人工智能应用在我国银行业的探索实践及发展策略

姜世戟

（湖州职业技术学院 浙江湖州 3 1 3 0 0 0）

一、人工智能的应用对银行业的深远影响

人工智能就是能在不同环境中独立或交互地完成各种拟人任务的自动化设备。云计算、大数据等技术的成熟推动了人工智能的进步，同时深度学习引起算法上的突破进一步助推了人工智能浪潮，使得复杂任务分类准确率得到大幅提升，从而推动了相关语音识别技术、VR技术、语言处理、机器学习以及机器人技术的迅猛发展。人工智将在不远的将来促使各个产业产生巨大变革，其带来的改变将远超互联网技术对各行业的影响。人工智能能够大面积替换中低端的分析工作，并在时间维度上进行预测，从而优化风险定价模型，同时减少情绪化干扰，实现优化博弈的策略目标。因此如果能在银行业及互联网金融领域实现人工智能的全维度应用，就可以通过从海量金融及商务交易数据中提取相关有效信息，对信息进行加工分析后反馈给金融机构作出决策，或者实时反馈用户方进行选择，从而减少交易双方信息不对称或者不确定性的现象，促进金融业智能化程度的提高。在当前，我国银行业由于智能化起点低且银行业本质上是一个数据密集型行业，因此人工智能在我国银行业的应用空间非常广阔。目前人工智能已开始在量化交易、智能投顾以及融资授信等方面得到推广与应用。人工智能对银行业的影响主要体现在：

（一）银行业服务模式将会更加主动

在互联网相关技术尚未得到大规模应用时，银行往往需要投入大量资源用于自身客户维护和沟通，以便发现客户需求，获取业务价值。到了互联网时代，互联网技术以及互联网金融平台的迅速发展，促使商业银行大力推进信息系统建设，网银、手机APP的出现降低了银行服务客户的成本。由于客户端和网页端都使用标准化的功能模板，因此需要客户熟悉和学会这些功能，并在众多菜单功能中搜索需要的金融服务，客户和银行的交流是单向的。这种情况下发现客户需求的成本由银行转嫁给客户，在方便银行的同时，也使银行相应地丧失了创造更多业务价值的机会。随着人工智能的迅猛发展，机器能在相当程度模拟人的功能，从而实现批量人性化以及个性化的金融服务，这将对深处服务行业价值链高端的银行业带来深远影响。人工智能技术在服务前端可以用于客户维护，在中台支持授信和各类金融交易并进行分析决策，在后台主要用于风险防范与监督，它将大幅改变银行业现有格局，使得银行服务更具个性化和智能化。因此人工智能将成为决定商业银行维护客户和发现客户相关金融需求的最主要因素之一，并对银行产品、服务方式、营销渠道、风险管理、信贷管理以及投资决策等带来重大的影响。

（二）银行大数据处理能力得到大幅提升

由于银行业与整个社会存在紧密的交织网络，银行内部积累了大量信息数据，涉及各类业务交易、客户信息、产品分析、风险管理、投资顾问等，这些数据级别都以海量计算，但这些数据往往通过非结构化的形式进行保存（如客户身份证相关扫描件信息），既占据过多的储存资源，造成重复存储产生的浪费，又无法转化为可分析数据，使得银行业大数据的处理比较棘手。运用人工智能的深度学习系统，可以对银行业积累的足够多的数据进行不断学习，从而不断完善甚至超过目前人类的回答能力。特别在风险管理与金融交易这些比较复杂数据的处理上，大规模应用人工智能将大大减少人力成本并提升银行风控能力和业务处理水平。针对平台的资产选择、信息披露、风险管理、贷后管理以及逾期催收等业务运营需求，通过大数据紧密结合人工智能，可以提供个性化智能化的解决方案，从而全面降低银行授信风险，进一步提高银行产品质量及服务质量。人工智能是基于海量信息的深度学习系统，同时人工智能与大数据是互相联系的两项技术，人工智能与大数据的合理运用将为商业银行带来可观的业务增长，而且对于未来智慧金融来说，二者更是成为标配。

