失業潮不遠了！人工智慧正在顛覆金融行業，IBM機器人上崗，銀行業務量增4倍

清流妹：人工智慧被視為第四次工業革命，而金融是人工智慧應用落地最快的領域。不低於50%以上的工作崗位在AI的時代可能需要重新定義和升級。如果不在AI的時代中進步，很可能在AI時代下被淘汰。

人工智慧被視為第四次工業革命，而金融是人工智慧應用落地最快的領域。未來，人工智慧會給金融業帶來怎樣的改變？

7月15日，網易未來科技峰會「AI+金融」專場在北京舉行。這是年中首場對人工智慧與金融結合的集中探討。

包括京東集團、IBM、天弘基金、眾安科技等在內的重量級嘉賓在內的十四家金融和科技機構出席了此次探討。

人工智慧在中國金融行業已經不是一個概念，在銀行、證券、保險領域已經開始全面落地。人工智慧對金融行業的顛覆即將按下加速鍵。

金融行業部分崗位的失業或許並不像想像中那麼遙遠，而是近在眼前。

「不低於50%以上的工作崗位在AI的時代可能需要重新定義和升級。如果不在AI的時代中進步，很可能在AI時代下被淘汰。」天弘基金智能投資部總經理助理劉碩凌在當天的發言中預測。

機器人客服上崗

人工智慧正在改變金融業接待客戶的方式。

IBM全球企業諮詢服務部認知與分析服務總監賴開文介紹，目前，IBM已經在銀行做了三類機器人：銀行網點迎賓機器人、服務機器人、諮詢機器人。

迎賓機器人，可以回答銀行客戶剛到銀行網點時的一些問題，包括理財的推薦、銀行的簡單信用卡開卡等等問題都可以回答。

服務機器人，現在在手機銀行、在網上銀行都可以辦業務，但是這種辦業務更多的是給用戶一些下拉框，讓他選一些產品、期限等，服務機器人辦理的業務過程中不再是下拉框，而是像人一樣對話，當用戶有疑問時，可以會很溫暖地回答用戶的問題。

諮詢機器人，通過身份驗證可以知道用戶是誰，根據客戶需要，推薦千人千面的個性化的服務。

目前這幾個機器人都有實際落地。IBM已經在台灣的某家銀行做了信用卡的推薦，做了房貸的申請，以及外匯兌換的幾個業務。在推出的一個月當中，這家銀行的業務量增加了4倍。IBM還在國內的某家股份制有限銀行做了網點機器人，IBM很可能馬上就會跟某一家國內非常有名的排前幾位的股份制銀行，給他們的智能投顧產品，由原來的幾個下拉選項的選擇變成一個智能的交互，使得他們和客戶之間實現「有溫度的對話」。

這一點，在眾安保險也已經落地。

眾安科技實驗室總監紀其進介紹，眾安科技在售前環節跟售後環節做了客服機器人。他介紹，在售前的諮詢，客戶會問你產品是幹什麼的，眾安科技是通過機器人來回答的，目前這個機器人已經在眾安保險系統里在運行。此外，眾安科技也在通過用戶畫像、通過產品的知識做精準的營銷和推薦。

全流程改造開啟

改變的不僅僅是客服。在金融行業的核心環節，改變幾乎在全流程上發生。

人工智慧將帶來整個金融投研體系的變革，在投研的信息搜集、分析、決策的全環節可能都帶來改變。

天弘基金已經有非常成功的實踐案例。劉碩凌介紹，在天弘基金，人工智慧已經可以代替高級信用分析師的工作。

金融行業有信用分析師讀新聞、公司相關信息，這些信息讀完之後要進行分析和加工。天弘基金的「鷹眼」系統的專利是公募基金第一塊國家信用裝置，是信用評估方法的裝置。劉碩凌介紹了鷹眼評估演算法的出爐過程：當時找信用分析師一塊讀新聞，讀了10萬條新聞，拿其中八萬條新聞放到鷹眼演算法里。先做分詞再分類，分正面、中立、負面，拿剩下兩萬條讓AI評價一下，剩下2萬條自己知道答案，8萬條當時在時花了很多時間、很多資源，樣本收集整理花了三個多月的時間，剩下兩萬條新聞AI看5分鐘就看完了。現在這個演算法的準確率提升到96.7%的水平，絕大多數的新聞現在在外面新聞不用自己在網上看，基本看鷹眼看完之後的二次信息。

