当前位置:电子银行 > 正文
看光大、浦发如何发展人工智能

  习总书记在十九大工作报告中强调,“建设现代化经济体系,必须把发展经济的着力点放在实体经济上”,“推动互联网、大数据、人工智能和实体经济深度融合,在中高端消费、创新引领、绿色低碳、共享经济、现代供应链、人力资本服务等领域培育新增长点、形成新动能”,同时也指出:“要深化金融体制改革,增强金融服务实体经济能力”。

  今年7月,国务院印发《新一代人工智能发展规划》,智能金融发展被提至国家战略高度。在金融领域应用人工智能替代人类的知识和经验,可进一步提升服务效率和水平,为普惠金融、绿色金融的全面发展打开新局面。

  本文结合《上海浦东发展银行信息科技部总经理 蒋瞳——浦发银行深入挖掘AI价值》、《中国光大银行信息科技部总经理 李璠——人工智能,开启金融科技服务新征途》两篇文章对银行人工智能的发展进行探讨。

  一、人工智能推动金融创新的思考与实践

  人工智能诞生至今已有60余年,期间经历了两次跌宕起伏。进入新世纪后,随着大数据几何级增长、硬件计算水平空前发展和深度学习算法带来的自主学习能力发展,人工智能迎来了第三次发展高潮。当前,人工智能技术应用主要表现在两个方面:一是机器感知,包括语音处理技术、图像识别技术等,替代人类的视听器官去感知和识别;二是机器认知,利用算法和数据,使计算机在某些场景下具有认知和判断能力,替代人脑的部分作用,可以和人一起工作,协同完成某项任务。

  机器感知和机器认知可以应用于整个银行业务交易流程中,从前台的客户服务,到中台的产品设计,再到后台的风险防控,可以用于挖掘与捕获客户的行为个性、价值取向,以及金融市场中细微而敏感的变化趋势。随着人工智能的飞速发展,人性化和个性化的批量客户服务成为可能,商业银行的渠道、金融产品、风险管理、授信融资、投资决策等都将迎来新的变革。伴随人工智能应用的普及,金融将彻底普惠,过去很难享受到专业金融服务的长尾客户,也将可以享受量身定制的金融服务了。

  具体而言,商业银行可以在四个方面运用人工智能技术。

  1.改善客户体验。

  物理网点和电话座席的客户排队久、等候时间长一直以来都是最让银行头疼的问题之一,恰当运用人工智能技术在人脸识别、语音识别、自然语言处理等方面的优势,能够有效提升金融服务的客户体验。

  比如,在网点放置“网点机器人”,实现指定区域自动巡航、客户迎宾分流和语音互动交流,还能尽早识别客户身份,提前调取客户基本信息,及时获取客户需求,有效分流排队人群;在客服渠道,根据客户语音自动进行菜单导航,收集业务咨询热点问题,生成知识问答库,自动回复客户问题,通过分析客服人员的应答用词和态度,有针对性地提高服务水平;在人机交互场景中,利用人脸识别进行辅助身份认证,缩短验证时间,在改善客户体验的同时,又能提高银行业务处理速度,拓宽客户范围。

  2.实现量化交易。

  传统投资顾问帮助投资者制定符合其风险偏好特征、适应市场表现的投资组合,需要耗费大量昂贵的人工,提高了财富管理服务的门槛。运用人工智能技术,可以用最少人工干涉的方式为更广泛的客户群体提供量身定制的资产管理投资方案,使普通客户也能享受到原来只有高资产客户群才能享受到的专业金融服务;在金融市场交易等领域,可以利用人工智能技术替代人为主观判断,通过数据分析,从历史数据中海选能带来超额收益的多种“大概率”事件以制定策略,减少投资者情绪波动带来的影响。

  3.提升风险管控。

  采用大数据和人工智能深度学习技术,导入海量金融交易数据,结合社交媒体中丰富的客户数据,提取行为特征,对客户进行动态地信用和风险评价,既提高了评级精度,丰富了服务层级,又能根据客户即时交易数据,实时调整评级,及时采取措施化解可能出现的风险;利用知识图谱技术,挖掘分析信贷客户之间的关联关系,预测潜在的信用违约风险,以便提前采取防范措施,降低贷款不良率;另外,还可利用历史数据总结洗钱和欺诈交易特征,替代人工筛查,提高筛查质量,降低误报率,实现事中拦截,降低合规风险。

