一九产业AI速写:金融篇
时间:2020-01-04

2019年对于中国金融来说,是一个相当不平静的年份。从1月份由专项小组发布“175号文”,正ō式开启了互联网金融的清退行动,到10月份黄奇帆放出消息称中国央行或率先推出数字货币,再到12月份对金融类App信息隐私的严格审查。可以说2019年中国金融的主旋律就是“清退假科技,加码真科技”,打着Fintech旗号的小贷企业倒了一批又一批,与此同时AI、大数据、区块链等先进技术却在不断进入商业落地阶段。

尤其对于AI来说,金融产业一贯是技术输入的“优等生”。金融产业凭借自己高度数字化、信息化的良好基础,相比其他产业更容易打通技术入口。尤其金融产业的前台环节,业务接待、产品销售等流程,同样也属于劳动力高度密集的产业,应用AI所带来的降本增效效应也会更加显著。加上金融行业在↹技术方面的尝试更加积极,大量金融机构都拥有自己的技术研发部门,使得整个行业在接纳AI赋能上拥有更好的基础,不需要长时间的市场教育。

如此一来,金融产业自Ш└然成为了AI产业化的重要阵地,在2019年同样也是如此。

从核验开始,AI打通金融之渠

总的来说,2019年金融产业AI落地发展还是在良好的基础上平稳运行。相信很多人也能直观地感受到,即使作为单纯的C端用户,也能深刻地感♨知到技术变革所带来的便利。

从金融的前台业务来讲,“核验”几乎是一个必须的环节。这一环节包括了人、票据、证件等多种信息的确认。◣无非用来应对我们所熟知的“证明你是你本人”一类的问题,但往往就是这些问题,占据了金融产业的大量劳动力。

从技术角度来看,解决这些问题并不复杂。通过人脸活体检测、OCR识别、图像识别模型等,就能满足核验过程中的去人工化要求。这样一来很多业务的办理都可以远程执行,只需在手机端拍照上传即可。

但金融行业应用AI完成核≈验问题的难点,并不在于单纯的技术能力上。

首先从金融行业的特征来说,其对于数据安全和隐私▓问题的要求天然要比其他行业更高。像今年年末工信部严查App数据授权,下架了大量银行、金融产品App,很多都是从数据┍安全角度考虑。另一方面,正如前文所说,金融行业的数字化、信息化基础相对其他行业更加完善。∏尤其当银监会在《中国金融业信息╤技术“十三五”发展规划》中提出:截至“十三五”末期,银行业面向互联网场景的重要信息系统全部迁移至云计算架构平台,其他系统迁移比例不低于60%。在2016年到2017年间,金∕融行业中出现了普遍的►上云风潮。

当金融行业已经拥有了云化基础,对于数据安全的要求又相对较高时,AI应用的难点就从技术能力变成了部署方式。对于其他行业来说,可能直接对接API就能应用上人脸识别、文字识别等模型,但对于金〆融行业来说这种部署模式可能还相对粗糙。

于是在2019年中,整个行业显著趋势主要有两个,一个是技术服务者调整自己的云化方案,通过↑私有云▪、混合云等多种部署,▷满足金融行业的特殊需求,与原有数字化基本盘形成流畅的对接。另一个是金融机构选择自己研发或采购技术,对自身云平台的能力进行AI更新。

或许是金融行业对于AI技术的攻克?变得更加高效,又或许是技术企业的服务意识不断增强。总之这两种趋势给金融行业应用AI带来了巨大的推助力,我们可以看到在“核验”这一环节中,■大多数银行、互金类产品都能实现依靠人脸识别ε、图像识别的身份核验,完成远程网上开户等工作,也因此减少了身份冒用、证件冒用等方面的风险。

金融AI 2019:写出加分题

我们之所以要强调20▂▃▅▆█19年中金融行业突破了AI部署的难题,是因为这一举动如同打通水渠∏,带来的绝不仅仅是几个识别算法,而是让卐大量技术有了源源不断流入良田的可能性。