在保險行業，這樣的變革同樣在發生。

眾安科技實驗室總監紀其進介紹，保險行業的核心流程有：

產品設計——售前——承保——投保——出險——理賠——售後。

在每一個環節上，眾安科技都在嘗試改變。

售前環節跟售後環節做了客服機器人。

在承保這個環節，眾安科技正在嘗試用人工智慧改變「定價」。比如車險，眾安科技提出UPI車險，即基於使用的車險。以前車險是根據車的類型、品牌、價格、使用年限給一個定價。但是這樣的定價方法並不準確，有的車一年難得開幾次，基於車的本身使用情況來定價是更為精準的。

理賠涉及到反欺詐，這裡要能夠識別真正出險了還是惡意騙保，通過人工智慧進行大數據分析，可以幫助識別信息真偽。

核損環節，可以基於人工智慧來判斷損失到底是多大。眾安有一個碎屏險，手機屏幕很容易壞，買手機時擔心手機送到保險公司的話，屏已經壞了。眾安科技通過圖像識別判斷手機屏幕是不是運輸過程中損壞了，如果損壞可以賠償，而且現在是把後端鏈拉長了，可以直接幫用戶修。

在證券行業，這樣的進程稍慢。香港金融數據技術有限公司（FDT）創始人兼CEO聶凡淇在中國證券市場做了調查，發現中國有100多家券商，但有人工智慧自主研發團隊的不到5家，其中做得最好的是華泰證券。

7月1日，中國證監會發布的《證券期貨投資者適當性管理辦法》正式開始實施。聶凡淇認為，這將帶來很好的市場機會，他的團隊研發的技術可以幫助證券機構識別客戶風險偏好，匹配合適的資產。做到這一點，FDT用的方法是通過對用戶證券選擇操作行為和收益之間的分析，來判斷客戶的風險偏好以及是否適合做投資。目前，FDT正在進行的研究是，通過對基金經理證券選擇操作行為和收益之間的分析，來從根源上判斷資產的質量，從而進一步降低風險。

聶凡淇認為，人工智慧在證券行業的應用將加快「去散戶化」的進程。他回憶，巴菲特談到中國金融投資者教育不足，投資會有變化。美國花了70年完成投資者教育，這是一個漫長的市場，他相信市場長期引導人們做正確投資。通過市場去散戶化的代價太大，2015年的慘痛教訓，2008年的慘痛教訓就是前車之鑒。他坦言，在三年前做FDT，就是看好中國一定要去散戶化的。

而在京東，京東集團副總裁、AI與大數據部負責人翁志介紹，身份認證、用戶畫像、對話機器人、風險控制方面對人工智慧的應用都已經開始落地。京東手中擁有大量的數據，在與金融機構的合作中正躍躍欲試。

降低金融風險

金融業的核心是風險控制。在這個核心環節，人工智慧正在大顯身手。

IBM全球企業諮詢服務部認知與分析服務總監賴開文介紹，IBM在四大行的某一家銀行里做了一個基於「圖計算」的品牌。通過圖計算幫銀行來進行風險的識別和傳導的預測。

具體來說，IBM做了八種關係的關係圈搜索，包括股權關係、擔保關係、投資人之間的關係、資金圈的關係等等。在這八種關係當中，IBM去檢索相應的關係圈。賴開文介紹，IBM的System G目前已經非常強大，原來做這樣的一個關係識別要一個月的時間，現在做到了只要分鐘級就可實現。原來這個關係圈做到6個就做不下去了，現在能夠做到無限的，20個、30個，甚至上百個關係圈搭建。

利用關係圈的搭建，IBM做的是風險傳導的預測。在這個關係圈裡頭當有一個點出現違約的時候，它剩下的關係圈的其他的點什麼時候會違約？它違約的概率有多大？就像一個蘋果筐裡頭有一個蘋果爛了，其他的蘋果什麼時候會爛掉？就可以預測了。這個預測的準確率在40的預測做到58.2%，基於這樣的驗證，IBM即將對銀行進行這樣的產品推廣。現在很多銀行都很關注，對風險傳導的預測能夠大大減少銀行損失。

