
■
1.在国际金融业的应用
近年来，全球金融业正在人工智能的催化下悄然改变。据金融稳定委员会（FSB）报告，国际银行业对人工智能的应用主要集中在以下几个方面。
（1）面向资本运营，集中在资产配置、投研顾问、量化交易等。人工智能在金融投资顾问方面的运用，通常被称为智能投顾，主要是指为客户提供基于算法的在线投资顾问和资产管理服务。具体又可分为三类：一是应用于销售前端的大类资产配置型智能投顾，主要是通过用户分析为客户解决大类资产配置问题，如Wealthfront；二是应用于投资分析阶段的投研型智能投顾，主要通过海量数据挖掘和逻辑链条解决投资研究的问题，如Kensho；三是应用于策略、交易和分析的智能量化交易系统，主要通过人工智能手段取代交易员，应用于投资交易，如WaterBridge的全天候人工智能交易。根据统计公司Statista的预测，2017年美国智能投顾管理资产规模将达到2248.02亿美元，到2021年将达5095.55亿美元，年复合增长率29.3%。
（2）面向市场分析，集中于趋势预测、风险监控、压力测试。人工智能技术能够从零散的历史数据中获得更多信息，帮助识别非线性关系，给出市场预测（价格波动）及其时效性，从而带来直接或间接的更高回报。此外，人工智能技术还能对大型、半结构化和非结构化的数据集进行分析，考虑到市场行为、监管规则和其他趋势的变化，进行反向测试、模型验证和压力测试，避免低估风险，提高透明度。例如，全球第一个以纯人工智能驱动的基金Rebellion曾预测了2008年的股市崩盘，并在2009年9月给希腊债券F评级，比惠誉公司提前了1个月。日本三菱公司发明的机器Senoguchi，每月10日预测日本股市在30天后将上涨还是下跌。经过4年左右的测试，该模型的正确率高达68%。
（3）面向客户营销，集中于身份识别、信用评估和虚拟助手。人工智能技术已经被广泛应用于金融的前台，大型的客户数据被导入聊天程序，使其能够为客户“面对面”的用自然语言交流，提高“获客”能力。2017年4月，富国银行开始试点一款基于FacebookMessenger平台的聊天机器人项目，虚拟助手通过与用户交流，为客户提供账户信息，帮助客户重置密码。而美国银行的智能虚拟助手Erica也正式亮相。用户可使用语音和文字与Erica互动，Erica可以帮助用户查询信用评分、查看消费习惯，随着银行流水收支的变化为4500多万客户提供还款建议、理财指导等。此外，汇丰银行已经使用基于人脸和语音的生物识别技术来验证消费者身份；苏格兰皇家银行使用“LUVO”虚拟对话机器人为客户获取最适合的房屋贷款等等，旨在成为用户“可信任的金融咨询师”。
（4）面向金融监管，集中于识别异常交易和风险主体。人工智能技术能够用于识别异常交易和风险主体，检测和预测市场波动、流动性风险、金融压力、房价、工业生产、GDP以及失业率，抓住可能对金融稳定造成的威胁。当前，一些国际监管机构，例如澳大利亚证券及投资委员会（ASIC）、新加坡货币当局（MAS）及美国证券交易委员会（SEC），都在使用人工智能进行可疑交易识别。具体做法包括从证据文件中识别和提取利益主体，分析用户的交易轨迹、行为特征和关联信息，更快更准确地打击地下洗钱等犯罪活动。
2.在中国金融业的应用
在中国，银行业也紧随国际银行业步伐，开始了应用人工智能技术的探索，其中互联网金融公司在人工智能研究和运用方面抢占了领先优势。例如，阿里旗下的蚂蚁金服已将人工智能运用于互联网小贷、保险、征信、资产配置及客户服务等领域并取得了良好效果。腾讯优图是腾讯旗下人脸检测应用，也与腾讯征信、微众银行、财付通开展合作，实现了对用户的信用评估。
（1）智能客服。交通银行在2015年底推出国内首个智慧型人工智能服务机器人“娇娇”，目前已在上海、江苏、广东、重庆等省份的营业网点上岗。该款机器人采用了全球领先的智能交互技术，交互准确率达95%以上，是国内第一款真正“能听会说、能思考会判断”的智慧型服务机器人。工商银行在“企业通”平台基础上，利用数据对接和智能设备，优化业务流程，创新推出了对公客户的自助开户服务，客户仅需到网点一次，就可以完成账户开立、结算产品领取、资料打印、预留印鉴等业务处理。
