金融行业追逐AI带来哪些变化?

我们常说的金融科技，可以理解为用人工智能和数据找到新的做生意方式。而如今，人工智能在金融行业的应用也早已遍地开花，使用最多的三种技术分别是机器学习、计算机视觉、自然语言处理。

人工智能的第一步是解释事件，之后逐渐形成决策的流程自动化，最终将全部交给人工智能来做决策。金融行业一直在追逐人工智能，其可以通过自动化取代繁琐重复的人工工作、提升客户体验、降低成本。

人工智能不要用ROI来衡量

对于人工智能的态度，中国银行相对国外银行要更积极。Gartner高级研究总监吕俊宽(CK Lu)总结了制约外国银行投入人工智能的三点原因，第一、现有数据、现有制度已经可以帮助银行应付业务上的需求;第二、没有明显的金融科技竞争企业，所以没有通过人工智能转型的强烈需求;第三、外国监管机构重视“可解释性”。而人工智能更像是一个“黑盒子”，人们只能得到结果，并不了解得到结果的过程。

目前人工智能投资还处于早期阶段，金融机构在人工智能的使用上也存在一定挑战，主要包括：第一、商业价值，人工智能不能和ROI(投资回报率)强关联;第二、数据，数据存储分散，管理较难;第三、人才，人工智能人才缺失，需要懂业务和懂人工智能的人合作打造AI应用;第四、工具，单个应用解决单一问题，部署更多的AI应用花费的时间和成本都是巨大的;第五、规模，大规模的应用准确率大幅下降;第六、ROI，各部门各自投资造成资源浪费。

“CIO很难从ROI的角度向老板证明，投资人工智能是有回报的。”吕俊宽表示，在人工智能的投资中很多企业都会陷入ROI的迷思，这会让企业找不到人工智能的投资方向。吕俊宽举例说，Gartner看到，很少有企业通过部署客服机器人达到其ROI目标，客服机器人可以使客户沟通数量增长15%-30%，但不代表可以立即裁掉15%-30%的员工。

所以在评估人工智能是否成功时，吕俊宽建议企业首先要看通过人工智能帮助企业提高了多少效率，其次是人工智能对客户体验带来了多少提升，而不要刻意使用ROI衡量。

人工智能将逐渐规模化

目前金融机构在市场、销售、产品、交易、风险管理等多个领域已经开始人工智能的应用，而未来人工智能也将对整个金融机构结构、人员带来根本性改变。

反欺诈和风险管理是银行业人工智能应用较多的领域，因为欺诈可以称得上是一门生意，银行利用人来补“洞”的速度，远远比不上欺诈的变化速度，所以使用人工智能制定规则定义欺诈行为，可以节省人力，并且有效防止欺诈。中国金融机构在反欺诈和风险管理外，还做了很多创新和尝试，主要聚焦在效率之后的客户体验提升上，像获取客户、客户留存等。

“对于银行人工智能规模化落地的问题，可能还没有很快能够奏效的解决方法。”吕俊宽认为，要实现规模化部署就需要解决人才和基础设施两大问题。

Gartner建议人工智能在落地上要根据机构规模而定。小型银行业务场景相对简单，没有足够的资金进行人工智能投资，所以要以业务为导向，同时与大银行已有服务做匹配;中型银行业务场景相对复杂，人工智能可能会成为其进入“第一梯队”的机会;大型银行面对传统银行和互利网金融的双重竞争压力，需要改变文化和公司治理，才能从项目到产品实现创新。

从全球看来，人工智能部署在公有云和本地数据中的比例分别是40%和35%。在中国，由于监管要求，大部分人工智能都部署在数据中心内。吕俊宽表示，虽然目前监管要求在本地部署，但是金融机构一定要考虑到未来人工智能应用上云的可能。