FABIE视角丨AI+金融

1发布 · 2020-12-04 09:59 11

智能化、场景化、个性化


FABIE说


金融业的发展历程见证了科技的发展,两者一直处于持续的融合过程中,科技驱动金融早已有之,金融机构一直是新兴科技最积极的采用者,整体来看,新兴科技驱动金融发展至少经过了金融电子化和信息化(1990-2008年)、金融网络化和移动化(2008-2016年)、金融自动化和智能化(2016年至今)三个阶段,当前金融正在迈向金融智能化的道路上。AI作为一种一般通用技术,正在发挥其对各行各业的赋能效应,金融业是最早应用人工智能的一个行业,AI与金融的结合改变了金融服务业的规则,提升了商业效能,在更低风险下为客户提供更为个性化的金融服务。AI与金融有何关系,AI赋能金融行业的意义有哪些,AI与金融结合的应用场景有哪些?本期为您解析。


1

AI与金融的“姻缘”


01

“政策红娘”


“十三五”以来,政府出台了一系列针对人工智能和金融数据化、自动化、智能化的相关发展规划和产业政策。2016年基于普惠金融的需求,国家对金融提出了自动化和智能化的发展要求,银行业成为最早利用人工智能技术来打造智能化运维体系的金融机构。在“十三五”国家科技创新规划中也明确提出重点发展由大数据系统驱动的类人工智能技术的发展,建设国家科技金融创新中心。特别是2017年7月出台《新一代人工智能发展规划》,把人工智能正式上升到国家战略,规划中明确提出要建设金融大数据系统,创新智能金融产品和服务,发展金融新业态,鼓励金融行业应用智能客服、智能监控等技术和设备,建立金融风险智能预警与防控系统。


02

“AI被需要”


金融业对AI技术的需求源自自身降低人力成本和提升运营效率的根本需求,金融行业是知识密集型的服务业,会产生大量的数据,人工智能技术可以快速地处理人与数据的关系,并批量处理人与人的服务,传统金融机构为提升业务效率,人工智能将优先用于辅助金融机构数据处理和人工替代,据估计,2020年金融IT应用投资中,人工智能相关的资本开支预计会超过200亿元[根据中国产业信息网报告显示,目前人工智能在金融IT领域渗透率不足10%,2020年人工智能渗透率预计可达15%,总的资本开支可达226亿元]。另据普华永道的调查,传统金融机构选择AI等新兴技术,核心诉求是:运营效率提升(55%)、客户体验优化(50%)、产品服务创新(49%)、风控质量改进(44%)、商业模式创新(34%)、业务渠道拓展(31%)、综合成本优化(20%)等方面。综上,由于金融业对数据的强依赖性和核心诉求,为人工智能技术介入金融业提供了便利。


2

AI赋能金融的积极意义




首先,人工智能可以大幅度提升金融服务效率,从而让大部分“长尾客户”分享到“头部客户”才可享受到的金融服务。比如余额宝的出现让大量普通用户获得了超越银行理财(一般5万元门槛)的低风险高收益的理财产品,大大增强金融资源的可得性和普惠性。


其次,生物特征识别功能的发展,不仅降低了隐藏风险,同时也节省了金融机构的人工、场地成本,提高了工作效率,利用人脸识别实现“刷脸”开户、登录账户、发放贷款、刷脸验证、刷脸支付等。


再次,基于大数据、深度学习等技术可以实现精准画像,根据客户的财富基础、收入状况和风险偏好等因素提供个性化的金融产品,真正实现从“千人一面”向“千人千面”转变。


最后,人工智能技术可以助力金融行业形成模型化、智能化、精准化的风险防控系统,帮助金融机构、金融平台及相关监管层对存在的金融风险进行及时有效的识别和防范。


总之,AI+金融的结合可以降低金融市场信息不完整和不对称的程度。一是通过大数据的引入,各方可以对金融市场有更为准确的画像,并可以进行更加准确的预测;二是通过对金融客户信用状况更加精准的判断,可以匹配更好的信贷产品,也可降低风控的损失;三是通过客户身份、收入及风险偏好的准确把握,在降低欺诈风险的情况下,实现自动化金融服务,降低人工成本。


3

AI+金融产业链


AI+金融形成的智能金融本质上是人工智能技术驱动的金融创新,智能金融的发展依附于金融产业链,比如从“资产获取—资产生产—资金供需对接—场景融入”的金融资金流动过程。在资产获取端,需要智能数据和人工智能技术进行风险定价;在资产生产阶段需要借助量化和智能投研等手段进行不同风险资产的组合配置;在资金供需对接阶段,则需要借助智能投顾、精准营销等手段提升资产匹配效率和自动化;在场景融入阶段,则需要针对不同商业模式(如消费金融、供应链金融)提供智能客服、智能征信与智能支付等服务。据此,智能金融产业链可分为数据及基础设施提供者(上游)、智能金融技术服务提供者(中游)、智能金融服务应用者(下游),具体如表1示:


