文／温泉
人工智能被视为第四次工业革命，而金融是人工智能应用落地最快的领域。未来，人工智能会给金融业带来怎样的改变？
7月15日，媒体未来科技峰会“AI+金融”专场在北京举行。这是年中首场对人工智能与金融结合的集中探讨。
包括京东集团、IBM、天弘基金、众安科技等在内的重量级嘉宾在内的十四家金融和科技机构出席了此次探讨。
人工智能在中国金融行业已经不是一个概念，在银行、证券、保险领域已经开始全面落地。人工智能对金融行业的颠覆即将按下加速键。金融行业部分岗位的失业或许并不像想象中那么遥远，而是近在眼前。
“不低于50%以上的工作岗位在AI的时代可能需要重新定义和升级。如果不在AI的时代中进步，很可能在AI时代下被淘汰。”天弘基金智能投资部总经理助理刘硕凌在当天的发言中预测。
机器人客服上岗
人工智能正在改变金融业接待客户的方式。
IBM全球企业咨询服务部认知与分析服务总监赖开文介绍，目前，IBM已经在银行做了三类机器人：银行网点迎宾机器人、服务机器人、咨询机器人。
迎宾机器人，可以回答银行客户刚到银行网点时的一些问题，包括理财的推荐、银行的简单信用卡开卡等等问题都可以回答。
服务机器人，现在在手机银行、在网上银行都可以办业务，但是这种办业务更多的是给用户一些下拉框，让他选一些产品、期限等，服务机器人办理的业务过程中不再是下拉框，而是像人一样对话，当用户有疑问时，可以会很温暖地回答用户的问题。
咨询机器人，通过身份验证可以知道用户是谁，根据客户需要，推荐千人千面的个性化的服务。
目前这几个机器人都有实际落地。IBM已经在台湾的某家银行做了信用卡的推荐，做了房贷的申请，以及外汇兑换的几个业务。在推出的一个月当中，这家银行的业务量增加了4倍。IBM还在国内的某家股份制有限银行做了网点机器人，IBM很可能马上就会跟某一家国内非常有名的排前几位的股份制银行，给他们的智能投顾产品，由原来的几个下拉选项的选择变成一个智能的交互，使得他们和客户之间实现“有温度的对话”。
这一点，在众安保险也已经落地。
众安科技实验室总监纪其进介绍，众安科技在售前环节跟售后环节做了客服机器人。他介绍，在售前的咨询，客户会问你产品是干什么的，众安科技是通过机器人来回答的，目前这个机器人已经在众安保险系统里在运行。此外，众安科技也在通过用户画像、通过产品的知识做精准的营销和推荐。
全流程改造开启
改变的不仅仅是客服。在金融行业的核心环节，改变几乎在全流程上发生。
人工智能将带来整个金融投研体系的变革，在投研的信息搜集、分析、决策的全环节可能都带来改变。
天弘基金已经有非常成功的实践案例。刘硕凌介绍，在天弘基金，人工智能已经可以代替高级信用分析师的工作。
金融行业有信用分析师读新闻、公司相关信息，这些信息读完之后要进行分析和加工。天弘基金的“鹰眼”系统的专利是公募基金第一块国家信用装置，是信用评估方法的装置。刘硕凌介绍了鹰眼评估算法的出炉过程：当时找信用分析师一块读新闻，读了10万条新闻，拿其中八万条新闻放到鹰眼算法里。先做分词再分类，分正面、中立、负面，拿剩下两万条让AI评价一下，剩下2万条自己知道答案，8万条当时在时花了很多时间、很多资源，样本收集整理花了三个多月的时间，剩下两万条新闻AI看5分钟就看完了。现在这个算法的准确率提升到96.7%的水平，绝大多数的新闻现在在外面新闻不用自己在网上看，基本看鹰眼看完之后的二次信息。
在保险行业，这样的变革同样在发生。
众安科技实验室总监纪其进介绍，保险行业的核心流程有：
