FinTech时代银行业稳步推进人工智能应用发展

罗丽媛 王彦博 陈曦

近日，中国人民银行印发《金融科技（FinTech）发展规划（2019-2021年）》。在“稳步应用人工智能”相关内容中，明确将数据资源（Material of computing计算资料）、算法模型（Method of computing计算方法）和算力支持（Machine of computing计算机器）定义为人工智能的（3M）核心资产，并将人工智能技术与金融业务的深度融合确定为主要任务目标，具体应用领域包括资产管理、授信融资、客户服务、精准营销、身份识别、风险防控等相关业务流程和场景;在构建数据驱动、人机协同、跨界融合、共创分享的智能经济形态的同时，也要注重对人工智能应用的潜在风险研判和防范，强化人工智能金融应用的信息安全管理，并加强相关监管科技发展;在充分考量运用人工智能开展金融业务存在的法律、伦理、社会等问题的基础上，确保人工智能金融应用的安全可控性，稳步推进人工智能在银行业的应用发展。 

实际上，当前人工智能正在推动人类社会进入智能时代，成为引领新一代经济变革的重要技术驱动，深刻变革着人们的生产生活方式。人工智能技术推动金融智慧化变革，为银行业带来无限发展机遇的同时，也带来了一定的风险挑战。智能时代，应用人工智能技术实现智能化转型已然成为银行新的竞争点，如何稳步推进人工智能技术更好的服务于银行业已经成为当下重要的研究课题。本文简要回顾了人工智能发展历程，并针对人工智能在银行业的具体应用领域和业务场景提出CLIPS（Customer service智能客服、Loan financing & risk control智能信贷与风控、Investment advisor智能投顾、Payment business智能支付、Sales & marketing智能销售与营销）应用框架，最后对人工智能应用存在的潜在风险予以阐述，以期促进银行业人工智能稳步应用。

人工智能发展历程

人工智能的诞生可以追溯到二十世纪四五十年代，在经历了两次浪潮之后，第三次浪潮得益于数字经济的发展，人工智能得到了爆炸式发展。

1956年，达特茅斯夏季学术研讨会上，“人工智能”正式诞生，掀起了人工智能研究浪潮，符号主义盛行，学者们在机器证明、自然语言处理等领域取得初步成果，同时还制造出了具有初步智能的机器人，如首个聊天机器人ELIZA，首个移动机器人Shakey;1974年，研究成果的局限性逐渐显现，由于计算机运算能力的落后，人工智能发展停滞。1980年，卡内基梅隆大学为DEC开发的XCON專家系统取得突破成功，诱发了人工智能第二次浪潮，多层神经网络、误差反向传播算法等相继提出，联结主义盛行，日本等国大力支持第五代计算机的研发;随着时间推移，专为人工智能设计使用的LISP机受到苹果、IBM等公司产品的冲击，同时专家系统的局限性逐渐显现，人工智能发展再次停滞。2006年，深度学习的提出诱发了人工智能第三次浪潮，依托数字时代海量数据积累以及云计算技术的发展，机器学习、自然语言处理、模式识别、人机交互等技术取得突破性进展，人工智能得到了爆炸式发展，广泛应用于人类社会，成为新的技术风口，埃森哲2019年调查显示，未来三年，人工智能技术对企业的影响将远超其他新兴技术，世界各国致力于发展人工智能，推动人类社会进入智能时代。

当前，我国人工智能应用走在世界前列，智能机器人、智能交通、智能金融、智能物流、智能医疗、智能教育、智能工业、智能农业等快速发展。2019年，埃森哲对中国企业调查显示， 53%的被访企业表示人工智能技术已经至少应用于一项业务中， 远高于全球平均水平。人工智能的应用极大的促进了经济发展， 解放了人类劳动，提高了人民生活品质。

人工智能推动银行业发展

当前，人工智能推动人类各行各业智能化变革，银行业是重要的变革领域，在人工智能的推动下进入4.0时代。依托互联网、大数据、物联网、云计算、人工智能新兴技术发展，智能客服（C）、智能信贷与风控（L）、智能投顾（I）、智能支付（P）、智能销售与营销（S）广泛应用于银行前中后端，各家银行相继推出人工智能平台，服务于银行智能业务布局，致力于打造开放式智能生态，如：工商银行“工银智慧大脑”，中信银行“中信大脑”等，助力银行技术开发和产品创新，构建智能生态圈，为客户提供更加主动化、个性化、智慧化的金融服务，为银行降低交易成本、提高服务效率、防范经营风险、拓宽客户市场，推动银行智能转型，推进实现银行、客户和社会经济发展的多方共赢。