1.jpg

表1:AI+金融产业链   FABIE产业研究中心整理编辑


产业的发展离不开资本的加持,近几年智能领域的投融资活动异常活跃,从2016年开始,每年融资事件均超过30起。从融资轮次来看,主要集中在天使轮和A轮等早期阶段,说明投资机构看好该产业的未来发展前景,期望通过资本布局来加速智能金融业态的孵化过程并抢占赛道;从投资业态来看,智能风控、智能投顾占据半壁江山,智能投研和智能营销紧随其后,智能支付业态已相对成熟,投资不多;从融资机构机构来看,蚂蚁金服、京东金融、度小满金融、金融壹帐通等头部企业占据了大部分的融资额,市场呈现两极分化的特点,强者恒强优势初现。


4

AI+金融的应用场景



人工智能技术已经渗透到金融的多个业务场景和业务流程中,根据人工智能的技术应用和金融行业的流程,具体的应用场景可划分如表2和表3示:


2.jpg

表2:基于“行业+技术”的应用场景  FABIE产业研究中心整理编辑


3.jpg

表3:基于“行业+流程”的应用场景     FABIE产业研究中心整理编辑



按照行业内通常标准,金融业务离最终客户的远近可简单分为三个领域:前台服务、中台服务和后台服务。


前台服务:就是离客户最近的服务种类,从智能金融的细分业态来看,主要分为精准画像(运用智能标签技术)、智能营销(依托画像,借助活动和产品)以及智能客服、智能支付(支付宝、微信、京东的刷脸支付)和身份识别。


中台服务:前台服务侧重客户体验,中台服务则考虑转换效率。近期“数据中台”成为热词,在智能金融领域“智能中台”将会加入“热词”行列,未来,一个更加坚实可靠的“智能中台”有可能成为“主战场”,“智能中台”的场景需求或将催生产业“蓝海”。中台业务主要包括:智能投研、量化投资和智能投顾。


后台服务:金融后台业务更加关注成本和支撑能力。随着人工智能技术的不断渗透,以及金融业务竞争的全面展开,原有后台业务逐渐标准化,新兴的如知识图谱、智能风控、智能助手等与中台业务紧密相关的部分日益受到重视。


5

AI+金融应用领域及案例


01

智能银行业务领域



随着互联网金融机构的异军突起,银行业是受“金融科技”冲击最大的行业之一。“穷则思变”,银行业开始主动出击,学习模仿先进金融科技公司做法,引进大数据、人工智能的新型科技,来改造原有银行业的经营理念和业务模式,并尝试建设“网络金融”“直销银行”“智慧银行”甚至“开发银行”。银行业的智能金融应用一般是双管齐下,一是自身主动出击,二是与科技巨头合作。目前交通银行与苏宁金融、民生银行与小米、光大银行与京东、华夏银行与腾讯等都在开展类似合作。国有大银行的金融科技之路如表4示:


4.jpg

表4:国有大银行的金融科技之路  FABIE产业研究中心整理编辑



案例:恒丰银行基于大数据的客户关系系统(智能营销)


恒丰银行的CRM系统依托恒丰银行自身的企业级大数据平台,利用微服务架构、实时流处理和人工智能技术,通过行内外数据深度整合和价值提炼,提供客户360度视图、智能客户推荐、营销机会挖掘、产品优化组合、资讯精准推荐、客户风险预警、团队协同和业绩看板都功能,为团队实时掌握市场动态、识别客户价值、探寻客户需求、实现精准营销提供了技术支持。


02

智能证券业务领域


证券业务基本都已数字化处理,随着证券品种的不断丰富,投资者多元化以及新兴业务不断涌现,证券IT架构包括:客户交互层(如开放API、呼叫中心),应用服务层(经纪交易平台、专业投资平台、业务运营平台),数据平台(交易、产品、市场和资讯等数据)和信息基础平台(云平台、网络存储),对应相关架构提供APP开发、智能营销/客服/投顾/风控、大数据辅助决策和云计算都服务功能。


案列:天弘基金鹰眼和智数系统(智能投研)


“鹰眼系统”是公募基金领域第一个国家科技专利,也是天弘基金用AI替代出击信用分析师的一种尝试。“鹰眼”具有新闻分词、语义、自然语言处理、情绪识别能力。鹰眼系统主要给证券市场上4000家公司做排名,从最有可能违约到最安全进行排序,排名前1%的为黑名单,前1%~10%为灰名单。智数系统则通过测试大量数据(财务、公开、网络、机构持仓),从1000多个影响公司质地的因子中筛选出100多个因子,从而判断股票好坏及差异点。


03

智能保险业务领域


人工智能介入保险的核心业务流程,主要是对产品设计到售前、再到承保、定损、理赔以及售后服务全过程,特别是在营销和风控端可以更好发挥人工智能技术的作用。


案例:蚂蚁金融“定损宝”


2017年6月,蚂蚁金服上线“定损宝”产品,运用AI技术模拟定损环节中的人工作业流程,从车损照片上传,通过图像定损模型、配件数据库、配件价格表查询计算,给出定损金额和维修方案。定损宝一经推出,就被太平保险、大地保险、阳光保险、安盛天平保险等多家保险公司引入使用,不到一年时间提供定损定价调用服务超过千万次,节省定损人工工作量75万小时,为保险业节省超过20万亿元理赔成本。


