人工智能最显著的应用就是通过大数据技术、机器学习和神经网络等技术将海量繁杂无直接价值的数据,转化成有直接价值的信息。而金融信息服务在业务开展过程中已经积累并不断生成海量数据,因此,金融信息服务业应用人工智能具有天然优势,人工智能对金融信息服务的影响也是全面而深刻的。

    4月11日,上海,国内首家“无人银行”在建行九江路支行开业,“无人银行”内两位智能机器人取代了银行柜员及工作人员,市民通过身份证实名认证即可入内办理各种业务。供图/CFP

  人工智能对金融信息服务的影响

  当前,人工智能最显著的应用就是通过大数据分析、机器学习和神经网络等技术将无直接价值的海量繁杂数据转化为有直接价值的信息,而金融信息服务在业务开展过程中已经积累并不断生成海量数据,具备应用人工智能的天然优势。因此,人工智能对金融信息服务的影响将是全面而深刻的,会成为其行业变革触发器,对其服务能力、服务效率、服务成本、服务边界以及风险防范与化解产生了巨大影响。

  人工智能提升金融信息服务能力。在传统技术模式下,受人力资源和数据处理能力的影响,金融行业往往只能对少数高净值客户提供定制化服务,而对绝大多数客户仅提供标准化服务。人工智能的兴起,可以通过信息技术赋能金融信息服务,对处于服务价值链高端的金融将带来深刻影响,使得大规模个性化定制服务得以实现,极大地提升服务体验。新一代人工智能提高金融信息服务能力主要体现在三方面:提升数据的挖掘与分析能力,市场的行情分析与预测能力,客户的需求分析及服务能力。因此,金融机构可通过人工智能技术精准应对客户需求,批量为特定客户提供个性化、定制化的金融信息服务,从而有效提升服务体验。

  人工智能提高金融信息服务效率。人工智能发展的使命不是替代人类工作,而是全面提升人的工作效率。人工智能促使金融与科技的深度融合进入到一个全新阶段,提升金融机构服务效率的同时,更实现了传统金融服务的智能化、个性化和定制化。人工智能可以极大地提高金融信息服务流程效率。

  人工智能降低金融信息服务成本。人工智能技术不断精进,逐渐从实验室走向生活领域,不断渗透到各行各业中去,其中金融行业是受到冲击最大、影响最深的领域之一。目前国内外有不少金融机构都在尝试使用人工智能来代替传统的人工操作,可以大幅度降低金融信息服务成本,包括人力成本、营销成本、运行成本等。

  人工智能拓展金融信息服务边界。移动互联网的兴起,打破了金融信息服务在时间和空间上的制约,极大地扩展了服务边界。人工智能则进一步释放金融信息服务业的发展潜力,从广度和深度两个方面拓展服务边界。从广度上来看,人工智能促进金融信息服务业运营成本的下降并引发由于运营模式的变革,使得金融信息服务边界朝着普惠化方向发展。以往受到技术能力和成本限制,金融信息服务业多倾向于高端客群,而通过人工智能技术则可以向更多普通客户提供更多人性化、个性化的服务,让更多的群体享受到金融信息服务;从深度上来看,通过人工智能技术挖掘和匹配更多客户的全新需求,降低客户需求成本,将使金融信息服务业获得更多价值创造机会。

  人工智能强化金融信息服务风险防范与化解能力。金融是现代经济的核心,金融风险尤其是系统性金融风险危害巨大。目前,金融风险监管信息化虽然取得了显著的进展,但仍然是金融信息化应用的薄弱环节。人工智能的应用可以将金融风险预警能力提高到崭新的水平,强化金融信息服务风险防范能力主要体现在:增强客户电子身份信息验证能力;增强金融预测反欺诈能力;增强风险防范服务能力等。