于是我们可以看到,除了核验这一最通用§和普遍的场景之外。金融行业在201*9年还进行了更多的尝试,这些尝试并不同于以往“摩根大通利用AI管理基金”这样偏于噱头和实验性的行为,而是更接近于提升实际效益和开拓新的商业场景。

其中最典型的有智能客服。客服部门作为各行各业中普遍化的劳动密集部分,作为被AI“针对”的首要目标也是自然。但▌在金融行业不同的是,智能客服不仅仅被作用普通产品推销、售后咨询等流程,还大量的被应用在催收这一环节里。

如果以智能客服坐席与普通员工人数对比计算“含AI量≤”,我们很可能会发现催收公司的“含AI量”是金融√企业中最高的。原因就是催收工作高度依赖电话联系,通过智能客服与用户对话,再利用大数据分析用户语音并进行分类,辅助员工±进行决策,针对不同类型用户提出不同的策略。不仅提升效率,也让整个工作流程有更高的稳定性和可控性。可以说是彻底改变了催收工作的运行※模式。

又比如З在这个监管唱重头戏的年份,AI辅助金融监Ⅷ管也开始了种种尝试,出现了Regtech——监管科技这一名词。

在监管科技中,多种类的AI技▌术被综合应用。像是澳‰大利亚证券及投资委员会(ASIC)和新加坡货币当局正在应用大数据分析可被用于交易轨迹的异常识№别。上交所则应用机器学习对投资者的信息进行搜集建模,以识别出违法违规用户。东京证券交易所也利用的日立的“日立AI技术”来识别市场操纵等不法行为。

总之监管科技的应用,让AI不仅仅用作提升单一企业的效益,更参与防范金融的系统性风险。尤其尤其可以让监管滞后这∥个一直扼住金融行业咽喉的情况得以缓解。

最后还有场景的创新。

有趣的是,2019年很多技术企业对于金融ↈ行业的改造已经不满足于虚拟的数字层¤面,而开始着手接触现实空间。腾讯、京东等企业都推出了类似于“金融无人舱”的概念,将人脸识别、语音交互等技术通过麦克风阵列、智能摄像头等方式部署在端侧。

通过端侧部署,可以通过统一的硬件配置,让技术模型不再需要面对因移动端设备多样化而提升鲁棒性的麻烦。像是因为不同设备前置摄像头配置不同,用户所处环境也会影响光线。因此人脸核验、证件核验的识别算法都要提升鲁棒性。但整体化的硬件配置,就不再需要担心这些问题。ぷ

同时类似“无人舱”概念的出现,绕过银行App这一入口,把AI的接触点直接搬到了线下,让很多不习惯使用App的用户,在线下也能与AI能力相遇,不仅减轻了人工负担,也让业务管理更加统一化。

以上种种只是示例,实际在2019年中,金融〢AI不论从普及还是⊥创新都是非常密集的。在IDC出具的《⊙中国AI落地╞白皮书》中也提到,金融产业对于AI的应用最为积极,不论项目落地数量★还是成熟度也相对更高。这位优等生做完基础题又做加分题,总之给出了一份很是优秀的答卷。

结束语

看到金融产业AI化在2019年所获得的成绩,我们ψ似乎也看到了一条在其他产业中也有可能出现的发展路径,AI对于产业的作用,就是这样从一帧帧画面的图像╦╧识别,再到对业务逻辑的彻底改造,甚至在更≥高层的监管、发展问题上做出贡献。

虽然这一年中∏,我们仍然能看︱︳到AI在金融产业中闹出了不少“笑话”,像是很多银行的智能电话客服依然傻乎乎的听不懂人话,或者是总有些小贷企业披着AI区块链量子计算的皮卖P2P产品,但磕磕绊绊中,我们仍在走向希望。

版权声明

本文来源亿欧,经亿欧授权发布,版权归原作∴者所有。转载或内容合作请点击转载说明,违规转载法律必究。

上一篇: 个税汇算清缴:哪些人需要办?具体怎么办?一张图告诉你!
下一篇: 降税率,农产品深加工税增还是减了?

热门推荐

精选推荐

5千元以下投资小项目_5万创业做什么好_5万内加盟店 2019-2022版权所有