智能客服

智能客服主要是指银行采用自然语言处理、文本挖掘、语音合成、知识图谱等人工智能技术来替代人工客服，与客户沟通交流，解答业务问题，协助客户完成金融服务。中国银行业协会调查显示，2018年智能技术在银行业客服中心的使用率已经达到了69%。智能客服的使用降低了银行的人工成本，可以为用户提供全天候的高效率服务，提升用户服务体验;同时智能客服应用于银行前端，可用以识别发现客户的高频问题，了解客户体验状况，收集交易数据、评价信息，助力银行海量数据整合汇集，全方位及时掌控客户需求。

智能客服已广泛应用于银行业，零壹财经调查显示，我国五大国有银行、12家股份制银行已经全部应用智能客服，2019年部分中小银行以及城商行也开始应用智能客服。2015年，交通银行首次推出智能客服机器人“娇娇”，至2018年初，累计为客户提供超过30万人次的服务。2019年7月，浦发银行与百度智能云联合推出国内首位虚拟员工“小浦”，依托数字人像AI驱动引擎， 自然语言处理、生物识别等人工智能技术，塑造出良好的外型和声音，同时还能敏锐察觉出客户的情绪，精准把握客户需求，通过与客户的交互，可以不断“学习”，提高自身服务能力。

智能客服的应用主要依赖于海量数据积累，因此对于一些过于复杂的问题，或是面对老年客户以及对多元化银行服务要求较高的高净值客户时，仍然需要依靠人工客服来解决，未来人工智能将推动银行客服朝着更加智能化、个性化、人性化的方向发展。

智能信贷与风控

依托“信贷工厂”核心理念，智能信贷支持银行信贷业务的线上全流程秒审、秒批、秒贷以及实时风险告警、预警、催清收。实际上，有效的风险管控是银行稳定、持续发展的关键因素，近年来银行纷纷探索智能风控，基于海量数据积淀，引入数据挖掘与机器学习技术，建立贯穿业务全流程、覆盖关键控制节点的体系化风险管理模型，提升内部风险管理水平。农业银行建立了“五位一体”的信用风险统一监控体系，实现从完全人力风控到人机结合智能风控的转变，提升了风险预警的及时性和风险识别的准确性。中国银行在海量数据积淀的基础上，构建了“大数据平台”、“人工智能平台”、“分布式架构云平台”，实现贯穿贷前、贷中、贷后的全流程智能风控。

智能风控以数据为基础，准确识别客户风险，提升银行风控效率，是银行业实现普惠性的关键。在前端采用目标客户敏感度模型、客户准入反欺诈模型，精准匹配客户需求、严控客户准入。中端采用客户评分、授信额模型以及贷款定价模型，确定客户授信额度和贷款价格;同时采用违约预测模型实现对高违约概率客户的提前防控。后端采用资金交易特征预警模型、贷款催清收模型，及时预警还款风险、实现差别催清收;同时采用损失预测模型，以违约客户行为数据为基础，结合多种运算规则测算未来损失率，在此基础上采用资产转让定价模型，对客户分层定价。与此同时，银行基于续授信模型，对客户做出调整授信额度的判断;基于售后维护与提升模型，提升客户粘性;基于流失预警模型预测客户流失概率，及时采取挽留措施以降低客户流失率。

智能信贷与风控的准确度依赖于数据质量，目前银行业数据孤岛问题阻碍了相关技术应用在银行业的广泛有效应用。未来，随着银行业不断深化数据治理、促进数据开放共享，智能信贷与风控在银行业将取得更加深入的应用发展。

智能投顾

智能投顾主要是指银行依托智能算法模型，分析客户数据，提供与客户风险偏好相匹配的定制化资产配置策略，并且随着市场风险收益和用户偏好的变化实时调整策略，满足客户财富增长需求，使得理财不再是高净值客户的特殊权益，个人也能低成本、便捷地享有专有理财服务。

