一九產業AI速寫：金融篇互聯網+
導讀
磕磕絆絆中，我們仍在走向希望。
磕磕絆絆中，我們仍在走向希望。
2019年對于中國金融來說，是一個相當不平靜的年份。從1月份由專項小組發布“175號文”，正式開啟了互聯網金融的清退行動，到10月份黃奇帆放出消息稱中國央行或率先推出數字貨幣，再到12月份對金融類App信息隱私的嚴格審查。可以說2019年中國金融的主旋律就是“清退假科技，加碼真科技”，打著Fintech旗號的小貸企業倒了一批又一批，與此同時AI、大數據、區塊鏈等先進技術卻在不斷進入商業落地階段。
尤其對于AI來說，金融產業一貫是技術輸入的“優等生”。金融產業憑借自己高度數字化、信息化的良好基礎，相比其他產業更容易打通技術入口。尤其金融產業的前臺環節，業務接待、產品銷售等流程，同樣也屬于勞動力高度密集的產業，應用AI所帶來的降本增效效應也會更加顯著。加上金融行業在技術方面的嘗試更加積極，大量金融機構都擁有自己的技術研發部門，使得整個行業在接納AI賦能上擁有更好的基礎，不需要長時間的市場教育。
如此一來，金融產業自然成為了AI產業化的重要陣地，在2019年同樣也是如此。
從核驗開始，AI打通金融之渠
總的來說，2019年金融產業AI落地發展還是在良好的基礎上平穩運行。相信很多人也能直觀地感受到，即使作為單純的C端用戶，也能深刻地感知到技術變革所帶來的便利。
從金融的前臺業務來講，“核驗”幾乎是一個必須的環節。這一環節包括了人、票據、證件等多種信息的確認。無非用來應對我們所熟知的“證明你是你本人”一類的問題，但往往就是這些問題，占據了金融產業的大量勞動力。
從技術角度來看，解決這些問題并不復雜。通過人臉活體檢測、OCR識別、圖像識別模型等，就能滿足核驗過程中的去人工化要求。這樣一來很多業務的辦理都可以遠程執行，只需在手機端拍照上傳即可。
但金融行業應用AI完成核驗問題的難點，并不在于單純的技術能力上。
首先從金融行業的特征來說，其對于數據安全和隱私問題的要求天然要比其他行業更高。像今年年末工信部嚴查App數據授權，下架了大量銀行、金融產品App，很多都是從數據安全角度考慮。另一方面，正如前文所說，金融行業的數字化、信息化基礎相對其他行業更加完善。尤其當銀監會在《中國金融業信息技術“十三五”發展規劃》中提出：截至“十三五”末期，銀行業面向互聯網場景的重要信息系統全部遷移至云計算架構平臺，其他系統遷移比例不低于60%。在2016年到2017年間，金融行業中出現了普遍的上云風潮。
當金融行業已經擁有了云化基礎，對于數據安全的要求又相對較高時，AI應用的難點就從技術能力變成了部署方式。對于其他行業來說，可能直接對接API就能應用上人臉識別、文字識別等模型，但對于金融行業來說這種部署模式可能還相對粗糙。
于是在2019年中，整個行業顯著趨勢主要有兩個，一個是技術服務者調整自己的云化方案，通過私有云、混合云等多種部署，滿足金融行業的特殊需求，與原有數字化基本盤形成流暢的對接。另一個是金融機構選擇自己研發或采購技術，對自身云平臺的能力進行AI更新。
或許是金融行業對于AI技術的攻克變得更加高效，又或許是技術企業的服務意識不斷增強。總之這兩種趨勢給金融行業應用AI帶來了巨大的推助力，我們可以看到在“核驗”這一環節中，大多數銀行、互金類產品都能實現依靠人臉識別、圖像識別的身份核驗，完成遠程網上開戶等工作，也因此減少了身份冒用、證件冒用等方面的風險。
金融AI 2019：寫出加分題
