被AI逐步蚕食的金融市场 | 智周报告核心版

被AI逐步蚕食的金融市场 | 智周报告核心版

自大数据技术、人工智能、云计算等技术的发展,金融科技正在逐步改变金融行业的生态格局。基于技术所带来的新型业务模式、数字化和智能化操作及产品在支付清算、接待融资、财富管理、零售银行、保险、交易结算等主流金融领域皆有应用,引各式从业者趋之若鹜。

数字化技术正在不断并优化现有的金融服务体系,更加便捷的支付方式,更加高效的金融服务,乃至对数字安全性更高的需求。因此,信息技术支持的数字经济正在成为市场经济主流。于此同时,金融科技和智能技术也得以在金融行业的发展趋势中展露头角。

作者 | 陆少游、田辰

一、金融行业的市场规模

截止于2017年10月,全球狭义货币的总值约为36.8 trillion 美元, 而全球货币总值则高达90.4 trillion美元。在如此庞大的市场规模下,全球现金的使用频率正在逐步减少,而数字化货币则在生活和商业服务中占据了大头。

根据不完全统计全球金融科技的投资总量自2012年的25亿美元开始持续增长,于2015年达至147亿的高峰。虽然全球投资总额的增长趋势随后在2016年减缓,但该年蚂蚁金融收获的45亿B轮融资总额却开创了金融科技行业的融资记录。而之后的2017年,全球金融科技投资总额则再次高升,达至近310亿美元。

中国金融行业增加值趋势(数据来源:中国产业信息网)

二、金融行业常用人工智能技术领域

机器学习:包括监督学习、半监督学习、无监督学习、深度神经网络等算法。在金融行业常用于欺诈识别,核保,自动化交易等领域。

自然语言处理:涉及机器翻译、文本挖掘、语义识别、文本搜索等技术。自然语言处理技术常用于文本分析工作。随着人机交互和自动化技术的发展,该技术也常用于支持聊天机器人以提供智能化的客户服务。

计算机视觉:包括人脸识别,图像识别等技术。人脸识别在金融领域常用于用户身份识别、人像等级、员工身份验证等工作。图像识别常用于文档审阅、信息核实等工作的自动化。

AI基础设施:AI基础设施中的云计算技术是整合资源并结合机器学习,视觉识别,以及传感器技术从根本上促进传统金融服务向智能金融转型的核心技术。

基础理论:图计算是一种以“图论”为核心的基础理论,对现实世界中事物之间的关系进行刻画、计算和分析的技术。在金融行业,图计算能够帮助刻画各式关联,构建关联网络。

机器人技术:机器人技术的领域范围中所包含的机器人流程自动化通过软件机器人自动处理大量重复性工作流程任务,在金融行业中可用于证件票据验证、纸质文件录入、多系统数据迁移、场景报表汇报等场景。

三、金融行业全球500强企业人工智能应用场景

四、金融行业全球500强企业人工智能应用案例分析

支付宝:借助人脸识别技术免除用户支付是对手机或银行卡的需求。通过刷脸支付的方式解放商家收银台,并提高用户支付效率,操作方式对老年人群体尤其友善。

平安云:通过打造综合性智能云平台为多个金融场景提供智能解决方案。其平台中的平安脑服务综合了深度学习、数据挖掘、生物特征是被等技术为保险公司、银行等用户提供用户身份识别,车险查勘与定损、零件配型等智能化服务,免除线下的冗长操作流程。

摩根大通: 借助机器学习与自然语言处理技术完成银行对文件的审阅工作以解放人力。基于其COIN智能系统,摩根大通成功将年度36万小时的文件审阅工作缩减至数秒完成,并减少每年因人为失误所导致的约12,000次贷款服务差错。

日本第一生命保险公司:通过人工智能技术针对医疗保险服务打造了定量评估模型与疾病进程模型以优化不同种类用户的产品推荐工作。在对高血压和糖尿病患者用户群体进行评估的案例中,其智能模型成功为300名因健康原因无法购买保险的用户重新争取到享受保险业务的机会。

三井住友金融集团:借助UiPath的RPA自动化平台,以智能算法所构建的机器人帮助企业自动化冗杂的文件审阅以及归类工作,并通过辅助机器人支持没有专业背景的金融工作者按照自身需求搭建相关自动化金融服务模块,开发客制化的自动化流程。

汇丰银行:借助Quantexa的AML解决方案实现对数据调研、客户画像、市场监控和交易监控等任务的智能化操作,通过结合人工智能技术和人类专家来强化风险调研和识别的效果。

五、金融行业人工智能应用局限性分析

数据敏感性:在智能技术的开发中,数据质量、数据资源以及数据安全将是三大不可避免的挑战。劣质数据或将导致算法存在偏见,而基于人们对隐私的重视,数据的获取及保护都将是企业所面临的挑战。

人才专业性:人工智能在数据分析上存在极大的优势,但如何开发优秀的应用依然需要基于从业者对于行业的理解与自身的创意。既掌握金融业务,又掌握人工智能技术的复合型人才往往供不应求,难以满足当前人工智能应用在金融行业发展的需求

监管困难性:智能技术的发展催生了许多新的行业和服务。监管部门需要直面技术以及法规制定上的挑战。

六、金融行业人工智能应用发展趋势

常规操作自动化:包含人脸识别自动化用户身份验证、自动化文件处理以及客服聊天等典型场景,越来越多的金融服务工作将因人工智能技术实现自动化。

数据驱动智能化:伴随互联网发展所产生的数据正在从本质上影响金融行业的运行模式。人工智能技术将拓宽数据分析的维度,将金融服务逐渐转变为数据驱动的、智能化的模式。

行业边界模糊化:金融服务与非金融服务之间的边界将愈发显得模糊。不同行业的机构都和新兴企业将凭借技术创新进入金融领域,而传统金融机构也在不断扩张其服务内容。

特别鸣谢

平安科技 联邦学习技术团队

* 本文为「智周」系列报告「核心版」,相应「深度版」的推出计划将在后续公布,敬请大家关注。针对「人工智能在金融行业的应用现状及展望」这一主题,有哪些方向或主题,你希望在报告深度版中读到更详细的阐述与分析,欢迎留言,这将成为我们制作报告深度版的重要参考。

你有多久没有投资自己了? 90%的人都不知道的先进学习法

上一篇:挑逗喵星人的新姿势,用摄像头搞定吧!
下一篇:《浅情人不知》定档7月24日!男医生的恋爱与吸猫日常竟然这么甜