2016年以来，智能投顾广泛应用于银行业，埃森哲预计到2022年，中国超过1亿的客户将享受到智能投顾服务，智能投顾管理的资产总额将超过6600亿美元。2016年12月，招商银行率先推出“摩羯智投”，依托机器学习算法，整合银行内部资产管理经验，根据客户风险偏好，为用户提供定制化资产组合配置方案，实时追踪市场变化，调整方案，实现客户风险收益的最優化，工商银行“AI投”，中信银行“信智投”，中国银行“中银慧投”等相继推出。

智能投顾在提高金融普惠性的同时也存在一定的风险，对于广大客户来说，相比于获得高理财回报，保证资金的安全则更加重要。2018年，我国发布《关于规范金融机构资产管理业务的指导意见》，规范智能投顾的开展，规定开展智能投顾业务必须取得投资顾问资质，金融机构应提高算法透明度，向监管部门报备资产配置方案的背后逻辑和人工智能模型的主要参数。

智能投顾无法完全替代理财顾问，当面对高净值客户时，一对一的专业服务价值更高。未来，智能投顾将致力于为客户提供更加精确、透明、个性化的资产配置方案，真正实现“千人千面”。

智能支付

智能无感支付主要是指银行采用图像识别、身份识别、生物认证等新兴技术，将一切具有唯一性、可以感知的东西作为支付媒介，为客户提供智能、无感的支付服务，提升客户支付的便捷性和安全性，同时银行通过布局智能无感支付场景，构建智能生态圈，嵌入金融服务，实现业务增长。

当前，各家银行以车牌、生物信息特征作为支付介质，相继推出智慧停车、智慧加油、智慧超市等服务。2018年，农行推出智能无感支付超市，同年推出智慧无感加油服务，加快布局智能支付场景，抢占市场;2019年，银联在深圳推出冠德石油智慧加油站，致力于打造集智慧停车、智慧加油、汽车金融为一体的智慧支付生态;2019年5月，交通运输部发布《关于大力推动高速公路ETC发展应用工作的通知》，加快推行ETC技术应用，降低高速收费人力成本，银行争相抢占ETC市场。布局智能无感支付场景成为各家银行抢占客户、提高客户粘性的竞争点，未来智能无感支付的支付场景、支付介质将朝着更加多元化的方向发展。

智能无感支付在客户身份识别方面省去了密码验证环节，使用支付介质无感支付，在大规模提升支付速度的同时也带来了一定的风险，对于客户来说，隐私与数据保护、资产安全等易受到威胁。生物认证技术属于国家重大安全管理范畴，须在政府的强监控下经过多次验证完善，才能大规模投入应用，银行广泛应用智能无感支付必须严格遵守监管规定，维护客户合法权益。

智能销售与营销

智能销售与营销可以简单理解为基于人工智能与大数据技术应用的客户关系管理、维护与提升，包括客户识别、客户获取、客户维护、客户挽留等业务管理行为。民生银行“面向公司业务营销支持的大数据挖掘研究与应用”项目获2016年度银行科技发展二等奖，将银行公司业务智能销售与营销划分为潜客识别、批量获客、精准销售、流失预测四个阶段。

在潜客识别阶段，银行需要明确哪些客户对银行有吸引力，这些有吸引力的客户对于银行未来收益将具有一定的贡献。进一步而言，可以通过银行客户之间的交易往来数据来分析判断出银行的潜在客户，并形成一份潜客名单。对银行公司业务而言，主要通过交易链分析发现在客户交易网络中具有影响力的“核心客户”，形成名单并计划组织分支机构一线人员与潜在客户展开接触。

在批量获客阶段，实际上并非所有的潜客名单在列客户都应该纳入银行的客户开发计划，银行需要进一步识别出哪些客户能够被自身所吸引以及自身哪些产品或营销方案能够更好的吸引潜在目标群体，并为此制定相应的客户开发、产品研发、渠道包装以及销售方案等策略。

在精准销售阶段，主要针对银行现有存量客户群体，根据客户价值的不同而匹配不同的产品与服务方式，持续优化营销活动、渠道组合及促销方案，加大客户产品捆绑力度，基于有监督学习、无监督学习、关联规则挖掘、协同过滤等技术方法实现有效的客户交叉销售和向上销售，使客户未来终身价值得到提升。