二、我国银行业人工智能应用现状

目前我国人工智能相关的研究及应用水平与欧美发达国家相比旗鼓相当。人工智能技术已经进入高速发展期，其中语音识别、图像识别以及机器学习等细分领域产生了大量具有突破性的研究成果。由于商业银行的客户群庞大、储备的数据量大且较为准确有效，这就为数据分析和建模打下了坚实可靠的基础。通常银行资金实力雄厚，可对高科技进行大量投入，同时商业银行对风险管理的要求更为精准，因此人工智能在银行业有着天然的应用优势，例如通过大数据构建金融产品知识图谱，通过社交网络与核心数据的分析识别深度了解客户。随着国际互联网巨头尝试将人工智能技术应用于金融产品的方方面面，国内银行业也逐步推广使用人工智能技术。目前，国内大型银行已在客服营销、风险控制、信贷管理等多个领域逐步应用人工智能技术，预计还将在更多的领域，尤其是在提升客户体验、网络内容管理和风险管理等领域进一步研究与应用相关人工智能技术。作为金融科技发展的重要应用及实践者，商业银行应关注人工智能发展趋势，促进人工智能技术在各方面的运用与验证。目前我国人工智能在银行业的运用主要集中在以下方面：

（一）提升客户体验

人工智能的合理运用能够有效提升银行服务的客户体验。在营业网点设置服务机器人，由服务机器人在网点中的指定区域自动巡航，实现迎宾分流，通过语音互动交流以及人脸识别技术，预先识别VIP客户，从而及时为客户提供个性化金融服务，同时也能及时判断可疑人员、提示相关可疑行为动作，并通过前端采集银行客户数据，对客户开展精准营销活动；智能客服能按照客服人员与客户的沟通情况，进行业务咨询相关热点问题梳理统计，通过机器进行自动学习，梳理生成知识题库，并将其作为后续设备自动回复客户的参考答案；智能客服还能够实现一定的监督功能，例如通过分析客服人员的应答话语和态度，对银行服务进行监督检查，从而使银行能够有针对性地提高服务质量；人工智能还能大大提升人机交互场景获得的客户体验，通过人脸识别技术能在APP客户端中进行实时身份认证、远程开户以及登陆授权等。

（二）开展量化分析和交易

银行传统的理财顾问需要根据投资者的要求，向投资者推荐符合其风险偏好特征同时适应某一特定阶段市场预期的投资组合。这种传统方式需大量昂贵的人工才能完成，由此无形中抬高了银行理财服务的进入门槛，使得过去的银行理财服务主要针对高净值客户。智能投顾以最少人工参与的方式实现投资组合管理，通过更强大的算法模型结合人工智能技术对银行客户进行财富画像，为银行的每一位客户提供个性化的资产管理方案。目前国内不少商业银行已经涉足智能投顾，通过机器与量化技术，为那些经过问卷评估的银行客户提供个性化的资产组合投资计划，旨在为客户提供一个自动化的理财服务以实现投资回报最大化。不少智能投顾平台能够结合自然语言搜索，通过图形化用户界面以及云计算实时关联金融市场，充分利用动态数据与实时交易信息及时反映市场趋势，既能提供研究辅助，又能智能回答复杂理财投资问题，一方面缩短了交易时间，另一方面也降低了交易成本。

（三）加强金融风险管理

对于商业银行的海量交易数据，人工智能可以通过深度学习技术从数据中自动识别相关欺诈交易，帮助银行总结交易模式，实现事中成功拦截，阻断欺诈交易，从而提高反欺诈反洗钱系统的有效性，降低误报率，减少合规风险；也可以利用社交平台中的大量客户数据，通过知识图谱技术，即按照专家设计的规则以及不同种类的实体连接相结合的关系网络，提高金融风险管理水平。国内已有不少银行通过和互联网企业的合作，收集网络和社交平台上的个人信息，通过知识图谱技术以及大规模语义数据库，推出了客户信息盗窃自动报警系统。还有一些银行基于微信及其他公开信息的动态风险，专注于从数据爆炸的社交平台中提取精简又有价值的风险情报并进一步挖掘关键信息，如市场热点、与理财产品有关的非交易信息等，及时定期向客户进行推送。