（2）智能投顾。目前我国提供此服务的公司很多，其中银行系（如广发智投、招行摩羯智投、工行“AI”投等）、基金系（如南方基金超级智投宝、广发基金基智理财等）、大型互联网公司系（如百度金融、京东智投、同花顺）和第三方创业公司（如弥财、蓝海财富、拿铁财经等）都在智能投顾上有所应用。
（3）智能量化交易。在中国现行的金融监管体制下，目前银行在这方面的应用相对较少，但京东金融、蚂蚁金服、科大讯飞、因果树等进行了积极的探索。例如，因果树每周都通过机器来自动甄选优质项目并推出超新星企业，帮助企业在未来6个月内顺利拿到下一轮融资的概率提高到了30%左右。而嘉实基金则研发了一套从市场预测、资产配置到产品选择的完善的投资决策系统“嘉实FAS系统”，并实现了超过大盘收益率的投资回报水平。
（4）风险控制和管理。这主要包括以下三个方面：一是数据搜集和处理；二是风险控制和预测模型；三是信用评级和风险定价。例如，一个传统的贷款业务可能需要2至3天来审批，而一个基于人工智能模型的自动审批方案可能只需要几秒钟就可以完成，同时有些传统风控模型的迭代周期可能要数个月甚至数年，但是人工智能的模型迭代可以非常便捷和自动。中国银行推出贸易融资业务反洗钱核查项目，综合运用文本分析、图像识别、机器学习等人工智能技术，将原本每单审核时间从手工2小时下降到2分钟，效率与质量得到极大提升，银行人工成本大幅降低。
3.人工智能在金融领域的发展空间
（1）增强金融机构黏客能力，获取市场竞争主动权。
人工智能的飞速发展，使得机器能够在很大程度上模拟人的功能，实现批量人性化和个性化地服务客户，这对于身处服务价值链高端的金融业将带来深刻影响，人工智能将成为银行沟通客户、发现客户金融需求的重要手段，进而增强银行对客户的黏性。它将对金融产品、服务渠道、服务方式、风险管理、授信融资、投资决策等带来新一轮的变革。人工智能技术在前端可以用于服务客户，在中台支持授信、各类金融交易和金融分析中的决策，在后台用于风险防控和监督，它将大幅改变金融现有格局，金融服务更加个性化与智能化。
（2）降低金融机构运营成本，提高工作效率。
金融机构能够利用人工智能和机器学习发展新的业务需求，降低成本和管理收益风险，提高运作效率，优化客户流程。据中国银行业协会发布的《2016年度中国银行业服务改进情况报告》显示，2016年银行业金融机构离柜交易达1777.14亿笔，同比增长63.68%；银行业离柜业务率为84.31%，同比提高6.55个百分点；离柜交易金额达1522.54万亿元。其中，有15家银行的离柜业务率已经超过了90%。未来，越来越多的金融机构将加入到运用人工智能来增强自身竞争力的进程中。
权威机构和专家普遍对人工智能在金融领域应用前景持乐观态度。人工智能学会主席BenGoertzel认为，10年以后人工智能可能会介入世界上大部分的金融交易。海外咨询机构科尔尼（A.T.Kearney）预计，机器人投资顾问未来3到5年将成为主流，年复合增长率将达68%。到2020年，机器人投资顾问管理的资产规模有望达到2.2万亿美元。花旗银行研究预测，未来10年人工智能投资顾问管理的资产将实现指数级增长，总额将达到5万亿美元。德勤在《银行业展望：银行业重塑》报告中指出，机器智能决策的应用将会加速发展。智能算法在预测市场和人类行为的过程中会越来越强，人工智能将会影响行业竞争，市场将变得更有效率。
■
1.监管对象趋于复杂化
在当前的监管法规体系中，被监管对象往往是法人和自然人。由于人工智能技术的发展，投资账户的所有者和经营者可能发生变化。对于所有权为集合主体的账户，采用穿透原则将难以追溯至行为主体，这是因为实际的控制人并不是某个主体，而是智能代理。因而，监管面临的挑战是复杂的，投资人认为账户不是他们中的任何一人操作的，实际控制人不是他们。智能代理服务商只提供了智能代理“产品”，并没有实际控制账户。这时，监管部门就不得不面对如何监管既不是自然人也不是法人的“智能代理”的问题。