我們之所以要強調2019年中金融行業突破了AI部署的難題，是因為這一舉動如同打通水渠，帶來的絕不僅僅是幾個識別算法，而是讓大量技術有了源源不斷流入良田的可能性。
于是我們可以看到，除了核驗這一最通用和普遍的場景之外。金融行業在2019年還進行了更多的嘗試，這些嘗試并不同于以往“摩根大通利用AI管理基金”這樣偏于噱頭和實驗性的行為，而是更接近于提升實際效益和開拓新的商業場景。
其中最典型的有智能客服。客服部門作為各行各業中普遍化的勞動密集部分，作為被AI“針對”的首要目標也是自然。但在金融行業不同的是，智能客服不僅僅被作用普通產品推銷、售后咨詢等流程，還大量的被應用在催收這一環節里。
如果以智能客服坐席與普通員工人數對比計算“含AI量”，我們很可能會發現催收公司的“含AI量”是金融企業中最高的。原因就是催收工作高度依賴電話聯系，通過智能客服與用戶對話，再利用大數據分析用戶語音并進行分類，輔助員工進行決策，針對不同類型用戶提出不同的策略。不僅提升效率，也讓整個工作流程有更高的穩定性和可控性。可以說是徹底改變了催收工作的運行模式。
又比如在這個監管唱重頭戲的年份，AI輔助金融監管也開始了種種嘗試，出現了Regtech——監管科技這一名詞。
在監管科技中，多種類的AI技術被綜合應用。像是澳大利亞證券及投資委員會(ASIC)和新加坡貨幣當局正在應用大數據分析可被用于交易軌跡的異常識別。上交所則應用機器學習對投資者的信息進行搜集建模，以識別出違法違規用戶。東京證券交易所也利用的日立的“日立AI技術”來識別市場操縱等不法行為。
總之監管科技的應用，讓AI不僅僅用作提升單一企業的效益，更參與防范金融的系統性風險。尤其尤其可以讓監管滯后這個一直扼住金融行業咽喉的情況得以緩解。
最后還有場景的創新。
有趣的是，2019年很多技術企業對于金融行業的改造已經不滿足于虛擬的數字層面，而開始著手接觸現實空間。騰訊、京東等企業都推出了類似于“金融無人艙”的概念，將人臉識別、語音交互等技術通過麥克風陣列、智能攝像頭等方式部署在端側。
通過端側部署，可以通過統一的硬件配置，讓技術模型不再需要面對因移動端設備多樣化而提升魯棒性的麻煩。像是因為不同設備前置攝像頭配置不同，用戶所處環境也會影響光線。因此人臉核驗、證件核驗的識別算法都要提升魯棒性。但整體化的硬件配置，就不再需要擔心這些問題。
同時類似“無人艙”概念的出現，繞過銀行App這一入口，把AI的接觸點直接搬到了線下，讓很多不習慣使用App的用戶，在線下也能與AI能力相遇，不僅減輕了人工負擔，也讓業務管理更加統一化。
以上種種只是示例，實際在2019年中，金融AI不論從普及還是創新都是非常密集的。在IDC出具的《中國AI落地白皮書》中也提到，金融產業對于AI的應用最為積極，不論項目落地數量還是成熟度也相對更高。這位優等生做完基礎題又做加分題，總之給出了一份很是優秀的答卷。
結束語
看到金融產業AI化在2019年所獲得的成績，我們似乎也看到了一條在其他產業中也有可能出現的發展路徑，AI對于產業的作用，就是這樣從一幀幀畫面的圖像識別，再到對業務邏輯的徹底改造，甚至在更高層的監管、發展問題上做出貢獻。
雖然這一年中，我們仍然能看到AI在金融產業中鬧出了不少“笑話”，像是很多銀行的智能電話客服依然傻fufu的聽不懂人話，或者是總有些小貸企業披著AI區塊鏈量子計算的皮賣P2P產品，但磕磕絆絆中，我們仍在走向希望。