三、我国银行对人工智能技术应用的探索与实践——以广发银行为例

多年来，我国银行业一直高度关注互联网技术发展，密切跟踪金融技术变化趋势，不断研究并将其应用于合适的业务场景，大胆推动人工智能技术试点运用。面对金融技术发展的智能化趋势，我国商业银行以人工智能技术和大数据应用作为突破口，进一步加大了对区块链、人脸识别、物联网以及VR等技术的研究力度。在持续提升研发能力的同时，注重其在银行业的实际应用效能。其中广发银行在人工智能领域方面取得了一定进展并积累了不少成功的经验。

（一）重视对人工智能应用的规划

金融领域人工智能时代的来临将极大改变银行的整体面貌。银行提供综合金融服务的过程中，获取的信息越丰富全面，越有利于银行业务的开展。因此，银行应该构建集中统一的智慧中枢系统，为业务人员开展各类金融业务提供智能化的方案或决策。从人工智能相关技术来说，打造银行智慧大脑是应对金融领域人工智能时代的最佳路径。现阶段，限于金融领域人工智能相关技术的成熟度并不一致，目前统一金融大脑的设想仍在研究摸索中，还未有成功先例。

广发银行规划的智慧大脑，是以金融大数据平台为基础，进一步打造训练样本集，以打造智能分析平台为契机，丰富各类感知以及认知技术工具、算法模型和专家模型的研究储备，结合接触点、金融产品开发和内部流程改造等的创新应用，从而构建统一、完整的金融智慧服务体系，推动精准营销、风险管理、产品设计以及智能决策等领域的创新。为构造智慧大脑，广发银行大力加强数据的积累：第一，丰富基础数据。一方面以金融大数据平台为核心，进一步丰富数据的外延以及获取手段；另一方面通过将用户、系统、社交数据及外部非结构化数据采集纳入平台范围，从而建立行内数据关联。第二，优化人工智能技术。由于人工智能涉及的算法模型种类非常繁多，各种算法模型都有自身的优势领域，因此必须实现核心算法以及相关模型的积累和进化。同时机器深度学习等认知相关的智能技术需持续检验与优化，必须与相关数据体系紧密结合，最终形成数据反馈闭环，才能不断提升应用效果。第三，重视专家模型和算法模型的积累。广发银行一直重视专家模型以及技术算法的不断积累和培育，并进一步开发出符合广发银行实际需要的专家模型，从而使其人工智能产品真正具有广发特征。第四，大力加强应用创新。由于人工智能的发展将彻底颠覆传统的银行业务流程、与客户的沟通方式、产品开发模式、业务运营决策等，为此广发银行进一步制定了人工智能发展规划，及时与业务部门交流金融新技术、新思想，促进业务和产品的创新，为增强智能时代的核心竞争力未雨绸缪。

（二）推进人工智能与银行业务的融合

人工智能在银行业中的应用可以是全方位的。首先，它能够使人和系统间的交互沟通更加深入和充分，从而为银行提供更为精确的个人和企业客户画像；其次，人工智能可以融合银行产品和服务，为客户提供更专业的服务和体验感受；再者，在运营管理上，银行借助人工智能可以改善预测并提高业务运营效率。

广发银行采取应用与规划并重的实施策略，积极跟进人工智能技术的发展，应用适用商业化的人工智能技术并结合业务场景，解决自身存在的业务痛点，着手在四个方面不断深化应用人工智能，从而形成突破点：一是开发智能客服。通过应用语音识别以及语义分析技术，对银行客户来话进行针对性的模糊识别或者语义解析，从而智能化判断相关需求并提供快速直达的银行服务。这种互动自助服务体验，既能够帮助银行开展客户行为关联性分析并参照结果有效推荐，也能够按照各渠道的客户行为或者账户行为，分析出存在的潜在风险并及时进行处理。二是应用智能投顾。广发银行利用已搭建成型的资产管理投研应用平台，提供市场数据和相关研究报告的分析管理服务，同时实现内部投研工作的在线处理。未来机器学习和算法模型的引入，将使其投资决策支持系统更为优化，通过提供智能化分析以及多元化的投资建议，达到分析结果驱动银行产品创新的目的。三是开展智能营销。结合客户画像以及地理位置、时间等相关因素，对客户和产品进行自动匹配，形成最适合客户的产品推荐，实现智能化的精准营销，并参照客户响应情况，进一步更新客户画像，从而提高营销活动的成功率。四是打造智能分析平台。近期广发银行正在打造主要面向算法工程师、金融数据分析师以及业务分析人员的相关智能分析平台，为用户提供金融数据处理、模型构建以及模型发布应用等相关功能，从而降低算法模型应用的成本和门槛。广发银行将进一步完成基础数据的积累和相应技术平台的搭建，持续完善核心算法及其计算模型，向实现广发智慧大脑的目标不断演进，从而构建银行科技的核心竞争力和核心资产。

