银行业会是金融AI的先驱吗？

众所周知，AI是以数据作为基础发展而来的技术，而银行正是拥有万亿字节用户数据的金融服务机构，所以银行业，必定会成为AI在金融领域发展的先驱行业。不仅如此，得益于AI技术的监督学习能力，机器可以根据数百万的例子来学习模仿人类做决策的过程，这一进步使得银行能够更好地将AI技术应用于电子业务和移动业务。

作者丨Lucas du Croo du Jongh, Malte Guendling, and Gökhan Ozturk

翻译 | 人大金融科技研究所 詹钥凇

来源丨MIT Sloan Review

在未来5到7年内，若银行运用AI得当，我们估计人工智能可以使银行的收入增加30%，并可能将成本降低至少25%。然而，迄今为止，大多数银行在运用AI的方法上都各不相同，其模型从客户聊天机器人到价格弹性分析，涵盖了各个领域。

但是，AI已经在提供的数百种可用的模型，如果银行没有进行综合运用，反而一次仅推出一种AI服务，显然是难以在之后的竞争中取胜的。

“

银行需要清晰的人工智能策略来实现行业占领。否则，其他拥有策略的银行将以更低的费用向客户提供更多定制的服务。

”

那么如何能更好规划人工智能的战略呢？一个成功的AI策略需要有四个方面的驱动：① 改善数据资产；② 可扩展的基础结构以满足更广泛的实验；③ 足够的AI测试员以发现新的AI用例；④ 寻找除银行服务外，AI能够解决的客户问题。

以下是对这四个方面的解释及例子:

1、改善数据资产

大多数银行的AI模型相对容易建立、复制或购买。那么让这些模型变得具有竞争力的便是数据资产。

只有数据易于获取，并且能够快速为AI算法所用时，AI模型才更具价值。目前，银行在组织数据方面存在严重的问题。数据分散在系统之间，使得检索变得十分繁琐。例如，客户和分支机构的互动是非常有价值的数据，但在AI应用时只能使用其中的部分数据。想象一下，如果你知道客户在购买产品前的思考过程，那么你对产品的定位将更将准确，也更能迎合客户的喜好。

所以，银行需要开发一种系统方法来建立其数据资产，能够实现对内部和外部资源的即时访问，同时具有历史数据和实时数据。同时，当业务要求运用特定的AI程序时，银行需要巧妙地平衡不同数据集之间的排序来应对各种对数据的搜索，以满足所需数据能够快速获取。

例如，美国运通正在利用其数据的力量，这些数据来源于每年超过1亿张信用卡，和超过1万亿美元的信用卡费，这些数据存储在大型的数据库中。通过使用机器学习算法，Amex现在可以使用100多个变量来分析持卡人支出数据，进而提供定制的优惠服务以吸引和留住客户。美国运通还利用这些信息，将商家与那些可能花销更多、更忠诚的客户进行匹配。

2、广泛运用AI模型

为了运营得更有效率，以AI为主的银行需要大规模地部署AI模型。这意味着，这意味着，面对随时可能运行数千个模型的可能性，一些模型服务于数百万客户，或者每天检查数百万个事务。这些模型中的许多将每月重新校准，有些甚至每天更新。

部署一个AI模型并不特别困难，但是由于不可预测性，将它应用于一百万人是一个挑战。管理多个模型，甚至数百个模型，更增加了难度。

问题的关键是人工智能就像炼金术：我们不能完全理解它具体的工作原理以及它何时会崩溃。例如，在评估信用时，一个未经过良好测试的模型可能根据几条数据（如家庭住址或教育水平）得出关于人的结论。

银行需要在整个组织中开发一个清晰的部署平台和管理模型的方法。例如，摩根大通（JPMorgan Chase）去年就投入了108亿美元的预算用于技术投资，其中超过50亿美元用于研发新技术。这些投资已经实现了几个大规模的人工智能计划，包括自动化，可以在几秒钟内处理12000个信用协议，这通常需要360000个人小时的人工审查；客户交易分析，以支持后续交易；以及为更高层次的任务免费开放的聊天机器人，她能够一周7天24小时不停地提供一流的客户服务。