04

综合智能金融案例



蚂蚁金服


蚂蚁金融成立于2014年10月,旗下包括支付宝、余额宝、招财宝、蚂蚁聚宝、网上银行、蚂蚁花呗、蚂蚁金融云、蚂蚁达客等子业务模块。蚂蚁金融将其自身定义为以人工智能技术为核心的TechFin公司,通过自身强大的技术能力赋能合作伙伴或金融机构,推动相关技术在金融行业深度渗透,成立以来已累计服务超过2500万家小微企业,旗下支付宝已与180多家银行和国际组织建立战略合作关系,全球活跃用户数量近9亿人。


平安科技


平安科技致力于运用人工智能、智能认知、云计算等前沿科技,对平安集团及内部各专业公司提供关键平台和技术服务。平安科技正在构建预测AI、认知AI和决策AI整体解决方案,技术研发主要聚焦在人脸识别、OCR识别、多模态生物识别、知识图谱等方面,特别是在人脸识别领域达到世界先进水平(精准度达99.8%),多模态生物识别率达到99%以上。在2018年8月举办的国际文本识别领域评测中,平安科技的OCR团队在COCO Te10T任务1文本中以68.61%平均精度获得世界第一。目前平安科技研发的AI技术已在银行、保险、互联网金融等多个子行业中应用。


度小满金融


度小满金融依托百度集团在AI技术领域的优势,以“金融大脑”作为核心能力,依托“感知引擎”和“思维引擎”,为银行、消费金融、信托等机构提供完整的解决方案,目前度小满金融已与农业银行、南京银行、百信银行等500余家银行互金机构达成合作。度小满核心技术在语言识别、人脸识别、自然语言处理和语音合成等领域,利用AI算法可在数十万台服务器上进行高性能计算,维护的关联网络进化至180亿节点,可有效识别金融风险,在智能催收领域的应用可替代40%~50%人工,回款率可提高5%以上。


IBM


IBM于1911年创立,是全球最大的信息技术业务解决方案提供商。IBM已从原来的集成电路、服务器、PC等硬件领域为主的企业转型到系统集成、数据商业化和智能化为主,目前IBM在商用AI平台、AI硬件物理系统、开放式问答系统和类人工智能研究等领域持续投入创新。基于IBM Watson认知计算平台,能为金融等领域提供端到端解决方案,被广泛用于银行、保险等金融机构,客户涵盖了全球90%以上的大型银行和保险公司,能够助力金融机构提升数十倍的处理能力。 


6

AI+金融的未来展望


关键词1:降本增效


金融服务业经营过程中会有四类成本:获客(营销)成本、风控成本、经营成本和资金成本。基于AI技术的赋能,通过智能营销和智能客服来降低获客成本和人力成本;通过运用精准画像和智能风控来降低风控成本;通过智能运营和智能助手来降低经营成本并提供管理效率;通过智能投研和智能营销可以以最合理的成本获取资金,以实现资金成本的降低。


关键词2:智能定制


智能金融的未来将向智能化、场景化、个性化方向发展。智能化可以分为三个层次:第一层叫Robot,可以实现简单的数据收集整理工作;第二层叫Smart,可以实现数据的简单挖掘分析;第三层叫Intelligent,可以实现基于数据的决策和深度洞察。智能金融将不再局限金融标签,而是转变为一种深入生活的场景化金融,我们的“衣食住行娱学”各种生活场景将嵌入金融的影子。基于AI技术驱动的金融服务和产品创新将真正实现个性化和多元化服务,做到“千人千面”甚至“见人下菜”。


关键词3:共享普惠


伴随人工智能技术的进一步发展和趋于成熟,智能金融可以整合各类市场主体,在产品、用户、数据等层面实现有机的互联与共享,同时随着智能技术和数据透明度的增强,金融可以逐渐从覆盖“20%”的中高端客户向“80%”的中低端客户延伸,增强金融普惠化和可得性。


关键词4:金融“无人化”


随着移动互联网、物联网、智能机器人、智能助手等技术和产业的不断成熟,金融服务的远程化、线上化、移动化、无人化的格局日益显著。波士顿咨询公司(BCG)经过访谈中国金融业和人工智能领域专家后建立的人工智能对金融业就业市场影响模型预测,到2027年,中国金融业就业人口可达到993万人,其中23%的工作岗位将受到人工智能带来的颠覆性影响,而其余77%的工作岗位将在人工智能的支持下,工作时间减少约27%。同时,预计到2027年,人工智能将削减39万个职能部门岗位,占总体削减岗位的17%。




标签:  
互联网金融金融服务金融信息化AI技术

壹发布

壹发布致力打造产业园区服务平台,通过线上平台打通线下需求,助力个人、项目和企业实现与产业、资本、信息等要素的对接和实时流通,促进科技创新成果的转化落地。

电话:0755-83438688

邮箱:operation@1fabu.cn

合作伙伴

微信公众号

微信公众号

微信小程序

微信小程序

移动网站

公众号