四、人工智能技术在我国银行业的应用难点

一般来说，人工智能技术主要由认知、预测、决策技术及集成解决方案组成，其中数据、算法模型、计算能力三个要素尤为关键，也是我国商业银行推广人工智能应用面临的主要挑战。

（一）数据和算法模型高端人才比较短缺

人才对银行人工智能的发展应用尤为重要。高端研发人员能够推动人工智能相关技术的发展，并加快人工智能在现实场景中的应用。目前我国银行的相关人才储备绝大多数为软件开发人员，他们掌握的专业知识和技能侧重于数据管理，而数据挖掘与分析人员分散在多个业务条线。由于数据综合分析以及算法模型方面缺少高端人才，使得银行难以对庞大的内部数据进行合理的特征化和有效的分析，限制了人工智能在我国银行业的发展和应用。此外，高校和研究机构也存在巨大的人才缺口，特别是基础算法领域的尖端人才极其匮乏。

（二）大数据资源准备时间长、应用成本高

庞大的数据是完善人工智能系统、加速应用创新的关键要素之一。目前我国银行人工智能应用尚处于初期，有限的小样本学习使得过度拟合情况较为严重。充分的大数据资源是提升分析精度和准度的前提，也成为我国银行人工智能应用深入发展的主要制约因素之一。因为大数据的收集、处理以及管理等耗费的时间长、应用成本高，同时一些银行对人工智能技术了解不够，导致了部分银行对人工智能应用前景信心不足，这是当前我国银行人工智能应用及金融大数据产业普遍面临发展困境的主要原因所在。

（三）数据供应市场发展滞后

人工智能需要更加完整的不同维度的相关数据信息。一是银行客户的基本信息，如社会信用、社交网络等；二是客户的消费偏好信息，如银行服务偏好、理财偏好等；三是客户的相关行为信息，包括银行服务范围内的行为数据以及外部行为数据；四是银行对客户的分析数据，包括客户风险度以及价值度等。即便是那些已有海量数据储备的互联网公司与银行，仍需得到多种外部数据。我国拥有潜在的庞大数据，但目前数据供应市场规则不统一，可能会成为信息整合的障碍。目前我国政府层面的公共数据对外开放比较有限，在缺乏市场标准统一、跨平台融合分享的数据生态系统条件下，银行人工智能开发应用经常因数据缺乏而放弃。

Good review article, scientific and rigorous analysis.

（四）人工智能应用风险难以有效防范

人工智能的终端产品包括多类技术和部件，而且深度学习的训练数据以及学习过程存在一定程度的不可预见性，可能引起账户差错甚至引发金融市场波动。由于难以精准定位问题产生的具体环节和部位，因此难以判断风险的发生究竟是人为操作不当引起还是由于人工智能的缺陷导致。此外，由于现实中存在各种各样的歧视和偏见，而当机器学习其中带有偏见的相关数据后，人工智能将不可避免地在决策过程中继承这些偏见，从而产生无意识的歧视。潜在的不可预见性以及可能产生的声誉风险，阻碍了相关人工智能产品在商业银行的进一步应用和推广。

（五）人工智能专用设备成本较高

通常银行有比较充裕的数据资源储备和相关使用经验，云计算和大数据技术的普及大幅度降低了银行计算资源成本，因此计算能力并非当前主要障碍。但随着应用场景的推广及普及，深度学习更加复杂的算法需更高的数据运算速度，这是发展银行人工智能技术的关键。由于满足大规模高速并行运算要求的GPU（Graphics Processing Unit，图形处理器）、FPGA（Field-Programmable Gate Array，现场可编程陈列）等相关专用设备以及模式识别和数据采集所需的各类电子传感器的耗能水平和价格成本均较高，这就决定了人工智能相关技术解决方案在我国银行业短期内仍难以大规模应用和商业化。