  人工智能在金融信息服务方面的应用类型

  人工智能对金融行业的渗透不断加深,整个金融领域正在发生一次根本性变革。金融信息服务业态也被深度卷入这场科技革新的浪潮中,当前人工智能在金融信息服务方面的主要应用类型有:智能投顾、智能量化、智能客服、融预测与反欺诈、投资决策和授信融资。

  智能投顾。智能投顾(Robo-Advisor)源于美国,是基于现代投资组合理论(MPT),依托人工智能技术和大数据分析技术,根据客户个人偏好和预期收益而自动计算并提供组合配置建议的一种新兴投资模式,预计到2020年全球智能投顾行业资产管理规模将接近16000亿美元。与传统投顾的算法交易和量化投资相比,智能投顾显著地提升了投顾的服务能力,具有四方面显著的竞争优势:体验感良好;进入门槛较低;人为因素较少;道德风险较低。智能投顾作为一种将在国内金融市场兴起的智能服务模式,能为投资者构建多元化的投资组合及自动化的资产配置,但其本质上仍是一种投资顾问服务,在发展中也面临一些瓶颈,主要表现在监管相对滞后和恶意推荐风险两方面。

  智能量化。长期以来,量化交易一直是利用计算机对海量数据进行分析,海选出能够带来超额收益的多种“大概率”事件以制定投资策略。人工智能的兴起,让量化交易在技术处理和数据分析上进一步得到提升,量化模型更加完善。

  智能客服。智能客服是基于大数据分析技术、深度学习和语言处理技术,在超大规模信息处理基础上发展起来的一项为企业与海量长尾用户之间建立的一种快捷交流方式。人工智能对传统金融信息服务模式产生深刻影响,智能客服已经成为金融领域典型应用场景。

  金融预测与反欺诈。当前,移动互联网正不断渗透到人们的日常生活中,网络欺诈行为也呈现出移动化、扩大化趋势。据芝麻信用2016年披露的数据显示,消费金融、互联网金融公司坏账超50%来源于欺诈。与此同时,以经验判断为依据的反欺诈模型对于用户规模以千万级、亿级为单位的小额信贷平台已经难以适用。人工智能的出现弥补了这一不足,具体表现在四个方面:对用户信用进行评价;对用户行为进行预测;对风险点进行规避;对欺诈行为进行拦截。

  投资决策。在投资机构和投行部门中,日常的工作如资料整理、数据分析、报告撰写等,往往占用了大量的时间和精力,而在处理海量的数据信息时,机器学习的天然优势得以发挥:处理更多的输入信息、考虑更全面的信息、达到更高的效果上限。

  授信融资。授信融资是指金融机构给予用户一定的信用额度,在这一额度内用户向银行借款可以减免一些检查程序,这项工作过去大多由人工来完成。人工智能的兴起改变了这一业务:一方面,智能平台对用户信用进行评价,以决定检查程序的自动化程度;另一方面,通过机器学习对借款用户进行实时跟踪监督,防范信贷风险的发生。

  人工智能在金融信息服务应用中的主要瓶颈

  当前,由于人工智能本身处于技术发展初期,加上我国金融信息服务业自身发展的不足,造成人工智能在金融信息服务应用方面存在一些瓶颈。

  人才瓶颈。从全球范围来看,人工智能已经正式成为巨头们的新战场。2018年年初,微软、亚马逊、谷歌、Facebook、苹果等IT巨头发布的2018年年会主题均是人工智能,并相继建立AI实验室,围绕人工智能领域的竞争归根结底是人工智能专业人才的竞争。据腾讯研究院和BOSS直聘2017年联合发布的数据显示,全球AI领域人才总数约30万,而目前市场的需求则在百万量级,AI人才供应存在很大缺口。在当前,推动人工智能技术发展有诸多因素,包括资金、数据、计算能力等,然而“人才”始终是人工智能发展的关键。人工智能作为新兴的前沿科技,专业人才极其稀缺是短期内难以改变的现状,因此这也是当前人工智能在金融信息服务应用方面遭遇的最大瓶颈。

