AI 助力金融後，中美金融科技領域最大的差距是什麼？

最新 04-21

【 AI 科技大本營按】2018年，AI 進入落地應用階段，智能硬體相繼上市，無人駕駛上路規範出台。在金融領域，AI 是如何助攻的呢？在 O"Reilly 和 Intel 人工智慧 2018 北京大會上，營長如約見到了美國 Acorns 首席數據科學家，清華兼職教授種驥科博士，針對中美之間金融科技領域之間的差距，種博士表示，中國目前最亟待解決的問題是建立通用的信用體系。

整理 | Mavis

出品 |AI科技大本營（公眾號ID：rgznai100）

金融行業在中國已經有200多年歷史了，包括國外整個行業在內都有非常悠久的歷史，它們通過分析主要的人性需求，衍生出了各種各樣的金融產品。另外，從「互聯網金融」的初期到現在，也有20多年歷史了。

金融領域發展初期，有存、貸、匯，三個主要的功能。在互聯金融發展的近幾年，它有了一個新的產物：「互聯網信貸」。融合了存款、貸款、匯款的三個功能，有著複雜的商業模式。

近幾年，金融科技領域發展大好，究其原因是有了幾十年的互聯網金融的積累，才有了這樣的機會，圍繞如何更好的利用大家在互聯網上留下的行為軌跡。比如說支付寶或是微信支付，以及電商平台購買流水等，都在不同程度上給予了大家一個「授信」的機會。

眾多周知，對於這些數據，中美之間的使用也有不同。為什麼美國不用這些數據，中國用這些數據呢？

主要是因為在美國，他們的信用體系已經經過了幾十年的發展，從五六十年代開始就推出通用的信用分，不是某一個銀行評估的信用分，而是在跨銀行、跨行業的一個通用信用分。

這個通用的信用體系，使得美國有 86% 的人擁有信用分。相反，在中國，80% 的人在央行還沒有足夠的信用記錄可以給他們評分。隨著「互聯網信貸」的衍生和發展，能夠通過對互聯網上的行為軌跡分析，在沒有信貸歷史情況下，給大家評估一個有可能的信貸分數，並運用在商業的各個領域上，能夠降低各行各業的交易成本。

人工智慧和深度學習都是比較廣的領域，實質性的進展和落地，最終還是得看各行各業它運營的本質是什麼，對於金融領域來說，其本質無非是兩個方面：

第一、獲取客人；

第二、服務客人。

人工智慧和深度學習在獲取客人的這個環節，它可以幫助我們更精準的制定客群、分析客群，怎麼樣用不同的方法捕捉這個客群：

第一、找到應該去找誰當客人。

第二、找准什麼時候找這些人當客人。

所以，從這兩個角度來說，人工智慧給我們帶來的優勢是，只要你有一個頻繁的交互場景，比如說現在的微信，這個是非常頻繁的交互場景，就能夠在用戶和這個場景交互的過程中，給客戶提供各種各樣的服務。

在微信裡面，還有一些我們沒用到的服務，相對於聊天和通訊來說，算是一個更低頻的服務，一個高頻的產品可以帶動起很多低頻的服務。所以，其最大的優勢就是可以給這些低頻的服務帶來很多的客戶，這是一個流量入口。

一旦獲取了這些用戶後，怎麼能夠給這些用戶提供更好的服務呢？從金融的角度來說，提供更好的服務就是怎麼樣能夠在合適的時間給他們合適的經營產品，讓他們能夠達到自己的金融目標，比如說理財、信貸。

數據和交互機會的存在，是人工智慧和深度學習的基礎。在這個基礎上面，加入智能化的分析，滿足個性化的需求。比如說客服，上億人網購，尋求客服幫助時，智能聊天機器人，可以使客服的效率大大提升。那聊天機器人怎麼能夠讓他覺得很自然，不會所答非所問，可以幫助客戶很快的指向所需要的信息，就需要 AI 的具體應用了。

應用於 AI 技術多是在後台上，用戶對於它的感知並不是特別的豐富。比如說後台的審批流程，你交一堆文件，做的一個申請。怎麼樣能夠在幾分鐘之內做一個審批通過？這個模型怎麼跑、怎麼收集數據、分析數據等。

另外，你每劃一次信用卡，後面都有一個反欺詐模型在跑著，一旦是覺得不是你本人在消費，它馬上會拒掉這筆交易，然後給你打一個電話。

如何找出未來的消費中有哪些和已經報出來的欺詐案例有相似的場景，其實是有一些規律可循的。比如說平時都在北京工作、學習，突然在上海有一筆交易，這個就有可能是一個欺詐，或者是突然在廣西的一個小村莊附近有一個交易，這個就更不可能了。如果你最近要是買過機票火車票，有可能這個幾率就高一點，有可能你真正去那兒了。

當然欺詐的人也知道你有這些不同的交易方法，他們也會用各種各樣的方法去偽造這樣的事情，這就是一種博弈過程。

金融體系目前針對大客戶如國企、大型企業等有很多優質產品服務，但針對小客戶的信貸產品幾乎沒有。

美國的信用評估體系是比較完善，86% 的人已經是有信用分了，中國 80% 的人是沒有足夠的信用記錄去擁有這麼一個信用評分。種博士表示未來在5 -10 年，有望解決這個問題。