五、美国银行业人工智能应用的经验借鉴

美国银行业已在多个业务领域试点并成功推广人工智能技术的应用，并已从中受益，人工智能的推广与应用对美国银行业的经营管理产生了广泛和深远的影响，其经验值得借鉴。

（一）摩根大通：推进人工智能应用实现资产管理和小微金融业务智能化

摩根大通在大数据技术方面投入较大，目前已开发出一款名为X-Connect的程序，通过检索email帮助业务人员找到与潜在客户具有密切关系的同事，从而促进业务机会。摩根大通还推出智能合同平台自动分析法律文件，旨在摘取合同中的重要数据信息和条款。早在2015年，摩根大通就已开发出一款采用机器学习相关技术的预测性推荐信息系统——新机遇引擎，用于辨别应该发行或出售证券的客户。2016年，摩根大通专门设立人工智能技术中心，主要研究大数据、投顾机器人以及云基础设施，借此发现新的收入来源，从而降低费用和风险。摩根大通已投入95亿美元与相关金融技术企业进行合作，研发人工智能技术，提升当前数字以及移动金融服务质量，将于不久的未来向机构客户提供相关云支持技术，使得企业客户能够自助获取财报、研报或者金融产品这些常规信息和服务，从而解放销售和客服部门的人力资源，并在未来的资产管理和小微金融业务中构建能够实现智能化交易的平台。

（二）富国银行：研发智能投顾和智能客服技术提升金融服务便利性

为了充分利用金融技术驱动银行转型升级，富国银行已经成立了一家研究人工智能前沿技术的子公司，大力开发人工智能技术和应用推广，力求通过在线功能为客户提供更个性化的金融服务，提升客户服务体验。富国银行推出一款基于Facebook Messenger移动平台的聊天机器人，借助人工智能技术，在聊天机器人中设置虚拟助手，为客户提供个人账户信息以及重置密码等服务。富国银行还计划在近期推出名为Intuitive Investor的智能投顾服务平台，目标服务该行2000年后出生的存量客户群。该平台通过提供介于类似Well Trade在线交易模式与全服务模式之间的一种智能投顾服务，使得银行客户既可享受到人工智能技术带来的便利性，也能获得富国银行强大和全面的线下人工专业理财顾问服务，力图将智能投顾平台与内部复杂的IT系统实现融合对接。

（三）美国银行：结合理财业务应用人工智能技术提升用户体验

美国银行的智能理财虚拟助手Erica通过实时分析与认知消息，为超过4500多万用户提供个人理财指导。这款手机App旨在成为其客户可信任的理财咨询师。Erica不仅可以与客户通过语音和文字进行交流互动，还能分析检测客户消费习惯，如果发现客户消费过度，就会向客户提前发出警告，提醒客户并提供改善客户信用评级或省钱的理财建议。同时Erica可24小时在线为客户处理交易转账，并在客户遇到操作问题时提供咨询和帮助。

（四）花旗银行：引入大数据分析加强反欺诈能力

通过花旗风投子公司投资收购，花旗银行积极构建全球性科技金融公司网络，并在全球建立六个创新实验室。此外在创业投资组合中，尤其关注电子商务以及网络安全领域。花旗银行通过花旗风投对全球知名的数据科学企业Feedzai进行战略投资，引入大数据分析，以持续快速对各种渠道海量数据的评估分析，及时确定欺诈或可疑行为，然后迅速提醒客户。从而提高了查找、防范商业欺诈的能力和效率，其中包括在线和理财业务。这项服务还可帮助第三方支付提供商以及零售商监控和保护与自身业务相关的金融消费行为。

（五）纽约梅隆银行：应用人工智能提升业务处理效率

（六）美国银行业人工智能应用评述

从上述五家美国大型银行人工智能应用状况可以看出，银行规模越大，其人工智能应用往往更为强健。获取机器学习以及人工智能领域人才十分困难，诸如Facebook、谷歌等以创新闻名的IT业界巨头，由于人均利润比其他企业高很多，能给顶尖科技人才更好的薪资待遇，但在银行业即便如摩根大通这样的大型商业银行，在未来十年的高端人才争夺战中也很难和高科技巨头抗衡。此外，聊天机器人或者对话界面正成为人工智能应用的趋势，大银行对于人工智能的应用会更关注商业智能以及网络安全。不久的未来聊天机器人将成为对消费者影响最大的技术创新。大型银行制定人工智能应用战略的目的更多地是为增强现实，而非替代人工服务，未来最有可能是替代战略与增强战略的结合。

