银行AI的应用与展望

摘 要：本文从人工智能在银行营销管理中的优势入手，就人工智能未来在银行营销管理的发展与应用上提出建议，以期使人工智能在银行营销管理上得到更进一步的发展。

关键词：人工智能；银行；AI；网络

互联网金融和金融科技的发展，打破了传统银行业对金融体系及资源的垄断，新模式下的金融服务和平台被微小企业和百姓所认知与接受，挤压了传统银行的利润空间，甚至威胁到传统银行的生存环境。金融科技是金融与科技的深度融合与创新，在这种认知下，银行迫切面临转型升级。

中国的银行业近几年来面临着巨大的挑战。一方面是电子支付app和余额宝等新型金融模式的冲击，另一方面是经济转型和不良贷款率上升的压力。于是许多银行一边改变传统模式，将某些传统模式网点改造成全机具化、智能化的“无人”营业网点，将科技融入传统业务，同时推进开发电子金融部门的发展，增加自己的智能app平台，将金融衍生品、投资工具、智能客服、购物平台等植入自己的app上；另一边加大与金融科技公司的合作，推出智能化的自助交易和线上交易产品，例如工商银行的“一键AI投资”模块已经完善并启用，在智能化的解析、评测客户能承受风险度、客户日常投资趋势等，为客户打造属于自己配套产品。

人工智能的发展和运用让传统银行网点空心化现象越来越严重，客户能借助的智能工具越多，意味着银行作为金融媒介的作用越小，现在还在柜台办理传统业务的客户也大多是信息不对称、运用科技信息手段不便利的人群，而这些人的范围越来越窄、人数也越来越少，所以银行的当务之急是转变思路，从传统货币兑换、存取款、贷款的功能转化为全方位的金融服务，同时融入AI科技，让客户对银行保有新的依赖点。人工智能的发展除了带给银行冲击，也成为银行发现产品的工具、维系固有客户、拓展新客户的手段。

数字化时代，传统商业银行将不再是单纯的金融服务的提供者，而将会成为移动连接的缔造者、数据价值的创造者、智能化综合服务解决方案提供者。依托金融行业积累的大数据基础，借助人工智能等信息技术，将创新拓展到客户所在的价值链和生态圈，通过积极布局新技术、新商业模式，提升大数据洞察力、决策分析力和自我优化力，商业银行将在大数据分析、智能决策、精准营销等领域焕发出新的生机和活力。

从数据源头到最终决策的生命周期来看，数据驱动转型是从银行内外部获取金融及非金融的多元数据和信息，再将数据汇集到数据分析平台和架构体系中，根据银行业务场景，通过适当的分析技术和工具获得对整个银行生态环境的洞察力，并将洞察结果应用到银行决策或精确行动的流程中，以期更加契合银行业务发展需求，激发银行更大的潜能。在此过程中，人工智能领域的大量投入和快速突破带来了前所未有的高级分析技术、自动化分析和决策的能力，这也是当前数据分析发展的技术方向。

当大数据营销成为主流时，物理网点、地域环境等因素的主导作用便已经不在，银行更应该借助网络新渠道获客，扩大营销半径。要借势人工智能，结合银行专业优势对客户群进行更深入的了解，运用AI这一手段便可以用大数据建立模型筛选客户，对客户群进行画像、归类，实现有针对性的精准营销。

目前金融科技的核心技术还主要是人工智能和区块链技术。过去5年，中国银行业投资最多的金融科技领域包括：区块链、数据分析、金融服务软件、支付结算和合规等。目前在银行业最突出的人工智能应用领域是用于降低成本和合规管理，帮助银行按政府规定运作，同时将各类数据与业务平台系统挂钩，与各相关政府机构进行网络数据联动，实施反洗钱、反欺诈、检测员工不当行为等风险防范工作。

金融体系是国家的命脉，一个高效率、低成本、合理配置资源的金融体系是整个国家实体经济健康持续发展的基础。金融科技已经成为国内外金融行业发展的一个新的风向标。金融科技公司由于自身具有的创新基因和大数据的优势，在许多人工智能技术的应用上处于领先地位，而传统银行可以利用自己拥有大量优质客户资源、大量优质数据、品牌和雄厚资本的优势，与金融科技公司合作，加速人工智能等金融科技的应用落地。现在智能投顾服务已在银行业中逐渐发展起来，银行可以利用自己广泛的客户资源、品牌信誉，和在投资领域比较中立的市场定位，推出可靠的智能投顾服务，帮助中国庞大的投资群体，抢占和巩固自己在银行中间业务市场的地位。