2.违法违规行为难以认定
例如，大量投资人雇佣同一款表现优异的智能代理，管理其自身账户的投资。由于同一款智能代理的操作逻辑相似，那么这些账户虽然法律上是各自独立，并不关联，但其实际操作可能表现为“一致行动人”的现象。因此，即使监管机构的大数据分析系统能够很灵敏地“捕捉”到这个现象，但是如何认定这种“英雄所见略同”式的行为，将是一个监管难题。
3.智能代理行为增加了监管难度
虽然从技术层面上讲，智能代理行为可以从内控程序上加以控制，但对于其具体代理行为的监管边界以及责任主体，目前的监管法规均未涉及。
4.责任主体难以界定
如果个别研发人员设计出一个恶意的智能代理，并被一些集合性质的基金所使用，就可能引发个别股票价格的异动。对于这样的违规行为，现有监管法规将难以界定责任主体。
■
人工智能在金融领域加快应用是未来的发展方向，监管机构既要正视这种趋势，积极抢占人工智能发展高地，又必须重视人工智能应用给金融领域造成的冲击，未雨绸缪地开展前瞻性研究和战略性部署。
1.针对人工智能特点，研究完善金融市场交易规则
我国有关人工智能金融领域应用的市场交易规则几乎空白，应针对其潜在影响，积极研究相关金融市场的交易规则，为人工智能发展创造良好的市场环境。
2.加快人工智能在金融监管方面的应用
人工智能在金融领域的应用，对金融监管模式和手段提出了新的要求。面对人工智能的快速发展，我国金融监管部门应积极引入人工智能，进一步提高监管效率。
3.重视对用户隐私的保护
当前，我国有关隐私保护的法律制度还不健全，金融消费者的隐私保护意识较为薄弱，个人信息泄露的现象时有发生，无论从保护公民基本权利，还是从发展人工智能的需要考虑，都亟须完善我国金融隐私权保护制度，加强相关行政监管，明确金融机构相关告知义务、信息安全保障义务，以及出现问题后的赔偿责任，有效保证人工智能在金融领域应用中的信息安全。
对于商业银行而言，一是大型金融集团要做好前期资金技术的投放，提前介入，加强技术创新；要加快业务创新，在行业转型上保持领先地位，要增强技术及维护人员储备，尤其是智能型、复合型人才的引进及培养，提高核心竞争力，适应发展要求。二是加强风险控制。在数据处理方面，人工智能技术极大地扩展了数据来源，因而更多的数据被纳入分析体系。同时，金融工具能自动进化交易策略，甚至模拟专家进行决策，这会隐含许多新的风险。必须对前期数据来源、智能化程序设计等环节进行严格审查，加强风险控制。尤其在恐怖袭击、监管变革和实施卖空禁令等个别极端情况下，还需要专家进行必要的风险检测及应对。（作者杨荇）
金融行业的十大人工智能创新应用
[[438117]]
人工智能为金融行业提供了一种可以满足客户需求的方式，这些客户希望以更智能、更方便、更安全的方式投入、获取、消费、储蓄其资金。由于使用了人工智能和机器学习，金融机构和银行运行的应用程序变得更加简单易用。金融科技公司对人工智能技术特别感兴趣，开发和利用人工智能应用程序。基于的人工智能的解决方案旨在满足当今金融部门的关键需求，例如改善客户体验、成本效益、实时数据连接以及提高安全性。通过实施人工智能和相关技术，可以为其客户创造更好、更具吸引力的金融环境。以下列出了金融行业的十大人工智能创新。
(1)信用评分模型信用评分这个人工智能模型是由TemenosAI公司开发的。该公司率先为银行提供了具有自动化决策功能的人工智能应用，同时拥有透明度和可解释性。信用评分模型能够提高合格率，降低违约风险，从而降低信用风险。通过与TemenosInfinity集成，提高了对最终用户的透明度，实现了可解释的自动化决策，将承保工作提升到了一个新的水平。