  算力瓶颈。2006年,深度学习算法获得突破后,让大众看到了人工智能崛起的曙光。然而,人工智能在技术发展当中面临的算力瓶颈仍然存在,当前计算机虽然计算能力很大,有千万亿级甚至百亿亿级的,但现在处理结构带来了很多新瓶颈,如学习效率问题。以2016年3月的人机大战为例,AlphaGo与李世石对弈中,谷歌调用了上千台服务器资源。人工智能的计算能力还不够,具体需要提升两方面能力:一方面,用单位价格能买到的技术能力。只有单位价格下降,需要人工智能可以广泛地应用,才能把价格降下来,才能做到万物智能;另一方面,在单位功耗下取得一定的计算能力。金融领域本身就具有高密度数据,近年来算法领域也取得了很大进步,然而,算力瓶颈导致人工智能在金融信息服务业的应用也受到限制。金融信息服务活动中有许多偏重复性、偏体力性的劳动或者缺乏创造性的劳动,其中大部分活动未来将被人工智能替代,而替代过程发生的关键则是现有算力水平的提升。

  数据瓶颈。近年来,我国金融信息服务业高速发展,积累了海量数据资源,但是由于标准体系建设滞后和规范缺失,造成我国金融信息服务相关数据的标准化程度较低、质量水平不高,不同金融机构之间的互操作性非常低,“碎片化”和“数据孤岛”状态较为普遍,因而金融信息服务业缺乏高质量的数据集。机器学习模型需要接受大量数据的训练以确保它们的准确性,高质量数据集的缺失无疑限制了人工智能在金融信息服务业的应用。

  促进人工智能在金融信息服务业应用的对策建议

  借力人工智能进一步释放价值,在下一代科技革命中实现弯道超车,是我国金融发展的最重要课题之一。加速推动人工智能引领的金融业变革,推进人工智能在金融领域落地发展,促进人工智能的深入应用是我国金融信息服务业发展的重点之一,对此可以提出如下对策建议。

  推动人工智能在金融信息服务业应用与实践。当前,人工智能仍处于较为初始发展阶段,众多技术难题亟待突破,大多仍处于萌芽状态。因此,要结合现阶段人工智能技术发展的成熟度和应用难度,充分考虑金融信息服务业的业务重心与发展趋势,针对金融信息服务存在的难点与痛点问题,坚持“全面推广,重点突出,逐步推进”原则,加大人工智能相关技术布局和研发,大力推动人工智能技术在金融信息服务业的应用与实践。

  加强人工智能人才培养。人工智能领域的竞争主要体现为人才之争,从整体情况来看,我国在人工智能领域人才较为缺乏,具体到金融信息服务业,人工智能型人才就显得更加稀缺。因此,需要加强人工智能人才培养:一是积极储备建立核心技术人才培养体系,加强专业开发人员、数据科学家、基础设施架构师等专业人才的引进与培养,加强企业和学术界的人才流通,打造坚实的人才基础。二是培养人工智能与金融交叉复合型人才。应制定人工智能与金融交叉复合型人才培养计划,优先引进熟悉人工智能又了解金融领域的专业人才,加快复合型人才队伍建设。三是推进产学研合作的新培养模式,发挥领军企业的人才培养作用。鼓励金融机构创办研究机构,与一流高校和科研单位联合建设实验室,培养人才。

  加快金融信息服务业数据标准化工作。标准化水平是影响数据质量高低的重要因素,高质量数据集是人工智能深度应用的关键,因此金融信息服务业需要加快建立一套完备的数据标准体系。

    加强智能金融监管力度。人工智能的兴起一方面对金融信息服务将产生颠覆性变革,另一方面也给行业监管带来了全新的挑战。金融信息服务发展关系用户隐私和财产权益保护,也关系到企业发展和新兴产业的培育。因此,应提前制定具有前瞻性和强约束力的行业监。(左鹏飞:北京邮电大学管理科学与工程专业博士)