专栏 | 杨望、张钰：得AI者，得零售

消费已逐步成为中国经济发展新动能，与之匹配的是对大众理财与个体资金的服务需求，这正与零售银行的业务本质不谋而合。回顾各类银行今年财务中报，平安、招商、邮储等银行零售业务创收占比均超过50%，“得零售者，得未来”的行业共识不断强化。

在各银行抢占零售新高地的今天，也反应出充分运用人工智能意味着零售业务的流程更新、行业痛点的突破以及服务质量的全面提升，零售银行的未来或将成为“得AI者，得零售”的新趋势。

文｜杨望、张钰

编辑｜李佳琪

图｜由作者提供

得AI者，通则不痛

当前零售银行业务面对的外部环境仍处于转型阶段，旧习犹存的金融环境对零售业务的开展提出挑战。资管新规实虽为零售业务奠定了良好基础，然而，回归理性与效率需要时间的积累，当前投资者理财观念仍处在适应新规的阶段，金融产品上下游还未形成彼此监督配合的体系，由此导致银行零售业务仍未对客户群体实现风险偏好分层，零售产品精准定位、有效分散金融风险的难度依旧不减，同时，打破刚性兑付短期内可能会流失以往保本理财的客户，银行还需考虑转型期如何弥补利润流失问题。

人工智能可以为零售业务把控风险、提供客户个性化定位，同时，放宽了对金融产业链理性运作的要求，为处在转型阶段的零售业务提供解决方案。智能投顾、智能审批以及智能客服是为客户量身打造的服务帮手，基于客户的个性化信息对其理财行为进行分析，提升业务效率、客户体验，成为零售银行下一个客户增长点。人工智能也将助推金融产业链回归理性，上下游机构对彼此的风险偏好有了新的认知，这有助于金融产品的设置拉开层次，市场参与者、市场总体业务结构的层次均能丰富起来，风险群体得以归类并有效防止交叉感染。

改善零售业务的外部环境需要依赖多方共同努力，而在将零售业务做大、做强的过程中，银行自身的发展瓶颈是不可避免的：客户下沉过程存在的信用空白，中小银行加入零售队伍存在壁垒，而引入人工智能将有效应对这两大痛点。

首先

客户下沉是银行扩大零售业务规模的的必经之路。零售银行客户特点是个体分散且体量较小，如何突破距离阻隔、行业限制、甚至消费理财习惯，令零售业务真正对接到更多群体是亟待解决的问题。人工智能为客户下沉提供路径，由于无人化智能网点得以分布，专业素养与地域隔离不再成为限制，客户黏性增强，口袋APP等更是将网点服务与客户群体的关系进一步拉近，有助于打通客户下沉的渠道。

其次

随着对客户群体的渗透不断加深，以往在金融服务边缘的客户也将被包括进来，这一部分客户金融行为简单、理财记录空白，传统的资质审查难以基于少量记录做出决策。此时，人工智能的深度学习算法体现出其优势，与客户生活相关的方方面面数据信息都可以为智能决策提供参考。而使中小银行加入零售队伍，正是从业务供给端出发提出的增长道路。人工智能有助于突破零售行业的进入壁垒，将零售银行模式推广。大型银行网点前期普遍覆盖，依靠赚取利差积累广泛客户，而相比之下，中小银行不仅缺失厚重的客户基础，且多以对公业务为主，零售经验不足。并且，风控能力又是开展零售业务的必备条件，需要专业人才配备、健全的风控系统等硬件配合，不利于更多中小银行机构进行零售转型。而人工智能自身具有风控的技术优势，降低了对硬件设施、人员配备等前提要求，有助于零售模式对接满足内需的经济发展阶段。

得AI何以得零售？

零售银行从电子银行的1.0时代发展到当前数字化银行阶段，其本质是“以产品为中心”向“以客户体验为中心”转移，人工智能充当这一转变的过渡工具，为零售业务打开新天地。

零售从无到有

首先，人工智能革新零售业务的获客逻辑。传统金融行业营销策略大多是以群发形式为主的标准化产品，引进人工智能则将实现精准营销。广泛采集立体化的客户信息是智能分析的前提，信息不再局限于交易本身，而是将潜在客户社交网络浏览行为、产品购买行为等个性化细节均包括进来，用广义的信用数据弥补金融信用数据的空白，实现零售业务从“0”到“1”的初步布局。

其次，人工智能通过深度学习、自然语言处理等技术为各类型客户搭建认知模型，突破传统金融服务对于客户需求的盲区。由于人工智能所打造的金融产品是金融机构、零售产品设计、客户与零售服务人员彼此信息互通的结果，零售银行的服务半径将进一步扩大。同时，引入人工智能将起到事半功倍的效果，据艾瑞咨询估算，人工智能相较传统营销方式，获客成本将有效降低70%，客户活跃度将明显提升50%。

零售走向算力风控

人工智能将借助算力更新风控流程。结合前期营销获客的数据基础，机器学习与人脸识别将人工判断从繁琐的手续中解放出来，不仅提高零售客户的服务体验，更能提高贷前审查的准确度与防欺诈能力。贷中管理也将突破以往单一的数据来源，在其他平台逾期、手机停机或法院失信等更多元的记录均会作为零售客户的考察指标，再加上微表情识别与知识图谱等辅助手段，零售业务中基于信息不对称的信用风险将有效降低。

精准风控的另一个益处便是能降低成本。基于深度学习的算法模型可对评估对象实现信息实时更新、精准定位，从而可在海量交易中做到高覆盖、少拦截，据艾瑞咨询统计，AI风控系统在一万笔交易中仅拦截80~120笔，就可将80%的欺诈交易拦截在外，而传统的评估方式则需要拦截上千笔交易才能达到同样的风控效果。因此，精准定位不仅能减少银行冗余的审核成本，还能实现资金的高效使用。

案例：平安银行零售全面AI化

平安银行以科技引领的新零售商业模式已进入2.0阶段，给平安银行带来较强的业务增长势头。今年上半年，零售业务利润贡献值高达70.2%，零售贷款占比提升至58.8%，信用卡贷款增量占总贷款增量已达到61%。

平安银行依靠智能技术、数据集中和共享，已建立颗粒化、标签化的智慧风控平台，其中，智能预警是前瞻性领先行业，智能清收则是平安银行的独家功能。平安银行目标在2019年底继续重塑零售管理体系，实现全面AI化。其未来的零售业务模式有望转向财富管理，人工智能仍将发挥重要作用。

当前我们已从工业化贷款转向大众消费时代，零售业务恰好是关键的金融接口，蓬勃发展的零售银行将对当前的经济发展做出重要贡献。此时，得AI者，其零售服务也将体验趋佳、质量提升，人工智能已逐渐成为零售银行发展的重要加持力量。

作者简介：杨望，瀚德金融科技研究院执行院长，中国人民大学金融科技研究所高级研究员，中国人民大学国际货币研究所研究员张钰，瀚德金融科技研究院研究员

本文刊登于《科技与金融》杂志2019年10月刊。

欢迎微信分享，如需转载请与编辑部联系。

(月刊订购方式可点击文末【阅读原文】进行了解）

点击【阅读原文】，订购所需月刊！