2019年對于中國金融來說，是一個相當不平靜的年份。從1月份由專項小組發布“175號文”，正式開啟了互聯網金融的清退行動，到10月份黃奇帆放出消息稱中國央行或率先推出數字貨幣，再到12月份對金融類App信息隱私的嚴格審查。可以說2019年中國金融的主旋律就是“清退假科技，加碼真科技”，打著Fintech旗號的小貸企業倒了一批又一批，與此同時AI、大數據、區塊鏈等先進技術卻在不斷進入商業落地階段。
尤其對于AI來說，金融產業一貫是技術輸入的“優等生”。金融產業憑借自己高度數字化、信息化的良好基礎，相比其他產業更容易打通技術入口。尤其金融產業的前臺環節，業務接待、產品銷售等流程，同樣也屬于勞動力高度密集的產業，應用AI所帶來的降本增效效應也會更加顯著。加上金融行業在技術方面的嘗試更加積極，大量金融機構都擁有自己的技術研發部門，使得整個行業在接納AI賦能上擁有更好的基礎，不需要長時間的市場教育。
如此一來，金融產業自然成為了AI產業化的重要陣地，在2019年同樣也是如此。
從核驗開始，AI打通金融之渠
總的來說，2019年金融產業AI落地發展還是在良好的基礎上平穩運行。相信很多人也能直觀地感受到，即使作為單純的C端用戶，也能深刻地感知到技術變革所帶來的便利。
從金融的前臺業務來講，“核驗”幾乎是一個必須的環節。這一環節包括了人、票據、證件等多種信息的確認。無非用來應對我們所熟知的“證明你是你本人”一類的問題，但往往就是這些問題，占據了金融產業的大量勞動力。
從技術角度來看，解決這些問題并不復雜。通過人臉活體檢測、OCR識別、圖像識別模型等，就能滿足核驗過程中的去人工化要求。這樣一來很多業務的辦理都可以遠程執行，只需在手機端拍照上傳即可。
但金融行業應用AI完成核驗問題的難點，并不在于單純的技術能力上。
首先從金融行業的特征來說，其對于數據安全和隱私問題的要求天然要比其他行業更高。像今年年末工信部嚴查App數據授權，下架了大量銀行、金融產品App，很多都是從數據安全角度考慮。另一方面，正如前文所說，金融行業的數字化、信息化基礎相對其他行業更加完善。尤其當銀監會在《中國金融業信息技術“十三五”發展規劃》中提出：截至“十三五”末期，銀行業面向互聯網場景的重要信息系統全部遷移至云計算架構平臺，其他系統遷移比例不低于60%。在2016年到2017年間，金融行業中出現了普遍的上云風潮。
當金融行業已經擁有了云化基礎，對于數據安全的要求又相對較高時，AI應用的難點就從技術能力變成了部署方式。對于其他行業來說，可能直接對接API就能應用上人臉識別、文字識別等模型，但對于金融行業來說這種部署模式可能還相對粗糙。
于是在2019年中，整個行業顯著趨勢主要有兩個，一個是技術服務者調整自己的云化方案，通過私有云、混合云等多種部署，滿足金融行業的特殊需求，與原有數字化基本盤形成流暢的對接。另一個是金融機構選擇自己研發或采購技術，對自身云平臺的能力進行AI更新。
或許是金融行業對于AI技術的攻克變得更加高效，又或許是技術企業的服務意識不斷增強。總之這兩種趨勢給金融行業應用AI帶來了巨大的推助力，我們可以看到在“核驗”這一環節中，大多數銀行、互金類產品都能實現依靠人臉識別、圖像識別的身份核驗，完成遠程網上開戶等工作，也因此減少了身份冒用、證件冒用等方面的風險。
金融AI 2019：寫出加分題
我們之所以要強調2019年中金融行業突破了AI部署的難題，是因為這一舉動如同打通水渠，帶來的絕不僅僅是幾個識別算法，而是讓大量技術有了源源不斷流入良田的可能性。