在流失預测阶段，主要针对客户的潜在流失开展行为预测，对具有流失倾向的客户以机器学习相关技术进行有效识别并加以挽回，以减少银行客户资产的流失。

重视人工智能在银行业应用的潜在风险

当前，人工智能应用范围不断扩大，在看到人工智能巨大潜力的同时，也应该重视人工智能存在的弱点，而这些弱点可能对金融安全产生潜在风险。

一是局限性。目前的人工智能还无法超出场景或语境来理解行为，例如在围棋等有固定规则的范围内不会暴露出这一弱点，而一旦场景发生变化，人工智能可能就立刻无法“思考”。

二是不可预测性。人们无法预测人工智能会做出何种决策，这会带来不确定的风险，因为人工智能可能会做出不符合设计者初衷的决策。近期，波士顿动力的机器人攻击人类的视频被频繁转发，虽然可能是网友恶搞，但某种程度上也体现了人们对人工智能不可预测性的担忧。

三是不可解释性。人工智能可以帮助人类做出好的决策，但决策理由目前仍是一个“黑盒”。然而在金融领域，尤其在风险管理方面，智能决策的可解释性是十分重要的。

四是隐私与数据保护问题。由于采集方式、集中存储等原因，人脸、虹膜、声纹等用户隐私信息泄露风险较大。首先，信息采集行为隐蔽且高效 — 生物特征普遍暴露在公共场所，攻击者可以通过非接触方式，批量采集生物特征信息。其次，信息存储高度集中 — 生物特征信息普遍通过大数据平台集中存储，一旦生物特征库被攻击，容易导致大规模隐私泄露，例如2019年2月某AI公司对其人脸识别数据库未设密码保护，直接暴露在互联网上，导致超过250万用户的信息（包括身份证号码、地址、出生日期、识别其身份的位置等隐私数据）泄露，严重威胁用户隐私安全。

五是机器学习漏洞被利用。机器学习系统必须保证未经授权的用户信息不能被获取，例如诊断疾病的机器学习模型必须保证攻击者无法反向分析模型，把用来训练模型的病人数据恢复并获取。另外，如果攻击者可以破坏机器学习模型的完整性，那么模型的预测结果就可能会偏离预期，例如垃圾邮件会伪装成正常邮件，逃过垃圾邮件识别器的过滤。此外，模型可用性也可以成为攻击目标，例如攻击者把一个非常难以识别的物体放在车辆经过的路边，有可能迫使一辆自动驾驶汽车进入安全保护模式而停止工作;攻击者也可以将“SQL注入语句”放置在车牌前，当AI系统识别车牌号并转成文本插入数据库时，导致SQL注入攻击。

结语

本文明确了人工智能技术应用的3M核心资产（算料、算法、算力），并针对人工智能在银行业的具体应用领域和业务场景提出了CLIPS应用框架;本文同时指出人工智能技术应用在为银行业发展带来新的增长点的同时，其自身所存在的弱点也可能带来风险威胁。监管机构应不断完善有关人工智能在银行业应用的相关法律法规，明确问责机制，提高智能决策的透明度，保护用户隐私与数据安全。同时，随着人工智能的发展，人与物的界限将逐渐模糊，监管机构需构建人工智能伦理道德规范，应用监管科技手段严格防控人工智能在银行业的应用风险，为人工智能技术的创新和发展创造良好监管环境。而银行业自身在推动智能客服、智能信贷与风控、智能投顾、智能支付、智能销售与营销等广泛应用过程中，应主动防范风险，适当披露智能决策背后的机制，主动赢得客户的信任。

当前，人们不断探索发展低延时、广连接的5G网络以及拥有巨大计算潜能的量子信息计算技术，为人工智能未来发展探索构建高效的网络基础设施以及大规模数据并行计算基础。未来，5G网络、量子信息计算技术与人工智能技术交叉融合，将迸发出超乎想象的发展潜力。如今，人们正力图实现机器学习从解决简单的凸优化问题逐渐到解决非凸优化问题，从监督学习到无监督学习，从深度学习到迁移学习再到强化学习，推进自动机器学习发展，以及发展更加“智能”的脑机接口、人机交互。面对人工智能技术发展的无限可能性，银行业应积极稳步推进人工智能的应用发展。

（本文仅代表个人学术观点，不代表供职单位意见）

（作者单位：北京工商大学经济学院，对外经济贸易大学金融科技研究中心，网联清算有限公司）