文  |  中国光大银行信息科技部规划管理处 裴亚民 李辉

　　在人工智能产业蓬勃发展的时代背景下，光大银行积极开展生物识别、自然语言处理、计算机视觉、知识图谱等新兴技术的研究，并在智能客服、智能风控、智能运营等实际金融业务场景融入人工智能应用，发挥科技创新驱动作用。

　　随着生物识别、计算机视觉、机器学习等人工智能技术的迅速发展，机器人客服、人脸识别等智能化场景开始出现在日常生产生活中。2017年7月份，国务院发布了《新一代人工智能发展规划》，将发展人工智能提升到国家战略高度。金融业作为国民经济的重要产业，应认清人工智能带来的机遇与挑战，积极推进人工智能技术在金融业务中的融合应用，从而驱动传统金融业迈向智能化时代。

　　一、人工智能技术带来的机遇与挑战

　　人工智能技术涉及很多细分领域，分类体系也不尽相同。在金融应用领域，主要包括语音识别、自然语言处理、计算机视觉、机器学习、知识图谱、人机交互等关键技术。这些关键技术在给重构和优化传统金融业务流程带来新机遇的同时，也在落地的过程中提出了新的挑战。

　　1.金融业面临的智能化机遇

　　(1)改善客户体验，提升服务效率

　　在体验经济时代，精准捕捉客户个性化需求成为巩固和拓展客户关系、增强客户黏性、提高客户满意度和忠诚度的有效方式。在客户接触层面，通过声纹识别、人脸识别等生物特征识别技术，可以快速确认客户身份，识别VIP客户，提升客户体验和网点经营效率。在客户服务层面，通过智能服务机器人，可以实现标准化、专业化服务，提升服务专业度和客户交互体验。在业务运营服务层面，借助人工智能技术，可以重构和优化业务流程，提升服务效率。

　　(2)提升风险管理，增强风控能力

　　金融的本质是风险管理，风控是金融业务的核心。人工智能技术可以成为金融机构改善风险管理的工具，使投资组合、风险评估和信用风险评估更透彻、更全面、更清楚。一方面，通过机器学习技术建立风控模型，可以持续提高企业和个人风控水平，有效降低金融风险。另一方面，运用人工智能技术获取客户的数字化信息，甄别优质客户和计量风险，使缺乏信贷历史的优质客户获得金融服务。特别是对于有融资需求的中小微企业，银行可通过大数据挖掘和分析技术，获得企业真实经营状况、盈利能力及企业信用情况，从而为银行提供贷款依据，挖掘潜在优质客户。

　　(3)重构业务流程，降低运营成本

　　近年来，银行运营面临收入增速下降，刚性成本上升，竞争投入增加等挑战，人工智能的出现可有效降低银行运营成本。一方面，通过对传统业务流程进行线上化、无纸化、智能化改造，同时引入机器视觉、自然语言处理、深度学习等人工智能技术，重构业务流程，可以有效降低人力投入，提升运营效率。另一方面，智能化业务办理具有无纸化、介质管理自动化、凭证保存电子化的特点，柜面业务处理涉及的机具、纸张、耗材、监控设施、凭证影像扫描、碎片录入、凭证库房等运行成本可大幅度降低。

　　2.金融业面临的智能化挑战

　　(1)提高数据治理能力

　　数据是人工智能重要的生产资料，面对海量和多元化的数据，企业数据治理方式要与时俱进，提供高质量高标准的基础数据。传统金融机构的数据架构模式是按照产品和业务种类区别存储和使用的，成本控制和标准的不统一限制了数据整合和调用的能力，导致历史数据存在质量参差不齐、单位不尽统一、部分数据缺失有误等问题。因此，提高数据治理水平，加强数据的标准和质量管理，成为人工智能发展的能力基础。

　　(2)加强敏感数据信息保护

　　随着人工智能的深入应用，金融机构在数据的采集和使用过程中，不仅使用内部数据，也将引入外部数据，甚至将逐步输出数据。如何采集和保护客户个人信息的私密性应引起高度重视。生物信息一旦遭受黑客攻击，或被不法分子掌握，将对身份鉴定系统产生致命的打击，进而威胁整个社会信用体系的稳定。

