0
金融機構挑選AI產(chǎn)品，正如大將出征前要挑兩件趁手兵器：不談實戰(zhàn)需求，一味求重求新，斷不是上策；必須借匠人一雙慧眼，摸清脾性，知其弱點，才能改良打磨出一件稱心之選。
近期，雷鋒網(wǎng)《AI金融評論》策劃了「AI能否解決金融剛需問題」系列選題，借同一個話題，對不同背景的受訪者、產(chǎn)品和客群各異的企業(yè)們進行了多次專訪。
本文則從四大重點賽道出發(fā)，結合場景痛點，試圖從現(xiàn)下常用的解決方案中，找出當前AI能力在哪些問題上「鞭長莫及」，以覓得未來技術趨勢之所在。
AI在金融的商業(yè)化、規(guī)?；涞兀刨J風控是最典型也最為人熟知的場景之一。
如今的人工智能，可以根據(jù)海量數(shù)據(jù)開發(fā)和訓練信貸風控模型，利用算法在貸前評估預測用戶的還款能力和還款意愿，在貸中實時監(jiān)控借款人，對可能出現(xiàn)的違約進行事前干預。
在這樣的技術水平下，金融科技公司已經(jīng)為信貸業(yè)務提供全流程智能解決方案。機器能夠輔助金融機構決策，提高審批、監(jiān)督和催收效率，甚至在特定條件下直接替代人工，實現(xiàn)秒批秒貸、智能催收等等。
AI風控的供需雙方，也逐漸形成共識，摸索出一套相對通用的技術指標，例如K-S值、AUC和F-score等，為智能風控模型水平畫出“水位線”。
K-S值是風控中的一大關鍵衡量標準，它用于評估模型的風險區(qū)分能力，計算好壞樣本累計分部之間的差值（計算每個評分區(qū)間累計壞賬戶占比與累計好賬戶占比差的絕對值）。好壞樣本累計差異越大，K-S指標越大，則模型的風險區(qū)分能力越強。
拆解市面上常見的解決方案之后，我們不難發(fā)現(xiàn)，個人信貸風控這場重頭戲，主角經(jīng)常是評分卡模型。這一模型的良好可解釋性和高穩(wěn)定性，使得它為廣大銀行所接受和采用。
但隨著有組織的團伙欺詐行為頻發(fā)，原有模型未見得能查出這種更隱蔽的風險，越來越多的金融機構開始接受機器學習模型，金融科技公司也將知識圖譜、特征工程等更多技術方式融入到信貸解決方案中。
多位金融科技公司高層向AI金融評論強調(diào)，AI風控效果的好壞，與樣本息息相關。
因此，在缺乏專家經(jīng)驗、樣本質(zhì)量參差不齊、數(shù)量有限的情況下，半監(jiān)督或無監(jiān)督學習的技術方法受到業(yè)內(nèi)青睞，即訓練數(shù)據(jù)部分帶有標簽或全無標簽，團隊進行特征提取，訓練自身模型，進而將標簽遷移、擴散至其他沒有標簽的用戶。
隱私監(jiān)管和數(shù)據(jù)孤島的雙重挑戰(zhàn)下，各種AI技術流派也逐漸興起并在信貸風控場景展開應用，例如聯(lián)邦學習、安全多方計算、隱私計算等。
高層們也指出，AI風控還存在如下疑問：
模型具有一定時效性，其性能會否隨著時間推移而大幅下降？
模型更新所需的時間和人力成本如何？
模型能夠實現(xiàn)多高的標準化程度？
解決方案與銀行核心系統(tǒng)在對接的過程當中是否簡易？
……
問起什么才是金融領域最為關鍵的問題，答案多半是KYC。
不止一位資深業(yè)界人士向AI金融評論強調(diào)，KYC最難的地方在于怎樣識別自己的客戶，這在金融場景獲客、反欺詐、風控和貸后環(huán)節(jié)非常關鍵。
幾乎所有金融機構都有強身份認證需求，指紋、人臉、虹膜等生物特征識別手段也順理成章進入到金融業(yè)務的多個重要環(huán)節(jié)。