  4.打造智能运维。

  利用人工智能技术深度挖掘潜在的、不易被传统手段发现的网络攻击,提升对于应用层网络攻击的识别能力,更加精准、快速地对攻击者进行溯源和意图分析;在数据中心基础设施控制领域,还可利用人工智能及物联网技术,收集数据中心运行相关的各类数据,动态调整风冷水电,提高能源利用率,实现绿色节能。

  二、光大银行

  中国光大银行在建设“国内一流股份制商业银行”的发展目标指导下,以“综合化、特色化、轻型化、智能化”为转型发展方向,依托科技创新实验室机制,并结合本行实际,积极开展人工智能技术的探索和研究。

    (一)人工智能,开启金融科技服务新征途

  1.科技创新实验室是人工智能应用的“孵化器”

  科技创新实验室是光大银行于2011年成立,主要承担对于新技术、新概念的验证及对于新产品的孵化推广。科技创新实验室打破了以往审批、研发周期长的工作流程,通过“创意直通、闭环运作、成果孵化”的创新措施,积极推动AI应用发展,并对AI应用统筹管理,促进其在我行业务层面的应用,实现AI产品的快速落地投放市场。通过新技术和业务前线创新需求的无障碍对接,科技创新实验室已先后培育出智能语音、生物识别、智能反欺诈、智能反洗钱等多个AI应用项目,初步形成了智能客服、智能产品、智能风控、智能营销、智能运营等领域的技术布局,部分应用已开始在全行推广应用。

  2.人工智能应用实践

  包括:智能客服、生物识别、智能风控、智能营销和智能运营等应用。

  智能客服应用。通过语音识别和自然语言理解技术的应用以及与现有IVR系统的集成,迈出了人工智能技术在客服系统应用的关键一步。此应用实现了客服系统 “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,也大大降低了运营成本。

  目前智能文字应用于网站、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,大部分的文字客服由智能文字机器人来完成,只有极少数的请求由人工来处理。

  智能语音项目通过语音识别和自然语言理解技术的应用以及与现有IVR系统的集成,实现对于语音客户系统的智能化升级,通过由机器人来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。

  生物识别应用。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,也有效的控制了操作风险。

  2016年3月在现有的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。

  智能风控应用。智能风控主要通过机器学习及深度学习算法在风险控制模型的应用,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。

  目前,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,极大的提高了报送效率。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,目前正在规划制定全渠道反欺诈解决方案。

  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,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,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。已建成的客户行为预测模型包括客户理财评级变化预测模型、客户资产流失预测模型、产品购买模型(理财、定期),在总分行试点应用中效果显著,计划进一步推广。

  智能运营应用。银行网点智能运营的核心是运用大数据分析挖掘方法对服务进行精准量化,以此为基础实现在效率、成本、合规等方面取得进一步改善,从而实现网点的资源配置优化、运营成本压缩和服务体验提升。目前针对智能网点运营已完成了网点现金吞吐量预测模型的研发,后续将推动该模型的落地及优化。

  (二)人工智能在金融科技领域进程将不断加快

  结合业务、科技现状,推进人工智能的策略是依托科技创新机制,推进联合创新,以先进的业务应用场景为重点,力求在重点领域实现创新突破。积极引入市场上成熟的技术,将更多的资源投入到AI技术与银行业务场景的结合上,推出符合银行发展需要的智能应用。

  1.依托科技创新实验室机制,开展联合创新。

  充分发挥科技创新实验室的机制优势,“走出去”积极开展与相关科研院所及厂商的合作,打破行内资源限制,充分利用“外脑”,将行业最新成果积极转化成我行的科技创意。

  2.协同业务部门推动AI在业务场景的落地。

  积极开展人工智能技术的探索和研究,并且应用效果逐步展现。需要在现有AI应用基础上,协同业务部门推广已有AI成果落地,加大推广力度和推广范围,同时进一步扩展AI应用场景,包括智能营销、智能风控、智能投顾、智能机器人、生物识别等场景应用,实现业务智能化,提升我行整体服务水平和竞争力。

  3.加强人工智能人才队伍的培养和建设。

  人工智能对于人才的复合型要求较高,既要具备机器学习、神经网络等专业技能,又要对银行的业务流程、管理要求等有深入的理解和丰富的实践经验。为了加快核心人才队伍的建设,一方面积极挖潜内部资源,培养兼顾技术和业务的人工智能应用专家,另一方面,加强外部合作,如科研院校、金融科技企业等,借助整个行业在人工智能领域的研究力量,共享专家资源,共享行业成果。