　　(3)完善金融监管的模式和方法

　　人工智能在金融领域的应用，给金融监管带来了新的挑战：一是监管对象趋于复杂化;二是违法违规行为难以认定;三是智能代理行为增加了监管难度;四是责任主体难以界定。这些因素都对金融监管模式和手段提出了新的要求，需要监管机构针对人工智能特点，完善金融市场交易规则，加强人工智能在金融监管方面的应用，重视对用户隐私的保护。

　　二、光大银行在人工智能领域的探索与实践

　　在人工智能产业蓬勃发展的时代背景下，光大银行积极开展生物识别、自然语言处理、计算机视觉、知识图谱等新兴技术的研究，并在智能客服、智能风控、智能运营等实际金融业务场景融入人工智能应用，发挥科技创新驱动作用。

　　1.智能客服应用

　　光大银行通过将语音识别和自然语言理解技术集成于客服系统，实现了客服系统“自助+智能+人工”三层的服务模式，全天候提供服务，在提升客户体验的同时，也大大降低了光大银行的运营成本。其中智能语音项目通过语音识别和自然语言理解技术的应用，实现了光大银行语音客服系统的智能化升级，通过机器人完成客服系统的语音导航、语音交互、语音咨询功能，为客户提供服务。智能文字项目基于场景和业务模型开发上下文关联模型，应用于光大银行网站、网银、微信、百度知道等互联网渠道，为客户提供基于文字的智能客服服务，机器人回答准确率高，大部分文字客服由智能文字机器人来完成，只有极少数的请求交由人工处理。

　　2.智能营销应用

　　智能营销是通过大数据分析技术及机器学习，根据客户的基础属性、风险偏好、业务需求及业务倾向等信息对客户群体进行细分，挖掘客户潜在需求，进行客户行为预测，从而开展针对性的营销活动，实现业务营销从传统大众营销向智能营销的转换。通常智能营销由客户画像、客户行为预测和营销自动化组成。在客户画像方面，光大银行完成了电子银行客户画像及行为分析系统的建设，在传统客户标签的基础上，引入客户在电子渠道的行为采集技术，通过客户实时行为的捕获和分析，支持面向客户的一对一实时营销推荐，提高营销成功率。在客户行为预测方面，光大银行利用数据挖掘建模技术，预测客户个体的行为变换，提高产品和客户营销的精准度。

　　3.智能风控应用

　　智能风控主要是通过机器学习及深度学习算法在风险控制模型上的应用，充分利用交易属性之外的特征，结合复杂网络或路径分析技术，从多视角深入分析风险因素，构建更精准强大的风控模型。光大银行已先后推出“滤镜”“信用卡智能进件审批”“智能反洗钱”“电子渠道智能反欺诈模型”等多个项目，强化业务风险管理。智能反洗钱项目应用后，反洗钱模型筛选准确度高;在上报人民银行的重点可疑案例中，大部分案例来自该模型的输出结果，极大地提高了报送效率。电子渠道智能反欺诈模型项目通过综合聚类和孤立森林算法搭建无监督识别模型，同时利用疑似欺诈样本实现了模型规则化应用。

　　4.生物识别应用

　　光大银行于2013年4月引入指纹识别技术，构建了指纹识别系统，在柜员登录系统时使用指纹代替密码输入，提高操作效率的同时，也有效地控制了操作风险。2016年3月在指纹识别系统基础上进行功能扩展，引入了人脸识别技术，构建了统一的生物识别平台，为各业务系统提供生物认证接口和服务。2017年8月上线柜面人脸识别项目，引入静默活体检测、换人检测等技术和近红外加可见光双模摄像头，为对私柜台在客户身份核验环节提供了整体的解决方案。

　　5.智能运维应用

　　智能运维运用大数据与人工智能技术，逐步由机器学习代替以自动化技术为核心的运维专家系统进行分析决策、由机器代替人工操作。光大银行运维中心通过建立大数据分析平台，以信息系统故障自动预判及定位诊断作为智能运维的切入点，不断探索实践人工智能在业务实时展现、生产运行保障、资源动态分配、数据中心管理以及IT智能审计等领域的运用，以智能运维为契机促进运维效率的进一步提高、不断降低运维成本、防范人为操作风险，持续提升安全运营保障能力。

