AI融入金融业，欲占领下个十年高地

以严谨和保守著称的金融行业近年来引来了一连串的技术变革，扫码支付、人脸识别、机器风控等新的金融手段不断出现，颠覆了行业刻板印象。

金融场景下高度结构化的数据给AI技术的发展提供了机遇，在此基础上，身份识别、风控管理、流程优化等领域开始出现AI技术的身影。事实上，金融行业已成为AI场景中发展最为迅速的领域之一。

人工智能对金融业的变化

①人工智能会取代大部分金融领域的从业者，首先会取代一些需要重复性工作的岗位，例如银行客服等的职位。但长远来看，其取代将会是全方位的，从客服到资产管理经理或交易员，人工智能也会陆续取代昂贵的人工服务。

未来5年内，银行业的30％工作岗位将会消失。取而代之的是智能金融相关岗位增加，技术人员的需求会增加。金融机构走向技术化。

②人工智能在金融业的应用在智能投顾上的应用前景非常广阔，借助高性能计算机和大数据处理技术，理财机器人可以为用户提供非常好的投资建议。

自动化的程序交易可以尽可能的减少资金和时间的浪费，提升资金使用效率。目前国内领先的智能财富管理平台懒财网在此方面已经积累了深厚的经验。懒财网的智能机器人可以通过对用户的资金流动性个性化分析为用户匹配合适的资产。

③利用人工智能进行风险防控已经取得进展，已经有不少的信贷机构在实践基，将数据挖掘、机器学习等大数据建模方法运用到贷前信用评审、反欺诈等风控管理环节。

相较传统的征信方式，利用人工智能可以快速处理大数据内容，从而在多个维度上对风险进行评估，除了个体数据还可以分析与个体数据有关联的其他个体和群体数据，检测分析企业的上下游、合作、竞争对手、子母公司、投资、对标等关系。能够覆盖更大的范围，同时确保风控准确性。

④人工智能领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等，除了信贷风控之外，还可以进行内部安全监管。如运用图形视频处理技术，实时监控银行柜员行为。通过人脸识别系统对集中运营中心、数据中心机房等进行安全保障，防范不法分子的非法入侵，同时进行多人的人脸识别，实现智能识别，达到安全防范的目标。

⑤传统的金融账户登录验证多采用账号＋密码＋短信验证码的模式，流程繁琐且会产生一定的通信费用。目前已有一部分金融机构将生物特征识别技术用于账户登录、账户查询、支付等身份验证环节。

金融领域正在应用的生物识别技术包括但不限于指纹识别、声纹识别、虹膜识别、人脸识别等。以人脸识别为例，随着智能手机逐步拥有1：1的人脸比对能力，微信支付及支付宝两大支付巨头先后上线了刷脸支付功能，并在线下门店展开了刷脸支付设备推广战。

人工智能＋大数据对金融业的帮助

①在数据初筛与分类整理的基础上，机构可以借助数据对客户进行数据画像。对于金融机构而言非常难以判断，仅凭客户填写的资料是非常不清晰的。

通过人工智能下大量的数据辅助，金融机构就可以根据一条条数据对于要借款的用户进行特征化处理，对用户进行标签化建设，通过标签体系将用户的特征完全描述出来，从而让用户的特征在金融机构面前变得清晰可见，利于下一步的业务推进和风险控制。

②近些年来，由于互联网金融的飞速发展，在网络上形成了一整套针对互联网金融的“薅羊毛”黑色产业链，这些羊毛党们往往手上搜集着几百张甚至上千张电话卡、身份证等关键信息，只要看到有做活动的互联网金融平台就一拥而上，借助平台吸引新用户的优惠，大发横财。

针对这个人群，人工智能＋大数据就有了用武之地，通过大数据羊毛防火墙，恒昌会记录每个用户的投放渠道，针对投放的转化率、复投率等指标进行综合分析，再判断用户有没有反复更换数据卡，更换手机来注册用户，从而避免羊毛党对于平台的伤害。

③通过对于每个人的大数据分析，借助大数据建模构建起了用户身份的关联属性，从而提升了对于风险的防控能力。

通过这一个个关联体系构建起了借款人之间的人脉关系网，当一个人脉关系网中的人经常违约的话，系统将会自动降低对此关系网中人的信用评级，甚至直接拒绝贷款。

④现阶段，金融欺诈事件频发，很重要的原因就是现在一个个银行所存储的账户信息是相互孤立的，难以进行有效地分析。

基于人工智能和大数据分析的反欺诈，应用难点就在于如何把不同来源的结构化或非结构化的数据整合在一起，并构建反欺诈引擎，从而有效地识别出身份造假、团体欺诈、代办包装等欺诈行为。知识图谱作为关系的整合以及表达解析方式，可以很好地解决这些问题，让金融欺诈的惯用伎俩无处藏身，从而实现数据反欺诈。