  4.持续加强人工智能基础性应用建设。

  人工智能需要通过海量的数据支撑,需要特定领域的海量数据对和科学算法人工智能进行训练,因此人工智能有效实现,离不开应用系统的基础性支撑。因此需要进一步加强大数据、云服务基础性系统建设的投入,以便于为AI的持续发展提供良好的基础。

  三、浦发银行

  浦发银行紧跟现代科技发展步伐,从2009年开始,启动了在大数据、机器学习、自然语言处理等人工智能应用研究。建设了集数据、算法、服务和治理于一体化的大数据应用创新环境。依托对内外海量数据的计算推演,逐步还原了客户全景画像,成为浦发银行数字化发展的新引擎。目前,课题研究成果覆盖公司、零售、风险、运营、资财及金融市场等六大业务,取得了较为显著的经济效益和社会效益。

    (一)深入挖掘AI价值

  1.营销服务方面,人工智能技术的应用为线上线下市场的协同布局提供了加速度。

  研发了基于混合学习的精准营销模型,并在信用卡、点贷、基金等产品的定向销售上进行了有效的应用。营销效能较传统营销模式提升了8~15倍,拉动消费信贷增长约39%,而营销成本较以往下降了15%。2016年推出的智能理财顾问—“财智机器人”利用大数据分析、人工智能、移动互联等金融科技,集线上智能投顾及线下个性化专业咨询服务于一体,根据客户的风险承受能力、资金状况等进行资产体检,并给出配置建议,实现基金、理财、贵金属等多产品类别的组合产品推荐,实现了资产配置顾问式服务。

  2.客户管理方面,人工智能技术为客户体验改善提供了手段。

  利用自然语言处理和情绪计算技术,感知客户投诉时的情感状态,为客服人员给予提示并辅助开展主动危机公关。运用此项技术后,投诉客户的资产总值不降反升,贵宾客户数量提升了12%。开展了基于机器学习的客户流失感知预警研究和应用,有效遏制了私行客户流失,流失率较以往下降3%~6%,客户规模保持20%以上高速增长。

  3.风险控制方面,人工智能技术为全面风险防范提供助力。

  自主研发的社交图谱技术实现了应用突破,通过全息风险感知捕捉出了3700余条风险线索,提前挽回风险资金100多亿元。建设了基于深度学习和大数据训练的活体人脸识别系统,与个人网银、手机银行、VTM、客服系统相结合,并配合已有的静态密码、动态口令等认证方式,提供手机银行刷脸登录、电子账户升级刷脸验证、电子渠道大额转账刷脸验证等业务功能,在提升客户汇款金额、申请大额贷款等资金类业务中,大幅提升了交易安全。

  (二)人工智能应用中的挑战和建议

  1.人工智能在商业银行应用中存在的挑战

  人工智能已经在部分银行业务领域小试牛刀,未来必将对整个银行业务带来颠覆性的影响。但是我们也应该看到当前人工智能在商业银行应用中还存一些挑战。

  数据仍是银行的短板。机器学习(尤其是深度学习)的应用需要基于大规模、高质量数据的训练,数据量的大小直接关系到算法的性能表现。然而银行信息系统建设以往呈现“重功能实现、轻数据采集”的特点,导致数据丰富程度不够,数据质量不高。另外,银行各业务部门之间、分行与分行之间、行内与行外之间还或多或少存在信息壁垒,也阻碍了数据的共享与集成。

  创新研发软实力不足。在人工智能算法创新能力、计算支撑能力、专业人才培养等方面存在不足。人工智能的深度应用,需要具备优秀的算法创新能力、强大的计算支撑能力和顶级的专业人才,相比于互联网企业或金融科技企业,银行在这些方面还存在不少差距。

  智能化程度有待进一步提高。虽然人工智能在智能客服、智能投顾、智能信贷、交易分析、风险管理等方面有所应用,但是业务的智能化程度还不够高,在服务的满意度、人机交互的体验、决策的精准程度等方面仍需完善。