当然机遇与挑战向来是并存的，银行在不断加强人工智能技术研究和应用的同时，也面临一些风险和挑战。

首先，高度自动化的过程会给银行和客户提供许多便利，机器为人类提供更高效的服务，但当银行在把很多决策权赋予机器的同时，如果缺乏强力的监管方式，就会积聚操作风险，比如在通过人脸识别帮助客户简化流程时发生主机宕机的情况，或者人工智能语音交互系统出现不当言论，又或是识别过程中可能出现种族歧视等问题，因此银行必须考虑法律方面操作风险的成本。

其次，人工智能可以幫助人类做一些决策，比如信用贷款，而信用风险有可能会带来较大的系统性风险。

最后，当人工智能进行个性化的处理时，复杂的系统环境会带来更加复杂的人工智能市场风险。所以在银行各种应用中，虽然可以采用新的技术解决一些风险问题，但是随之也出现了新的风险，比如智能语音外呼系统可能会涉及相关的风险监管或道德风险等问题。银行利用人工智能做一些流程的优化和简化，但同时人工智能也需要一套风控流程去监督它，所以这可能会带来新的具有不同表征的风险点。因此，未来银行进行风险管理时，需要重新审视风控的整套流程和框架。

在竞争压力方面，目前金融科技创新给银行业带来很大的压力和挑战。人工智能赋予金融科技创新更多活力和行动力，传统金融服务中“眼”和“手”的部分逐步转变为“口”和“耳”的部分，银行开始要更多地借助语音技术平台，提供相关金融资讯和更多互动的过程。同时，越来越多的人和非金融机构开始进入金融领域，这使得银行在金融服务中的被取代性越来越高。另外，互联网企业在支付行业的技术革新，同样给银行业带来了很大的竞争压力。

在业务数据分析方面，银行在利用人工智能进行机器学习或深度学习过程中，需要大量的数据科学家、数据资料和高效能的计算工具，但这些资源无疑都是高成本的。因此，银行需要建立数据分析平台并把数据快速地放置在分析平台，且数据分析平台需兼具共同运算等功能，这种需求对银行而言是很大的挑战。

另外，在数据安全治理方面，因为数据科学家想利用共享或社区机制，跳出传统分析的框架，但银行业中大量信息和数据不可能轻易地开放权限，因此造成两难境地，如何能够让数据科学家畅意地使用数据，给予他们相关的计算能力和数据权限，这也是银行亟待突破的问题。

虽然面对内外部多种挑战和压力，各大商业银行还是以开放、积极的态度拥抱大数据时代，逐渐建立面向大数据分析的全生命周期链路，将大数据运用和人工智能开发应用作为转型规划的重点内容。

分析现在的大环境、大趋势，中国在AI应用方面的发展速度是要比西方快的，银行需要在这些基础上进行创新，在遇到困难的时候，就需要找到合适的方案处理过去的负担和当前新技术之间的关系。中国在AI方面的技术和知识储备充足，越来越多的专业人才愿意投身AI，AI的商业化之路需要场景与人才的双重加持，除了从帮助银行从系统层面实现“Powered By AI”，通过为客户源源不断地补给人才，提供系统、应用、人才等全链路的产业服务体系，通过对银行业务人才的培训，可以使他们在短期内了解和熟练构建AI应用，帮助金融企业打通业务场景与数据、模型的闭环，为银行客户的各个业务场景的AI化转型升级提供技术及人才保障，助力中国金融机构全面进入AI提速时代。有西方的借鉴，有人员、政府、市场主流的推动，有逐渐完善的大数据分析，中国人工智能发展的前景正向好发展。

作者简介：

李敖男，女，汉族，籍贯：四川成都，现居天津，天津财经大学在职研究生在读，中国工商银行股份有限公司天津港保税区分行对公客户经理及国际单证业务科员。