产品设计——售前——承保——投保——出险——理赔——售后。
在每一个环节上，众安科技都在尝试改变。
售前环节跟售后环节做了客服机器人。
在承保这个环节，众安科技正在尝试用人工智能改变“定价”。比如车险，众安科技提出UPI车险，即基于使用的车险。以前车险是根据车的类型、品牌、价格、使用年限给一个定价。但是这样的定价方法并不准确，有的车一年难得开几次，基于车的本身使用情况来定价是更为精准的。
理赔涉及到反欺诈，这里要能够识别真正出险了还是恶意骗保，通过人工智能进行大数据分析，可以帮助识别信息真伪。
核损环节，可以基于人工智能来判断损失到底是多大。众安有一个碎屏险，手机屏幕很容易坏，买手机时担心手机送到保险公司的话，屏已经坏了。众安科技通过图像识别判断手机屏幕是不是运输过程中损坏了，如果损坏可以赔偿，而且现在是把后端链拉长了，可以直接帮用户修。
在证券行业，这样的进程稍慢。香港金融数据技术有限公司（FDT）创始人兼CEO聂凡淇在中国证券市场做了调查，发现中国有100多家券商，但有人工智能自主研发团队的不到5家，其中做得最好的是华泰证券。
7月1日，中国证监会发布的《证券期货投资者适当性管理办法》正式开始实施。聂凡淇认为，这将带来很好的市场机会，他的团队研发的技术可以帮助证券机构识别客户风险偏好，匹配合适的资产。做到这一点，FDT用的方法是通过对用户证券选择操作行为和收益之间的分析，来判断客户的风险偏好以及是否适合做投资。目前，FDT正在进行的研究是，通过对基金经理证券选择操作行为和收益之间的分析，来从根源上判断资产的质量，从而进一步降低风险。
聂凡淇认为，人工智能在证券行业的应用将加快“去散户化”的进程。他回忆，巴菲特谈到中国金融投资者教育不足，投资会有变化。美国花了70年完成投资者教育，这是一个漫长的市场，他相信市场长期引导人们做正确投资。通过市场去散户化的代价太大，2015年的惨痛教训，2008年的惨痛教训就是前车之鉴。他坦言，在三年前做FDT，就是看好中国一定要去散户化的。
而在京东，京东集团副总裁、AI与大数据部负责人翁志介绍，身份认证、用户画像、对话机器人、风险控制方面对人工智能的应用都已经开始落地。京东手中拥有大量的数据，在与金融机构的合作中正跃跃欲试。
降低金融风险
金融业的核心是风险控制。在这个核心环节，人工智能正在大显身手。
IBM全球企业咨询服务部认知与分析服务总监赖开文介绍，IBM在四大行的某一家银行里做了一个基于“图计算”的品牌。通过图计算帮银行来进行风险的识别和传导的预测。
具体来说，IBM做了八种关系的关系圈搜索，包括股权关系、担保关系、投资人之间的关系、资金圈的关系等等。在这八种关系当中，IBM去检索相应的关系圈。赖开文介绍，IBM的System G目前已经非常强大，原来做这样的一个关系识别要一个月的时间，现在做到了只要分钟级就可实现。原来这个关系圈做到6个就做不下去了，现在能够做到无限的，20个、30个，甚至上百个关系圈搭建。
利用关系圈的搭建，IBM做的是风险传导的预测。在这个关系圈里头当有一个点出现违约的时候，它剩下的关系圈的其他的点什么时候会违约？它违约的概率有多大？就像一个苹果筐里头有一个苹果烂了，其他的苹果什么时候会烂掉？就可以预测了。这个预测的准确率在40的预测做到58.2%，基于这样的验证，IBM即将对银行进行这样的产品推广。现在很多银行都很关注，对风险传导的预测能够大大减少银行损失。
人工智能在反欺诈方面也有很重要的应用。
