2019金融行业AI人工智能实践.docxVIP

PAGE 2 2019年金融行业AI人工智能实践 2019年2月 目录 TOC \o 1-3 \h \z \u 2019年金融行业AI人工智能实践 1 1. “AI+金融”是人工智能技术与传统金融行业的结合 3 2. 驱动力：技术、数据和场景是主要的驱动力 4 3. 行业处于初创期，智能化趋势明显，市场预期较好 6 4. AI市场规模达百亿级，金融增长迅速 7 5. 传统金融机构、互联网公司和人工智能技术公司是主要参与者 7 6. 智慧网点以智能化、轻型化、特色化、社区化为发展趋势 8 7. 智能投顾是一种智能化的线上财富管理系统 9 8. 国内智能投顾市场尚不成熟，传统金融机构后来居上 10 9. 牌照、数据和产品不足限制着国内智能投顾的发展 11 10. 信贷业务全流程的优化和风控管理 11 11. 新技术的应用带来变革的同时也带来新的风险 13 12. 行业发展潜力巨大，场景创新成重点，未来具有一定的不确定性 14 “AI+金融”是人工智能技术与传统金融行业的结合 ”AI+“即“AI+各个行业”，它是将人工智能作为基础特征，与金融、教育、医疗等传统行业的全面融合。相对于简单的行业叠加，“AI+”更侧重于为传统行业的模式创新和流程再造提供新的思路和方法，促进新经济形态的演进，从而催生新的商业模式，提高运营效率，带来整个产业的全面升级。 人工智能与金融业的结合——“AI+金融”是目前人工智能最被看好的落地应用场景之一。原因主要有三点：一方面，金融行业的信息化建设起步较早，且行业内极其重视数据的标准化和规范化采集，因而具有大量的数据积累，这些数据为人工智能的应用提供了坚实的基础；另一方面，以银行、保险、证券业为例，金融业的主要业务都是基于大规模数据（用户数据、业务数据、产品数据、市场数据等）展开的，大量繁琐的数据处理工作，急需自动化和智能化的变革来解放人力；此外，金融普惠化和场景化的创新，也需要新的技术手段来提供支持，而人工智能与金融的结合，无疑为金融创新提供了更多的可能。 人工智能作为相对底层的基础技术，已呈现出向各个行业、领域渗透的趋势。场景化创新将是AI技术逐步成熟之后市场关注的重要焦点之一。在金融行业亦是如此，各个细分领域的应用方向初见端倪，典型场景包括：智慧银行、智能投顾、智能投研、智能信贷、智能保险、智能监管等。 驱动力：技术、数据和场景是主要的驱动力 ? 技术、数据和场景需求是人工智能在金融领域得以应用的基础。其中在技术方面，算法、算力的提升，使机器从海量数据中自行归纳物体特征、描述、还原和定位新事物的能力得以提高，并在各类人工智能准确性测试中的表现越来越好；数据方面，海量的数据是深度学习算法构建的基础，为精准的目标画像和预测分析提供了可能；场景方面，契合业务场景的算法模型为金融活动提供更多的决策支持，从而能很大程度上提升效率。 ? 政策和资本的倾斜为人工智能在金融领域的发展营造了良好的市场环境。政策对人工智能和金融科技的支持，使市场对行业发展整体呈乐观预期，这也进一步促进了资本的流入。 ? 技术：AI 技术和市场生态的日渐成熟为其在金融行业的发展奠定了基础。根据Gartner2017年7月发布的新兴技术成熟度曲线，人工智能相关技术在未来5-10年将逐步走向成熟，成为最有影响力的新兴技术之一。当前，应用在金融领域的人工智能相关技术主要有：机器学习、生物识别、自然语言处理、语音识别和知识图谱等。 （1）机器学习：机器学习是金融行业应用最为广泛的人工智能技术之一。它可以在海量的金融大数据中学习各种规律和方法，然后应用到金融业务的各个阶段，从而有效地优化流程、提升效率。 （2）生物识别：指纹识别、人脸识别、虹膜识别和指静脉识别是金融行业应用较为广泛的四项生物识别技术。它们分别通过设备采集人体指纹、面部、虹膜、指静脉等部位具有唯一标志性的特征信息，进行存储、匹配，进而完成身份认证。目前，这些生物识别技术已广泛应用于客户身份认证、远程开户、无卡取款、刷脸支付、金库管理和网络借贷等金融场景。 （3）自然语言处理：自然语言处理技术可以显著提升金融行业获取、清洗、加工和分析数据的效率。例如：新闻公告、年报、研究报告等大量文本形式信息，利用自然语言处理技术可迅速提取关键指标，进行分析总结，从而减少不必要的人力劳动。 （4）语音识别：在金融领域的应用中，语音识别通常与语音合成技术结合在一起，提供一个基于语音自然流畅的人机交互方法。其主要应用于电话客服、各类智能终端的语音导航、业务咨询等场景。由于金融行业带有明显的客户服务属性，加上完整而庞大的业务及数据积累，因此语音技术应用广泛。 （5）知识图谱：知识图谱从“实体-关系”的角度整合金融业现