六、推进我国银行人工智能应用的发展策略

当前国内商业银行对人工智能的研发及应用主要集中在智能客服、语音识别、客户认证识别、量化交易、反欺诈、智能投顾以及网点智慧机器人等领域，取得了一定的效果。短期内仍以银行服务智能化为主，虽然距离人工智能产品大规模商业化尚有一段距离，但其中的发展潜力极大。我国银行应借鉴美国银行业的相关经验，紧跟人工智能应用趋势，进一步整合内外部数据资源，研究人工智能相关核心技术，探索拓展新的人工智能应用场景。具体来讲，应从完善人工智能应用战略相关顶层设计、建立金融数据生态圈、完善数据标准等方面促进人工智能应用在我国银行业的发展与普及。

（一）完善应用规划顶层设计，先行先试逐步优化

银行应着手人工智能应用的顶层设计及相关专项规划，突出科技创新与大数据的重要性，大力加强人工智能相关基础理论研究以及核心技术攻关。重视人工智能尖端人才的培养与引进，继续深化和科研机构的合作。同时本着谨慎的原则，在人工智能应用上实行先行先试的策略，积极鼓励人工智能迅速应用于相关业务的同时，对其面临的潜在金融风险进行预判，并在内部或局部试用中得到逐步完善优化，等到风险可控后再大范围推广，从而实现新技术应用的优势最大化以及负面因素最小化。

（二）整合现有储存内部数据，规范管理合理使用

银行作为信息密集型服务企业，其储存数据在整体价值、客户平均数据量、绩效稳定性、交易密度等方面大大领先于其他行业企业。目前我国多数商业银行的数据管理已从过去的联机在线数据库或者数据仓库发展到以Hadoop为主流框架的大规模数据存储和高速并行的数据处理平台，通过对信息、流程及渠道的优化整合，从而构建统一的数据标准以及信息模型。同时内容管理也已兼容银行内外部海量的格式化甚至非结构化数据，为基础数据同源统一创造了基本条件。不过要使数据具有分析和智能学习价值，银行还需进一步加大对数据的合理规划、清洗以及标签，从而为人工智能提供多渠道获取信息以及深度学习的数据基础，使其在银行将来的应用中产生更大的使用价值。

（三）落实数据采集标准规范，完善数据生态系统

有关行业协会及政府机构应建立并落实数据采集规范，在安全可控的条件下向私营企业开放公共数据，同时鼓励跨国数据交流，以便构建比较完善的数据生态圈。此外，数据标准的建立是促进广泛数据分享以及实现系统间交互融合和操作的重要前提，这将进一步提升人工智能技术的实际应用价值。对于特定行业数据如上市公司财报等，相关监管部门或行业协会可制定标准格式便于数据共享，也可制定数据脱敏的标准或者规范，确保人工智能应用方在收集、使用相关数据的过程中采取合理的管理措施和技术方法，防止未经授权的客户数据检索、泄露、损毁或者篡改，确保客户信息安全。在完善的数据生态圈下，商业银行可以通过大量采用机器学习，导入海量金融交易信息及应用深度学习技术，从而在金融数据中自动发现数据模型，如信用卡部门分析信用卡数据以辨别欺诈交易，进而提前制定相应对策。

（四）关注智能技术发展趋势，大力研发核心技术

银行相关主管部门应尽快确定人工智能技术的定责标准及其检测方法，通过广泛宣传取得社会认可，从而为人工智能在银行体系内的应用和推广消除障碍。深度学习具备一定程度的主动学习能力，其研发者控制程度较低，主观恶意和过错较为罕见，应像传统金融产品一样设定合理的免责空间。此外考虑到人工智能算法模型完全由开发者编写，因此开发者对相应风险有绝对控制力，因而可预见模型执行中的潜在风险，应为此承担相应责任。银行应充分利用大数据平台的相关研究成果，同时结合人工智能在VR技术、语音识别、语义处理以及机器学习等方面的关键技术，紧抓数据跨界融合和挖掘分析进行应用探索，从而升级和优化数据平台的相关功能与模型。重点在银行客户画像、金融需求挖掘、精准营销以及智能投顾等领域进行深入研究，为客户提供个性化、智能化的金融产品和服务，从而综合提升银行的创新能力与营销渠道开发能力。

