《金融博览》│推进“金融+人工智能”融合发展

人工智能（AI）作为一种“数字新基建”，正在与实体经济加速融合，推动社会及各个产业的数字化转型、智能升级和融合创新。金融业是人工智能最具潜力的应用领域之一。在政策引导、技术驱动、行业实践的共同作用下，人工智能等技术在金融行业的应用取得了显著成效。近年来，人工智能与金融深度融合，不断衍生出新业态、新场景，在小微金融领域、绿色金融领域、风险监测等方面发挥了重要价值，在提升金融服务效率和质量的同时，也为金融服务夯实了“安全底座”。

政策背景：

政策引导金融与AI融合发展

近年来，从国际到国内，从整体到行业，政策层面不断出台战略规划，积极推动人工智能与金融的融合，深化AI的金融应用。

从国际上看，目前已有约60个国家和地区制定了人工智能发展政策。我国也于2015年首次在国家政策中提及“人工智能”，并于2017年正式发布《新一代人工智能发展规划》，将人工智能正式上升为国家战略，并明确了我国发展人工智能的“三步走”阶段。文件中明确提出要推动智能金融领域发展，鼓励金融行业创新金融产品和服务、应用智能客服、建立智能风险预警与防控系统等。

在人工智能成为国家战略重点的背景下，金融领域也出台了一系列政策措施，推动金融与AI的深度融合。在顶层设计上，2017年，人民银行成立金融科技（FinTech）委员会，并发布《中国金融业信息技术“十三五”发展规划》，首次在金融业的五年发展规划中提及“人工智能”。2019年8月，人民银行印发首份金融科技规划《金融科技发展规划(2019—2021年)》，明确了包括人工智能在内的一系列金融领域应用研发重点，为人工智能与金融业务的深度融合，提供了重要的方向指引。随后，2021年12月人民银行印发《金融科技发展规划(2022—2025年)》，对下一阶段人工智能技术与金融业务的结合提出了创新方向。人工智能在智能风控、解决小微企业融资需求、监测资金流向、识别绿色企业、管理绿色金融风险、优化金融服务包容性等方面的价值，将成为未来“金融+人工智能”的主要发力点。2022年1月，银保监会印发的《关于银行业保险业数字化转型的指导意见》也强调了要重视“人工智能+金融”复合型人才的培养，以及人工智能在风险监测及预警中的重要价值。除了金融科技整体层面的规划，也有一系列政策规划聚焦了人工智能在具体领域的应用。例如，人民银行、银保监会印发的一系列针对小微金融、意外险、财产险等具体业务与AI的融合方案。此外，各地方也出台了一系列推进智慧金融发展的政策，并积极申报金融科技创新试点。当前，金融科技创新监管试点已经进行到第四批，全国共计有156项试点项目，其中45项与人工智能相关。

从政策趋势上看，金融AI发展前景广阔。随着全社会数字化的推进，金融机构与供应链、产业链上下游数据的贯通，以及跨界合作的推进，人工智能将为金融机构的业务提供更多方面、更好效果的助力作用，赋能金融机构降本增效，提升服务体验。

创新进展：

AI赋能金融场景创新

在金融AI的加速布局下，催生出了智能营销、智能识别、智能理财、智能风控、智能客服等多种提升金融价值的场景。

场景一：智能营销

智能营销是利用机器学习、深度学习相关算法构建模型，通过汇集客户在消费、社交、交易等方面的大数据，深度分析客户的真实需求和偏好，并进一步形成更具针对性、个性化的营销解决方案。应用语音识别技术(ASR)和语音合成技术(TTS)实现的机器人智能外呼，也极大减少了人工营销坐席的成本，从而实现全周期的互动服务、深度挖掘客户价值。

零售营销数字化是金融机构数字化转型的重要环节。国内某大型商业银行针对手机银行客户，基于海量用户行为、交易数据形成用户画像，对营销全流程进行智能化改造，实施精准营销、协同营销，显著提升了手机银行活跃度，有效促进了业务增长。

场景二：智能识别

金融业作为信息密集型行业，需要处理大量的图片、结构化和非结构化文字，面临着较高的识别需求。智能识别是利用计算机视觉等技术，实现对图片、文字、人脸等的多模态快速识别和信息提取，可以很好地对复杂单据、用户真实性等实现快速、准确的处理，极大地提升业务效率。