(2)智能数据湖智能数据湖由TemenosAI公司开发的XAI平台和Temenos数据湖集成而来，为银行提供实时、端到端的服务，通过多种来源提供更高质量和丰富的数据。数据湖从大量数据源中收集大量不同的数据，保留其原始模型和格式，并支持用户就地查询和分析。这意味着银行可以在人工智能算法的帮助下做出更快、更准确和可解释的决策。
(3)机器人顾问机器人顾问不仅是传统财务顾问的低成本替代方案，而且还可以为大量用户提供财务咨询，帮助用户做出更明智的财务决策。此外，数据驱动的人工智能机器人顾问还可以向投资者推荐投资组合、退休、遗产规划等服务，从而使其开户过程成为一种良好的互动体验。
(4)基于人工智能的报告和分析现在通过移动银行应用程序和门户网站，金融服务人工智能(特别是EnvestnetYodlee的人工智能Fincheck)可以分析消费者的账户数据，以了解他们拥有的资金和财务表现，并根据分析数据对未来的行动提出建议，然后帮助用户实现储蓄和预算的自动化，以改善财务状况。在金融行业，人工智能可用于检查现金账户、信用账户和投资账户，以判断某个用户的整体财务状况，并能跟上实时的变化，然后根据新传入的数据创建定制建议。
(5)Envestnet提供的智能和高级分析Envestnet的智能和高级分析服务可以使金融机构能够轻松地实时获得关键业务问题的解决方案，可以在台式机、移动设备和支持AmazonAlexa的设备上使用。Envestnet的智能和高级分析服务提供交互、预测和对话功能，从综合的金融数据集中提取信息，以确保金融机构能够随时随地在任何设备上轻松回答关键问题。
(6)聊天机器人银行业中的聊天机器人不仅是一种节省成本的工具，还可以自动执行简单的任务，例如开设新账户或在账户之间转账。想要使用聊天机器人的很行只需将它们加载在现有网站上，而无需创建单独的聊天机器人应用程序。而且它们始终在线，因此即使是在凌晨访问网站的客户也可以获得答案和帮助。聊天机器人可以执行的任务包括，支付账单或处理帐户申请等。
(7)快速且可扩展的图形平台TigerGraph图形平台利用人工智能和机器学习工具处理图形数据库。TigerGraph将大规模并行处理、MapReduce、快速数据压缩和解压缩等功能与新方法结合，创建了一种可扩展、快速且可靠的深度探索方法。TigerGraph的工具利用分析、机器学习和人工智能算法来帮助用户分析复杂的数据集。Visa公司等行业领先的金融服务提供商以及中国招商银行正在使用TigerGraph来增强他们的欺诈检测流程。
(8)虚拟环境中潜在的未来模拟器企业软件生产商Simudyne公司为金融机构生产人工智能软件。他们的解决方案让金融服务提供商能够在安全的虚拟环境中有效地模拟潜在的未来场景。他们的人工智能软件可应用于交易、借贷和风险管理领域。这个人工智能工具让银行能够模拟一系列场景，例如对欺诈者的行为进行建模。
(9)软件机器人印度第二大私营银行ICICI银行已在其各个职能部门的200多个业务流程中部署了软件机器人。ICICI银行的软件机器人被配置为从系统捕获和解释信息、识别模式，并跨多个应用程序运行业务流程，其中包括数据输入和验证、自动格式化、多格式消息创建、文本挖掘、工作流加速、对帐和货币汇率处理等。
(10)预测分析预测分析功能包括提醒客户定期支付高于平均水平的费用，如果客户的支票账户中的资金超过平均水平，则提醒客户将资金转入他们的储蓄账户，或者提示客户在购买机票后制定旅行计划。预测分析可为移动应用程序用户提供超过50种不同场景的提示。例如，如果客户收到一笔不符合他们通常交易模式的入账存款，并且不需要满足他们的正常费用或预定付款，系统可以突出显示存款并建议客户保证资金的安全。
人工智能在金融行业的未来发展无论是在加速交易、自动化呼叫中心、实时欺诈预防还是其他金融服务领域，人工智能都在帮助金融机构为其客户提供服务，并推动金融行业的未来发展。最终，金融机构将支持数百个甚至数千个应用程序。那些投资于企业人工智能转型的银行将获得市场份额、提高客户满意度以及改善财务绩效，并超越那些未能在人工智能方面进行创新的竞争对手。