3、将AI融入组织文化中

把AI引入到工作中最重要的一点就是让员工把AI看作是机会，而不是看作对他们工作的威胁。AI可以广泛的应用于自动化过程以支持人的工作。为了识别潜在的机会，员工需要为他们进行业务上的筛选。通过使用机器人执行一些单调重复性的任务，组织将能够更好地为客户服务开辟新商业模式，同时员工会用更多的时间从事更高级别的工作。

例如，Allstate商业保险专家基于网络的聊天机器人ABIE帮助代理商报价和发布Allstate商业保险产品，而无需使用呼叫中心，从而使他们能够销售更多的保险。ABIE能够回答问题并找到关键文件。它理解客户的上下文——他们是谁，他们在开发什么产品，以及他们在流程中的位置。

类似地，汇丰银行正在与一家硅谷AI初创公司Ayasdi合作，使传统上由人们进行的洗钱调查变得自动化。因为在严格监管的金融部门是不允许利用如同“黑盒子”的机器学习的，汇丰银行创建了一棵决策树来展示如何做出决策来应对这种情况。汇丰银行声称已经发现了许多与欺诈直接相关的新模式，并将汇丰银行的虚假警报减少了20%。

4、拓展银行以外的AI服务

银行业、金融咨询和其他咨询服务之间的界限正在模糊。人工智能只会加速这种趋势。这给银行提供了一个机会，可以在从购买汽车到健康咨询等一系列问题上成为值得信赖的财务顾问。许多其他企业已经表明，如果你关注客户的切身问题，利润就会随之而来。

一个中国人工智能第一的金融服务提供商，平安集团，已经实施了一个好医生的人工智能服务。它允许远程诊断健康问题，使用聊天机器人了解患者的情况，提供初步诊断，并指导患者到最合适的医生。该平台每天管理30万至40万次咨询，大约1000名医学专业人员提供持续反馈。

这一大胆的扩展，超越了金融服务进入医疗保健，突出了人工智能的潜力。它能扩大竞争领域，以及对银行的需求，使AI能够顺利转变和远离业务侵蚀。

AI现在能够很自然地适应银行，并且随着所有行业逐渐变得更加数字化，它将越来越适合其他公司。正如我们在金融服务中已经看到的，如果应用得当，人工智能可以降低成本，提高客户体验。但是为了获得这些好处，AI必须以不同的方式在更大规模上进行部署。

金融服务内外的公司都需要采取明确的AI优先战略。否则，它们将面临互连模型网络的风险，包含了许多极其相似的IT体系结构。

一旦公司有了清晰的人工智能战略和管理计划，他们就可以建立相对简单的模型，以提供短期的影响。然后，这些短期模型的财务效益可以支持进一步构建更复杂的模型所需的平台的费用。

考虑到成本节约和拓展新客户的好处，人工智能的潜力太大，不容忽视。同样来自创业公司的威胁也是如此，它们正沿着AI的方向发展，试图从较迟钝的竞争者那里吸引客户。

END

编辑/黄兹睿 卿碧钏

责编/詹钥凇 齐庆武

关于我们

中国人民大学金融科技研究所（以下简称 “研究所”），英文名“Fintech Institute of Renmin University of China”，简称“RUC FinTech Institute” ，是专注于金融科技理论、应用与政策的新型智库和研究机构，也是人民大学金融科技学科“双一流”建设的延伸科研平台。研究所充分利用中国人民大学在金融、经济、管理、统计、法律以及计算机科学等方面的跨学科优势，打破学科壁垒，加强交叉融合，不断推进金融科技的前沿研究。研究所坚持理论联系实际，注重应用成果转化，不断加强学界、业界和政策部门的良性互动，重点打造一个“产学研政”四位一体的多元化平台，为推动金融科技行业健康可持续发展提供决策参考。

微信号：中国人民大学金融科技研究所

（扫码下方二维码关注我们）