以交通银行融合了计算机视觉、机器学习、人工智能等新技术的“统一图像识别平台”为例，腾讯优图通过引入多模态技术提高信息抽取的泛化性能，助力解决非标准文档的OCR信息结构化提取，提高图像、单据识别率，推动业务效率及用户体验提升。同时，该平台在信息录入等方面时长降低98.4%，且准确率高，能够大量节约人力成本。

场景三：智能理财

智能理财是以大数据、机器学习等技术为基础，结合投资者特定的需求及风险承受程度，为投资者提供理性的投资组合建议。智能理财一方面可以极大地释放人力成本，另一方面也可以降低投资门槛，为各类人群提供专业的理财服务。

国内某大型商业银行基于客户需求，开发出了智能理财平台，主要从几个方面为客户提供优质的理财服务。一是提供极具人性化的客户服务体验，对一些较为简单的、相对固定的投资问题，AI进行即时反馈。二是该智能理财平台将AI服务贯穿售前、售中、售后，实现售前—售中—售后的一体化服务体系。三是引入多种财务模型和相关假设进行个性化产品配置，包括资本资产定价模型（CAPM）、投资组合理论、机器学习等，对客户行为数据进行分析，并提供针对性的建议。

场景四：智能风控

智能风控是数字化风控的高级阶段，是在知识图谱、机器人流程自动化（RPA）等人工智能技术加持下，实现更精准、更高效率的风控。在具体场景中，行方客户交易进行时，银行可通过实时交易反欺诈模型，对可能的欺诈交易进行拦截。具体来看，一笔交易从客户端发起，在通过交易分发网关进行分发以后，会经历行方的总账系统并将信息写入数据库，而反欺诈系统则会在行方核心系统批准金额转出前，对该笔交易进行欺诈风险评估，从而保证交易安全。

国内某大型商业银行突破了传统的反欺诈模式和技术手段，上线了全新的智能反欺诈平台，通过利用机器学习、知识图谱等AI技术，不断提升银行的线上业务反欺诈能力。该银行通过积极布局智能风控平台，已经实现了对客户行为、交易关联关系等进行分析评估，构建了行业内较为领先的反欺诈风险模型，显著提升了风险评估的准确率，进一步筑牢反欺诈红线。

场景五：智能客服

智能客服是在大规模知识处理基础上，借助自然语言处理、语音识别、图像视频识别等技术，实现智能的人机交互。在银行持续精细化运营的背景下，以新型技术为基础的智能客服，可以替代部分人工客服，缓解金融机构的人工客服成本压力。受新冠疫情的影响，线上非接触式金融服务兴起，智能客服迎来了历史新机遇。

为了解决传统客服成本高、效率低、服务时长短等痛点，国内某大型商业银行在智能客服方面不断加大布局，积极构建自然语言处理（NLP）、客服机器人等服务体系，将人机交互技术与客服领域紧密结合，不断完善该银行的后台服务体系，搭建自身智能客服体系，探索出多个智能客服场景。该银行在智能语音导航、智能问答、客服助手等方面进行实践，使得客服业务量、业务效率、服务体验均得到了显著提升。

发展趋势：

金融AI创新前景广阔

首先，从技术方面来看，以语音识别技术、视觉技术、全真互联技术等为代表的技术不断发展，金融机构业务发展也迎来了与新型技术深度融合的契机，催生更多新业态，驱动行业创新发展。在金融与AI深度融合的过程中，技术的深度将不断增强，整体呈现出以下六个方面趋势。

一是AI建设向平台化、体系化、系统化靠拢。随着数字化转型发展，金融机构逐渐重视建设新一代科技基础设施，结合AI构建“金融大脑”，为业务打造坚实技术基座，业务中台、数据中台、技术中台建设也正在有序推进当中。目前，金融机构已纷纷搭建机器学习、生物特征识别、智能语音语言、智能图像、知识图谱、智慧物联等平台，构建AI核心能力群，广泛应用于金融业务领域，未来将进一步丰富企业级AI技术服务体系，持续在基础技术平台建设取得重要进展。

二是语言、语义、语音相关技术不断进步，应用场景将不断多样化，金融机构将在更多业务领域为客户提供7×24小时业务咨询与办理服务。随着技术不断进步，专利申请数量上升趋势明显，该类技术将被用于更多业务场景中，市场规模也将随之增大。

三是图像、视觉相关技术将继续演进，卫星遥感与图像识别的应用进入更多机构，计算机视觉技术在金融业务身份认证环节的作用将越来越普遍。例如，腾讯金融云可帮助金融机构结合业务场景，提供多因子、差异化的金融级核身方案，差错率降低至百万分之一。