眼神科技市場體系高級總監(jiān)王姝琦告訴AI金融評論，生物識別在金融業(yè)的發(fā)展，可大致分為三個階段：
在傳統(tǒng)金融時代，生物識別初步被引入銀行，優(yōu)先解決的是銀行內(nèi)部風險控制問題；
隨著互聯(lián)網(wǎng)的發(fā)展，眼神科技率先提出了人臉聯(lián)網(wǎng)核查，之后被廣泛應用，幫助銀行降本增效；
在如今的移動互聯(lián)網(wǎng)浪潮下，生物識別進一步升級，不再停留在單純的身份認證，而是充分發(fā)揮人機交互特點，與金融客戶共同打造智能柜員、智慧網(wǎng)點、手機銀行、泛金融拓展等方案，優(yōu)化客戶體驗，實現(xiàn)遠程獲客、創(chuàng)新營銷。
盡管生物識別方案當前普及率頗高，但仍存在著一定發(fā)展桎梏。
“不論是機器視覺，圖像識別，還是生物識別，其實都屬于模糊識別，也就是只能告訴你‘有多像’，而無法告訴你‘一定是’——每一種識別技術都會有或多或少的局限性和識別極限，或者不適合的應用場景?！蓖蹑@樣總結。
隨著AI發(fā)展和海量數(shù)據(jù)的增加，不同信息從不同方位、不同傳感器一擁而入，指紋識別、人臉識別、虹膜識別、指靜脈識別等單模態(tài)識別已經(jīng)很難滿足強安全、多場景、大數(shù)據(jù)庫下的應用發(fā)展。
她表示，要實現(xiàn)超大底庫下的強身份認證，生物識別作為智能化趨勢下重要的AI入口，多模態(tài)融合已成AI發(fā)展的必然趨勢。
只有通過多模態(tài)生物識別的統(tǒng)一融合，才有可能覆蓋盡量多的應用場景和應用人群，進而創(chuàng)建完整的場景生態(tài)，讓單一的行業(yè)技術，向大數(shù)據(jù)的智能化服務發(fā)展成為可能。生物識別在金融領域的落地，也逐漸由單模態(tài)識別和技術應用，過渡到多模態(tài)融合。
把握住“多模態(tài)融合”技術趨勢的生物識別企業(yè)，才有希望“百尺竿頭更進一步”。以眼神科技的解決方案為例，新階段的金融生物識別產(chǎn)品體系需要多種自主知識產(chǎn)權核心算法及多模態(tài)融合算法（如人臉和虹膜識別融合、指紋和指靜脈識別融合等），統(tǒng)一平臺，面向各個場景的場景云和應用軟件，適用于不同場景的智能硬件終端，以及面向公眾的AI能力平臺。
除此以外，如何兼顧安全和便捷，滿足識別安全性的高度、覆蓋人群和場景的廣度以及使用體驗的優(yōu)化度，也是技術廠商們長期以來思考的問題，多模態(tài)融合發(fā)展或將成為解決之道。
AI金融，不止與主要金融產(chǎn)品和業(yè)務環(huán)節(jié)相關，營銷和客戶運營的數(shù)字化、智能化也日漸受到重視，技術也從用戶生命周期切入，正滲透到金融業(yè)務全鏈條當中。
縱觀行業(yè)應用方案，不少銀行基本形成基于AI和大數(shù)據(jù)的智能化營銷和運營策略，即建立和研發(fā)個人客戶畫像體系，不斷豐富客戶立體維度標簽，加強對客戶需求的挖掘和分析，從而實現(xiàn)精準營銷和定制化服務。個別智能營銷方案更強調(diào)了對線上線下、存量增量等全維度營銷場景與渠道的覆蓋。
但也有金融科技公司的CEO認為，在金融產(chǎn)品智能營銷領域，即使推薦模型效果再好，還是很難通過少量的產(chǎn)品滿足消費級用戶的全部需要。
營銷的另一大主要痛點，其實來自于風控。