  安全风险面临新情况。银行业是极度重视风险的行业,但是人工智能系统较传统系统的复杂度更高,智能分析所涉及数据的数量和范围更大,系统遭受到系统宕机、网络攻击、数据泄露等安全风险也随之增加。人工智能自动决策中存在小概率的偏差甚至失误可能导致意外客户财产损失、将给商业银行带来一定的业务和信誉风险。目前看来,当人工智能的应用出现重大缺陷或者安全隐患时,当下的法律框架和监管原则都还有待完善。

  2.商业银行的应对策略

  尽管人工智能在银行应用中还面临诸多挑战,但是人工智能将重新定义金融服务行业的趋势不会改变。为了更加有效推动人工智能在银行中的研究和应用,我们建议从以下五方面着手。

  明晰战略。银行首先应结合自身现状回答“目前银行处于什么阶段?银行未来的目标和竞争优势是什么?需要哪些人工智能技术以及如何具备这些技术能力?”等基本问题,在此基础上,尽快明晰中长期的人工智能发展战略,并规划实施路径。

  夯实基础。一方面,银行需要通过多渠道引入各种外部数据,以丰富数据资产维度,建立并严格执行统一的数据规范和标准,以提高数据质量。另一方面,需要弥补计算能力短板,加大云计算投入,拓展建立全栈大数据洞察分析平台,支持多模态数据融合分析,实现PB级数据挖掘分析和人工智能运算能力。

  苦练内功。算法是人工智能的灵魂,应在传统有监督学习的基础上,增强对无监督/半监督、强化学习、迁移学习的研究,重点加强对深度学习的研究。例如:如何利用无标注数据开展学习,降低算法复杂度、提高算法效率等,以提升在图像识别、语音识别、语义分析等领域的应用效果。此外,也需加大机器学习、自然语言处理、生物识别等领域的人才培养和引入。可考虑组建人工智能研究小组或实验室,提高银行在人工智能领域的研发创新能力。

  深接地气。人工智能只是手段,提高银行的服务能力和管理水平才是目的。因此,要特别重视人工智能应用场景的研究,例如:机器人智能服务、智能授信、产品智能推荐等领域,让人工智能在银行业务中真正发挥作用。另外,银行应不断革新经营思维,强化人工智能配套机制建设,避免出现“形智”而“神不智”的现象。

  拓宽眼界。银行目前还不是人工智能研究的领导者,但是银行必须紧跟人工智能技术前沿,积极尝试在多个业务领域运用人工智能技术,提高人工智能技术的应用能力,做到“近水楼台先得月”。

  四、结语

  面对金融竞争的新常态,商业银行要顺势而为、及时转型,利用金融科技撬动金融创新,构建以客户为中心的差异化、专业化金融服务交付能力,成为集约化、智能化金融服务先驱者。商业银行应积极拥抱人工智能技术来构筑难以逾越的差异化优势,同时,对人工智能的应用也要有科学的认知。

  一是以业务适用性为原则,以解决业务痛点为切入点,推动技术和业务融合,体现人工智能的实际价值与效用,回归本源,思考如何运用新技术降低金融服务成本、改进流程、提升效率,如何运用新技术支持中小微与“三农”客群,服务社会经济发展。

  二是遵循新技术应用创新的客观规律,面对不确定性,商业银行要配套提升组织的灵活性和适应性,建立试错容错的文化。从试点入手,通过迭代交付,根据市场反馈逐步展开,真正发挥金融创新的价值。

  三是建立统一的标准和规范,促进行业健康发展,随着人工智能应用的深入,加强在法律法规、伦理规范和政策方面的探讨,克服社会文化方面的挑战,确定人工智能应用的安全边界。

  金融业是又传统又现代的行业,能兴盛繁荣至今,是因为其总是跟随科技进步走在新技术应用的前列。当前,人工智能已成为推动银行创新发展的重要手段,商业银行要响应国家的战略号召,把建设、应用人工智能技术作为一项战略性工程实施,构筑未来金融的核心竞争力,改善金融服务,肩负起新时代赋予的责任和使命。

  (资料来源:《上海浦东发展银行信息科技部总经理 蒋瞳——浦发银行深入挖掘AI价值》

  《中国光大银行信息科技部总经理 李璠——人工智能,开启金融科技服务新征途》)

相关链接:

作者: 来源:互联网 发布时间:2017-12-06 05:35:35
 
 
  我要发表留言  查看所有评论
 

*
 限制字数显示剩余字数,最大长度: 500 还剩: 500
用户名:
       尊重网上道德,承担一切因您的行为而直接或间接导致的民事或刑事法律责任