四是“AI+RPA”将成为金融服务进化的主流方向。目前，“AI+RPA”已是RPA（机器人流程自动化）产品进化的主流方向，从基于规则的自动化操作阶段，到基于OCR（光学字符识别）、NLP（自然语言处理）及语音识别等能力，让RPA机器人具备识别与抽取各种业务文本与数据的能力，大大拓展RPA的应用场景。未来，有望基于大数据或更多的人工智能算法，赋予机器人理解流程、理解环境的认知能力。

五是低代码/零代码技术将普及。低代码/零代码平台提供了全新的金融技术人员工作流程，即非专业开发者经过简单的IT基础培训就能快速上岗，既能充分调动和利用企业现有的各方面人力资源，也能大幅降低对昂贵专业开发者的资源依赖，促进金融领域各项目的快速落实，一定程度上解决了技术开发生产力瓶颈的问题。

六是全真互联技术推进数实融合。互联网将为客户实现全面真实的应用场景和应用体验，创造出线上线下一体化，虚拟现实交互的全方位、多模态体验，实现实体产业与数字技术的深入融合。在金融领域，运用高质量、低延时的技术，实现众多客户经理的线上投资讲解、基金销售等工作，将银行、证券、保险的业务流程搬至线上。随着5G普及，通过实时音视频技术等，全真互联将加速渗透至各个金融业务流程，金融机构将更主动积极响应客户需求。目前，已有金融机构在提供音视频服务的同时，在符合监管要求的情况下，进行在框检测、人证比对、微表情识别、OCR识别、话术关键字提取等。在业务办理完成后，这些基于图片识别、语义理解的结构化数据，就会送到数据分析平台进行清洗和分析，丰富用户画像，便于后续提供更精准的产品和服务。

其次，从场景方面来看，在技术的深度不断加强的基础下，场景覆盖的广度也不断向外拓展，在营销运营、监管合规、产品设计与定价、客户服务、风险控制方面的应用场景将不断丰富，实现全流程的数智化。

可以预见，AI将在金融机构探索新的场景中，发挥出更为重要的作用。对于金融机构来说，应当根据企业实际发展情况和AI技术发展的成熟度，积极引入可用、适用的AI技术，逐步开展基于深度学习、机器学习、知识图谱、计算机视觉、NLP、RPA与低代码等多项技术的场景应用。具体来说，一方面，应加大在AI领域的资金、人力投入；另一方面，应加强与科技公司的合作，提升企业的数字化、智能化水平，探索构建标准化的数据信息平台，提高数据收集、分析、应用水平，为探索更多的智能化场景打下基础。

最后，从安全保障方面来看，对金融机构来说，保持数据融通可信，守住不发生金融系统性风险的底线，仍然是第一要务。零信任架构（ZTA）、隐私计算技术的持续升级，将夯实金融机构在数据融通领域可信的基础。

一是零信任架构将重塑金融可信边界。在金融领域，尤其在银行业金融服务中，ZTA在可信环境建立方面起到了重要作用。目前，随着银行数字化转型，服务内容、服务范围、服务手段等均存在改变，因此面临着分支机构接入需求大、对外开放接口增加、内部应用交互困难等新问题。在金融数字化大背景下，基于零信任架构，金融机构在未来将针对远程或移动访问等多元化场景，在多方接入、数据处理、风险控制等方面对访问主体身份进行动态持续的核查和管理，打造安全、高效的金融访问环境，保障金融行业数据安全。

二是隐私计算助力数据要素价值安全释放。当下数据要素价值流通已经进入3.0模式，1.0模式是以离线数据包为代表，2.0模式是以数据API接口为代表，3.0模式则是通过隐私计算技术来实现数据的安全流通、交易和应用。隐私计算技术从此前的实验室、PoC阶段已经进入到应用实践阶段。以隐私计算等为代表的新兴技术，实现跨部门、跨机构的数据安全融合、业务快速迭代创新等，是未来2～3年金融数字化发展的关注重点。

总的来说，经过多年技术发展与应用验证，金融业对于以人工智能为代表的一系列主流数字化技术的认知进一步提升。目前，金融机构已将AI作为金融数字化转型战略的重中之重。未来金融AI建设将走向体系化、平台化，从商业应用向组织维度深化，更加注重AI对人工的辅助。

（杨望为腾讯研究院副秘书长，王诗卉为腾讯研究院研究员、博士后，魏志恒为腾讯研究院研究员）

本文刊载于《金融博览》2023年第3期

投稿邮箱：

[email protected]

订阅方式：

1. 邮局订阅：邮发代号22-488

2. 电话订阅：010-6326 5031