于是我們可以看到，除了核驗這一最通用和普遍的場景之外。金融行業在2019年還進行了更多的嘗試，這些嘗試并不同于以往“摩根大通利用AI管理基金”這樣偏于噱頭和實驗性的行為，而是更接近于提升實際效益和開拓新的商業場景。
其中最典型的有智能客服。客服部門作為各行各業中普遍化的勞動密集部分，作為被AI“針對”的首要目標也是自然。但在金融行業不同的是，智能客服不僅僅被作用普通產品推銷、售后咨詢等流程，還大量的被應用在催收這一環節里。
如果以智能客服坐席與普通員工人數對比計算“含AI量”，我們很可能會發現催收公司的“含AI量”是金融企業中最高的。原因就是催收工作高度依賴電話聯系，通過智能客服與用戶對話，再利用大數據分析用戶語音并進行分類，輔助員工進行決策，針對不同類型用戶提出不同的策略。不僅提升效率，也讓整個工作流程有更高的穩定性和可控性。可以說是徹底改變了催收工作的運行模式。
又比如在這個監管唱重頭戲的年份，AI輔助金融監管也開始了種種嘗試，出現了Regtech——監管科技這一名詞。
在監管科技中，多種類的AI技術被綜合應用。像是澳大利亞證券及投資委員會(ASIC)和新加坡貨幣當局正在應用大數據分析可被用于交易軌跡的異常識別。上交所則應用機器學習對投資者的信息進行搜集建模，以識別出違法違規用戶。東京證券交易所也利用的日立的“日立AI技術”來識別市場操縱等不法行為。
總之監管科技的應用，讓AI不僅僅用作提升單一企業的效益，更參與防范金融的系統性風險。尤其尤其可以讓監管滯后這個一直扼住金融行業咽喉的情況得以緩解。
最后還有場景的創新。
有趣的是，2019年很多技術企業對于金融行業的改造已經不滿足于虛擬的數字層面，而開始著手接觸現實空間。騰訊、京東等企業都推出了類似于“金融無人艙”的概念，將人臉識別、語音交互等技術通過麥克風陣列、智能攝像頭等方式部署在端側。
通過端側部署，可以通過統一的硬件配置，讓技術模型不再需要面對因移動端設備多樣化而提升魯棒性的麻煩。像是因為不同設備前置攝像頭配置不同，用戶所處環境也會影響光線。因此人臉核驗、證件核驗的識別算法都要提升魯棒性。但整體化的硬件配置，就不再需要擔心這些問題。
同時類似“無人艙”概念的出現，繞過銀行App這一入口，把AI的接觸點直接搬到了線下，讓很多不習慣使用App的用戶，在線下也能與AI能力相遇，不僅減輕了人工負擔，也讓業務管理更加統一化。
以上種種只是示例，實際在2019年中，金融AI不論從普及還是創新都是非常密集的。在IDC出具的《中國AI落地白皮書》中也提到，金融產業對于AI的應用最為積極，不論項目落地數量還是成熟度也相對更高。這位優等生做完基礎題又做加分題，總之給出了一份很是優秀的答卷。
結束語
看到金融產業AI化在2019年所獲得的成績，我們似乎也看到了一條在其他產業中也有可能出現的發展路徑，AI對于產業的作用，就是這樣從一幀幀畫面的圖像識別，再到對業務邏輯的徹底改造，甚至在更高層的監管、發展問題上做出貢獻。
雖然這一年中，我們仍然能看到AI在金融產業中鬧出了不少“笑話”，像是很多銀行的智能電話客服依然傻fufu的聽不懂人話，或者是總有些小貸企業披著AI區塊鏈量子計算的皮賣P2P產品，但磕磕絆絆中，我們仍在走向希望。
1.TMT觀察網遵循行業規范，任何轉載的稿件都會明確標注作者和來源；
2.TMT觀察網的原創文章，請轉載時務必注明文章作者和"來源：TMT觀察網"，不尊重原創的行為TMT觀察網或將追究責任；
3.作者投稿可能會經TMT觀察網編輯修改或補充。
