人工智能時代到來！五大金融場景正受到沖擊
近年來，人工智能（AI）技術逐漸滲透到金融產品和服務之中，國內外金融機構紛紛發力金融科技（Fintech）：國外金融行業正在業務中引入人工智能技術，摩根大通和高盛公司均表示要在人工智能領域進行大規模投資；國內四大行分別牽手互聯網公司，開啟智能金融的合作。
作為金融科技的初級形態，互聯網金融的興起主要得益于互聯網技術與金融業務的結合。基于消費、娛樂等生活場景，搭建便捷性的服務平臺，使金融業務有機融合到用戶的消費行為中。同時，也迫使商業銀行等金融機構沿著降低成本和提升效率兩條主線，在服務上不斷提質增效。今天，以大數據、人工智能、云計算和區塊鏈等更加前沿的技術為支撐的金融科技則是升級形態。
相比于互聯網技術，金融科技擁有更大的發展潛力。尤其是，神經網絡的突破性發展，使深度學習成為可能，并初步取得了令人驚訝的效果（如埃爾法狗在圍棋大戰中挑戰人類選手取得壓倒性勝利），將來有望解決金融領域里的一些痛點問題。
人工智能的飛速發展，使得機器能夠在一定程度上模擬人的功能，批量且更個性化地服務客戶。對于金融業而言，在前端可以使服務更加個性化，提升客戶體驗；在中端可以支持各類金融交易和分析中的決策，使決策更加智能化；在后端用于風險識別和防控，使管理更加精細化。
下面，筆者詳細描繪一下人工智能在金融領域中的典型應用場景，希望對大家有所幫助。
應用場景一：征信與風控
近幾年，國內P2P和現金貸的大量涌現，說明了個人小額信貸的市場需求巨大。在過去，針對該類小貸用戶，一般單純地依靠地推人員挨家挨戶進行實地征信。如今，KUKA機器人電路板維修，基于大數據和人工智能技術，可以實現智能征信和審批，極大地提高工作效率。通過多渠道獲取用戶多維度的數據，如通話記錄、短信信息、購買歷史、以及社交網絡上的相關留存信息等；然后，從信息中提取各種特征建立模型，對用戶進行多維度畫像；最后，根據模型評分，對用戶的個人信用進行評估。同樣，對于市場上中小微企業融資難的問題，也可以通過大數據征信得以解決。
相對于征信，在風控中，貸前要識別貸款人信息的真實性，還要識別其還款意愿和還款能力，貸中通過監控貸款人的行為數據及時發現異常，貸后通過反饋數據補充信用評分。在這個過程中，利用用戶數據積累和人工智能技術建立有效的智能化風控體系是核心能力，直接決定著一個平臺能否持續健康地運營。
應用場景二：反詐
金融安全是維護金融秩序的基石。與虛擬的社交網絡不同，金融用戶需要驗證身份的真實性，其中可能涉及的技術包括人臉識別、語音識別、指紋識別和虹膜識別等。相對于我們人類，人工智能在此領域往往表現得更加優異，不僅能縮短識別時間，還能降低識別錯誤率。如今，越來越多的人工智能應用出現在現實生活中，比如指紋付款、掃臉取款等。
此外，人工智能在網絡反詐方面也發揮著巨大的作用，庫卡機器人，機器可以從海量的交易數據中學習知識和規則，發現異常，比如防止盜刷卡、虛假交易、惡意套現、垃圾注冊、營銷作弊等行為，為用戶和機構提供及時可靠的安全保障。
應用場景三：智能投顧
智能投顧是在多個市場和大資產類別之間構建投資組合，分散風險，追求長期收益。
與傳統方式有所區別，智能投顧可結合現代資產組合理論和投資者偏好為投資者提供建議，加快釋放投資理財的長尾市場，具有傭金低和信息透明等特點。更通俗點說，智能投顧實際上是把私人銀行的服務在線智能化，服務更廣泛的普通老百姓。
當前，智能投顧平臺已經在國內市場出現。2016年12月，招商銀行摩羯智投正式上線，這是國內銀行業首家推出的智能投顧服務。據介紹，摩羯智投運用機器學習算法，庫卡機器人驅動器維修，融入招行多年的業務經驗，在此基礎上構建了以公募基金為基礎的、全球資產配置的智能基金組合配置服務。在客戶進行投資期限和風險收益選擇后，摩羯智投會根據客戶自主選擇的目標-收益要求，構建基金組合，由客戶進行決策、一鍵購買并享受后續服務，使得投資小白也可以輕松使用。
應用場景四：營銷與客服
在金融平臺上，如何識別有效的客戶往往是難點。而人工智能可以通過用戶畫像和大數據模型精準找到用戶，實現精準營銷。
另外，在客服中，用戶咨詢的問題大都是重復性的，而且往往限定在幾個特定的領域內，這些特點使其成為自然語言處理和智能客服機器人的極佳選擇。通過智能客服機器人可以發掘用戶的需求，解釋和推薦產品，還能帶來銷售轉化。智能客服可以解決用戶的大部分問題，在非常確定答案的時候可以直接回答，在不確定時把可能的答案提供給人工客服，由人工客服判斷選擇最佳答案發送給用戶。這樣極大地提升了客服效率和用戶體驗，同時也降低了人力成本。
應用場景五：投資決策
在投資機構和投行部門中，日常的工作如收集大量的資料、進行數據分析、報告撰寫等，往往占用了大量的時間和精力。而在處理海量的數據信息時，機器擁有天然的優勢，通過自然語言處理技術可以理解文本信息，尋找市場變化的內在規律。一個經典案例是沃爾瑪超市發現尿布和啤酒放在一起會增加銷量。大數據可以發現看似毫不相關的事件間的關聯性，應用在投資領域也會有同樣的效果，比如蘋果發布新手機會影響哪些公司的股價等。
人工智能還能夠根據收集到的市場歷史數據進行預測，分析判斷企業的成長性，從而輔助投資決策。一個著名例子是，美國最大的信用卡行CapitalOne的兩名員工利用職務便利，分析了至少170家上市零售公司的信用卡消費情況，并據此預測這些公司的營業收入，然后提前購入看漲期權或看跌期權，三年內投資收益率高達1800%。雖然是反例，但對于智能預測應用有很好的啟發意義。
此外，機器還可以根據收集到的資料，自動生成大量格式固定的文檔，比如招股說明書、研究報告、盡調報告和投資意向書等，從而提高效率，減少枯燥的重復性工作。
結語：
長遠來看，人工智的優勢是不容忽視的：智能設備可以7×24×365連續不間斷地工作，不需要休息和度假；通過對大量數據進行篩選分析，幫助人們更高效、更準確地決策，降低決策難度；在分析問題時不受情緒和環境的影響，在一定程度上可以避免操作風險和道德風險。而金融行業是天然產生數據的行業，同時也是數據最能產生商業價值的地方，具備了成為人工智能具體實現的巨大優勢。