（五）整合银行内外数据来源，支撑人工智能发展

我国银行业已经积累了大量数据，涉及客户基本信息、金融产品交易、市场趋势分析、风险管理及投资顾问等。这些信息数量巨大、形态多样，占据了银行宝贵的储存资源，可是又难以有效转化为可分析数据。虽然使用大数据技术后情况有所改善，但仍存在数据难以有效处理以及利用的难题。海量数据是提升人工智能系统、吸引技术人才、加速创新的关键，一些银行为此构建数据整合平台，使银行内外数据来源得到有效互补，从而建立全行统一、数据标准、管理高效、技术强大的金融大数据服务平台。通过将银行服务与社交平台、电商、移动网络等交互融合，实现数据采集、整理、分析以及应用，全面整合各种来源的有价值数据，并利用大数据技术构建更加系统化精细化的客户数据分析与算法应用平台。

（六）深入研发人工智能技术，积极拓展应用领域

从国内外实践经济来看，目前人工智能在以下五个商业银行业务经营领域中的应用大有可为：一是客服领域。作为传统客服的前置过滤，智能客服能极大降低人工客服的工作压力，通过结合语音、语义识别等技术提升银行客服中心的服务和精准营销水平。二是生物识别领域。通过建立全行标准统一的生物识别客户身份认证平台，进一步提升工作效率，有效挖掘不同渠道潜在的客户数据。三是网点机器人领域。具有人工智能的网点机器人实现了智能机器人在银行网点服务领域的全面替代。四是智能投顾领域。通过结合私人银行业务长期的资产管理经验和智能化的财富管理系统，为客户提供更具个性化和精细化的投资顾问服务。五是风险管理领域。深入挖掘外部数据对银行客户进行关联画像，利用机器学习分析历史数据，计算出更精准的风险管理模型，作出更实时专业的判断，从而使风险识别、防范以及决策更加可靠。

（七）打造金融科技人才队伍，不断投入注重长效

区别于传统的银行专业人才，金融科技人才具有知识结构综合、交叉等特征，尖端金融科技人才很难仅仅通过传统的教育或者培训方式获得。因此在政府大力投入建设金融人才的基础上，商业银行内部也要加强金融科技人才的培养和储备，着力培养造就尖端金融科技人才，大力引进急需紧缺人才，统筹安排金融科技人才建设规划。一方面可以从已有员工中发现并发展有潜力的金融科技人才；另一方面需创新并拓展招聘的形式以及渠道，鼓励员工内部推荐，着手建立金融科技人才相关的信息库储备体系，注重从基础培养，通过不断的投入获取长远利益。同时，对已有的管理标准可进行某种程度的软化和协调，从而为金融科技人才创造更宽松的发展环境。以适应银行业知识和科技技能联系紧密为特点、以提升金融科技人才专业素质和创新能力为目标，培养一支素质出众、门类齐全、梯队合理的金融科技人才队伍。

参考文献：

[1]杨涛.云银行应用人工智能技术的现状与未来[N].中国金融报，2017-3-28.

[2]童强.金融科技3.0时代：大数据和人工智能成新引擎[N].21世纪经济报道，2017-5-8.

[3]邢桂伟.中国银行：人工智能 金融数字化新方向[J].中国金融电脑，2017（5）.

[4]王兵.前瞻人工智能在金融领域的应用[J].中国金融电脑，2017（1）.

[5]沙利文.人工智能的应用——银行业的颠覆与被颠覆[R]，2016.

[6]林晓蓓.趋势已成：未来5年AI在银行业的5大应用[J].中国金融电脑，2017（5）.

[7]田跃清.美国七大银行的AI探索[J].金融电子化，2017（9）.

[8]宋占军.AI在银行业应用难点及破解之道[J].金融电子化，2017（9）.

[9]王子颖.加强金融科技人才培养[N].中国金融报，2017-7-18.