同盾科技创始人兼董事长蒋韬介绍，同盾科技监测的欺诈团伙将近100万个。同盾科技有一个“图数据库”，这个库里差不多有超过500亿的数据节点。同盾科技通过这些基于图的分析，可以实现对数据节点和数据节点之间的关系毫秒级的发现。比如随便给同盾两个手机号，只要毫秒级的时间，同盾科技就可以给出它们的关联度有多少。
信用分数的评估主要是两个维度：还款能力和还款意愿。还款能力和还款意愿在传统的风控角度都有相应的维度和数据做评估，但是同盾其实发现了还有一些创新的数据角度确实可以分析这个人的情况，包括纳税情况、信用情况，包括他的搬家次数、借贷时间等等，都是跟信用有关系的，包括网络点击等等。同盾整个的变量库里衍生出差不多6万个变量库，中间会有30-50个变量会跟这个人的信用强相关，同盾科技通过机器学习，包括深度学习的方式提取出来，对个人信用打分。
同盾科技有一个风险管理平台，客户包括信用卡中心、消费金融、小贷公司、现金贷、汽车金融，他们会利用这些信息评估个人的欺诈风险和信用风险。未来同盾科技会把底层能力继续开放，包括机器学习平台、自动化的训练平台、计算平台等。
人工智能进入“辅助”决策阶段
人工智能最重要的能力或者最关键的能力就是帮助人们做决策。目前在金融业，这方面的应用还不成熟，但是已经有尝试开始落地。
赖开文介绍，IBM认为现阶段人工智能或者认知计算更多强调的是“辅助”决策的阶段。
“辅助”决策的意思是，IBM会给用户决策的建议，这些建议里有一个“置信度”，即这个计算机系统、认知系统认为他的置信度有多少，即判断它再多大程度上是靠谱的。并且“可追溯”，意思是，每个决策建议后面会给出证据，人可以据此作出判断，觉得合理就采纳，如果不合理，就做出自己的判断。
在这方面，IBM的落地项目是，帮日本的一家保险公司做智能理赔。寿险公司的理赔非常复杂，因为病种很多，每个病都很复杂，要分清什么情况赔、什么情况不赔，是很专业的事情。同时，在判断是否应该理赔时，要核查非常多的文档、检查的资料、医生的处方等等。一般复杂大病需要10年以上的员工才能做。这样人力成本的投入是非常高的。IBM通过沃森系统帮寿险做智能的理赔，做两件事情：
第一，从非结构化的数据（从医院拿过来的医生开的处方单、诊疗报告）当中，把关键特征信息抽取出来，包括了疾病名称、手术名称、诊疗结论，不需要通过人去录入。这是通过自然语言的理解、机器学习实现的。
第二，把抽取出来的特征与历史数据进行对比，从而做出理赔决策。
他透露，IBM正在谈中国的保险公司，TOP6的保险公司要把这样的一个认知理赔的方案从日本移植到中国本地。
失业潮不远了
与人工智能大显身手相伴随的，金融行业的失业转岗潮已经是看得见的事情。
赖开文透露，IBM给上述日本的保险公司做完智能理赔的项目之后，该公司理赔的平均时间减少了40%，人员的投入减少了30%，原来有30%的人员转岗去做别的事情了。每年减少支出1.5亿日元。
人员比同行精简，在天弘基金也有非常明显的表现。
刘硕凌透露，天弘基金的AI与金融结合的尝试开始于2015年。很多人问，天弘基金管理15000亿到底有多少人，信用分析团队包括固定收益团队都不大，在业内只能说是一个中游水平的体量。之所以能够用这么少人管理这么多的资产，主要因为有自动化的技术。
但是，这样的“转岗”可能并非坏事。刘硕凌提到，比如天弘基金招进去的一些毕业生都出自于清华北大等高校，这些毕业生去做简单重复劳动就是一种资源浪费，他们可以去做更复杂的工作。