風控與獲客通常以“相愛相殺”的關系出現(xiàn)，如果一味降低風險水平，容易造成營銷端的流量浪費，轉化率低下。
因此，一些大型互金公司選擇將風控前置到營銷端，即借助AI算法、大數(shù)據(jù)關系圖譜等技術，在營銷廣告投放之前，系統(tǒng)就預判出潛在客戶的信用品質(zhì)，再進行千人千面的廣告投放，從而平衡了營銷獲客與風險控制的關系，以達到公司利潤最優(yōu)化。
同時，金融機構還面臨著技術能力有限和標簽信息不足的問題，擔心在營銷過程中泄露用戶信息。
例如機構試圖激活存量客戶，但客戶處在睡眠狀態(tài)時他們很難得到更豐富的信息去判斷；用外部標簽判斷客戶，相當于把自己的客戶信息泄露出去；沒有聯(lián)合建模的情況下，營銷匹配度也有限。
一位隱私計算技術服務商向AI金融評論表示，這類情況目前已經(jīng)可以通過縱向聯(lián)邦學習模型解決；存量客戶對外進行畫像匹配時，也可通過安全方式查詢。在此過程中，存量客戶也并不會有更多信息被外部獲取。
智能投顧，被認為是AI落地的重要方向之一，入局的金融機構和創(chuàng)業(yè)公司眾多，卻在近兩年進入到調(diào)整沉淀期。
在理財魔方CEO袁雨來看來，這是智能投顧領域必經(jīng)的去偽存真時期：
“很多公司和項目，不理解智能投顧，不知道智能投顧屬于財富管理，當成資產(chǎn)管理來做，他們最終都停滯了或者關停了。不能解決客戶過去在標準化資產(chǎn)的投資理財上盈利比例太低這一核心痛點的公司和項目也都失敗了?！?/p>
市面上的智能投顧產(chǎn)品，基本是根據(jù)個人投資者提供的風險承受水平、收益目標以及風格偏好等要求，運用一系列智能算法及投資組合優(yōu)化等理論模型，幫助用戶實現(xiàn)主、被動投資策略相結合的定制化投顧服務。
但有業(yè)界觀點認為，AI的優(yōu)勢在于解決信息過載和長尾信息問題，但智能投顧是先通過問卷調(diào)查進行畫像，然后在有限且有序的資產(chǎn)配置產(chǎn)品中推薦合適的投資組合，這一業(yè)務架構下的物理變量都較為清晰，AI的發(fā)展余地似乎并不大。
對此，袁雨來告訴AI金融評論，在投資領域，標準化資產(chǎn)的財富管理是對于未來的不確定性交付，人類無法在越來越多樣化的世界里，在體現(xiàn)無數(shù)商業(yè)活動的金融市場價格數(shù)據(jù)中，把握住其中規(guī)律的部分和不確定的部分的——在數(shù)據(jù)信息越來越多的情況下，這正是機器最主要優(yōu)勢。
他告訴AI金融評論，機器能提升對全市場數(shù)據(jù)和決策的準確性，更好地量化客戶風險承受能力和投資情緒波動。
針對這一特點，智能投顧產(chǎn)品也逐漸完善，以理財魔方為例，其解決方案采用AI+主動全天候策略+三級風控體系，為每位用戶定制匹配其風險的理財投資組合；并且能夠一鍵實現(xiàn)全球配置，系統(tǒng)24小時監(jiān)控全球金融市場的各類資產(chǎn)，動態(tài)調(diào)倉，盡量減少對用戶注意力的占用。
同時，智能投顧公司們也正試圖向金融機構打包輸出自己的技術能力，提供公募基金智能組合策略、基金投顧客戶基礎服務等，為機構打造個性化基金推薦、客戶風險特征畫像等產(chǎn)品體系。
雷鋒網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉載。詳情見轉載須知。