人工智慧在反欺詐方面也有很重要的應用。

同盾科技創始人兼董事長蔣韜介紹，同盾科技監測的欺詐團伙將近100萬個。同盾科技有一個「圖資料庫」，這個庫里差不多有超過500億的數據節點。同盾科技通過這些基於圖的分析，可以實現對數據節點和數據節點之間的關係毫秒級的發現。比如隨便給同盾兩個手機號，只要毫秒級的時間，同盾科技就可以給出它們的關聯度有多少。

信用分數的評估主要是兩個維度：還款能力和還款意願。還款能力和還款意願在傳統的風控角度都有相應的維度和數據做評估，但是同盾其實發現了還有一些創新的數據角度確實可以分析這個人的情況，包括納稅情況、信用情況，包括他的搬家次數、借貸時間等等，都是跟信用有關係的，包括網路點擊等等。同盾整個的變數庫里衍生出差不多6萬個變數庫，中間會有30-50個變數會跟這個人的信用強相關，同盾科技通過機器學習，包括深度學習的方式提取出來，對個人信用打分。

同盾科技有一個風險管理平台，客戶包括信用卡中心、消費金融、小貸公司、現金貸、汽車金融，他們會利用這些信息評估個人的欺詐風險和信用風險。未來同盾科技會把底層能力繼續開放，包括機器學習平台、自動化的訓練平台、計算平台等。

人工智慧進入「輔助」決策階段

人工智慧最重要的能力或者最關鍵的能力就是幫助人們做決策。目前在金融業，這方面的應用還不成熟，但是已經有嘗試開始落地。

賴開文介紹，IBM認為現階段人工智慧或者認知計算更多強調的是「輔助」決策的階段。

「輔助」決策的意思是，IBM會給用戶決策的建議，這些建議里有一個「置信度」，即這個計算機系統、認知系統認為他的置信度有多少，即判斷它再多大程度上是靠譜的。並且「可追溯」，意思是，每個決策建議後面會給出證據，人可以據此作出判斷，覺得合理就採納，如果不合理，就做出自己的判斷。

在這方面，IBM的落地項目是，幫日本的一家保險公司做智能理賠。壽險公司的理賠非常複雜，因為病種很多，每個病都很複雜，要分清什麼情況賠、什麼情況不賠，是很專業的事情。同時，在判斷是否應該理賠時，要核查非常多的文檔、檢查的資料、醫生的處方等等。一般複雜大病需要10年以上的員工才能做。這樣人力成本的投入是非常高的。IBM通過沃森系統幫壽險做智能的理賠，做兩件事情：

第一，從非結構化的數據（從醫院拿過來的醫生開的處方單、診療報告）當中，把關鍵特徵信息抽取出來，包括了疾病名稱、手術名稱、診療結論，不需要通過人去錄入。這是通過自然語言的理解、機器學習實現的。

第二，把抽取出來的特徵與歷史數據進行對比，從而做出理賠決策。

他透露，IBM正在談中國的保險公司，TOP6的保險公司要把這樣的一個認知理賠的方案從日本移植到中國本地。

失業潮不遠了

與人工智慧大顯身手相伴隨的，金融行業的失業轉崗潮已經是看得見的事情。

賴開文透露，IBM給上述日本的保險公司做完智能理賠的項目之後，該公司理賠的平均時間減少了40%，人員的投入減少了30%，原來有30%的人員轉崗去做別的事情了。每年減少支出1.5億日元。

人員比同行精簡，在天弘基金也有非常明顯的表現。

劉碩凌透露，天弘基金的AI與金融結合的嘗試開始於2015年。很多人問，天弘基金管理15000億到底有多少人，信用分析團隊包括固定收益團隊都不大，在業內只能說是一個中游水平的體量。之所以能夠用這麼少人管理這麼多的資產，主要因為有自動化的技術。

但是，這樣的「轉崗」可能並非壞事。劉碩凌提到，比如天弘基金招進去的一些畢業生都出自於清華北大等高校，這些畢業生去做簡單重複勞動就是一種資源浪費，他們可以去做更複雜的工作。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！