　　三、人工智能在银行业应用趋势的思考

　　随着人工智能技术的不断发展，金融行业将会涌现越来越多的智能化应用，人工智能和金融业的融合创新将进一步深化。

　　1.人工智能在银行业的潜在应用场景

　　(1)智能物流金融

　　在传统授信中，抵质押品扮演着非常重要的角色，但抵质押品类繁多，监控和管理一直是金融机构的业务痛点。但随着物联网技术的发展，这一难题有了更好的解决方案，在动产融资和供应链金融等领域，金融机构可以利用摄像头、传感器、GPS等智能设备实时监控物流信息和企业的货物销售状况,同时将影像信息传送到集中的管控平台进行实时分析和风险预警，大大降低由于抵质押品监控管理不到位造成的资金损失。

　　(2)智能授信预警

　　智能评估授信是通过提取企业及关联人在官方媒体、社交媒体等公开数据，并结合工商、税务、社保等部门数据，判断企业或其产品在社会中的影响力和产品评价，并借助机器学习、数据建模和趋势预测对融资企业进行信用评估和风险预测。同时，在放贷过程中借助人工智能技术对借款人还贷能力进行实时监控，从而及时对后续可能无法还贷的人进行事前的干预，以减少因坏账而带来的损失。

　　(3)智能资产管理

　　资管市场产品多样，结构复杂，资产方、资金方具有较多痛点。人工智能技术将解决跨期资源配置中的信息不对称问题，全面提升资金和资产流通效率。同时，国内的资产证券化市场并未实现本质上的“主体信用和债项信用的分离”，传统尽调方式尚难穿透资产包识别风险。而通过人工智能和大数据技术，可穿透到资产，提供详尽实时的资产信息和资产评估。

　　2.人工智能与金融业的融合创新之路

　　智能金融的创新不是技术与业务的一种简单叠加，而是人工智能与金融业的深度融合，反映了金融业从本质上对人工智能技术的融合需求，需要从机制、人才、业务方面进行创新，引领业务智能化转型。

　　(1)加强机制创新，推进研究应用

　　金融机构应持开放的心态开展人工智能技术的研究和应用，从机制创新上提供基础支撑，成立专门的人工智能创新实验室，投入人才和资金开展新技术的研究和应用。同时，依托创新实验室，开展和技术厂商、互联网公司、金融科技公司的技术合作，通过签订战略合作协议、建立联合实验室的合作方式，跟踪业内新技术发展趋势，结合银行业发展痛点，积极孵化技术成果和应用，结合业务发展的实际需求，将孵化成果在实际的业务场景落地，促进业务的智能化应用。

　　(2)重视人才培养，引入复合型人才

　　金融科技的竞争归根结底是专业人才的竞争，商业银行应在人才培养机制的基础上，高度重视并积极建立人工智能人才引留的灵活机制，为高级技术人才提供良好的发展空间。为了加快人工智能专家队伍的建设，积极挖潜内部资源，培养兼顾技术和业务的人工智能专家，同时加强与外部机构合作，如科研院校、金融科技企业等，借助整个行业在金融科技领域的研究力量，共享专家资源，共享行业成果。

　　(3)加强智能化场景应用，促进智能化业务转型

　　从客服到信审、从获客到贷后管理、从投顾到决策，人工智能技术将应用到金融的所有流程及诸多形态之中。商业银行应主动加强人工智能技术的研究和投入，并积极探索在客户洞察、产品设计、企业运营等全业务流程的智能化应用，促进业务的智能化转型。在客户洞察方面，应用人工智能辅助做出明智的战略决策，为公司提供针对新业务或现有业务的针对性建议。在产品层面，将人工智能技术嵌入产品或服务中，为终端客户带来实际利益。在流程方面，人工智能技术简化日常工作流程和操作，实现自动化并提高生产力。同时，加强与互联网平台合作，实现场景与金融服务的无缝对接，并通过数字化管控提高服务效率。