在現(xiàn)代金融史上，沒有一項技術(shù)比人工智能這顆核彈輻射的范圍更廣，更能決定命運了。

它看準了金融行業(yè)數(shù)字化程度高、歷史數(shù)據(jù)準確等特點，像熔漿一樣無孔不入的流進金融的各個業(yè)務(wù)中，并給它們燙上了自己的烙印：智能投顧、智能風控、智能營銷、智能客服......

但同時，很多人也在質(zhì)問它是否名副其實。國內(nèi)好的智能投顧產(chǎn)品幾乎為0，智能風控的效果太過依賴樣本，智能營銷推薦的商品讓人“摸不著頭腦”，智能客服遇到不會的問題秒變“復(fù)讀機”。

人工智能到底給金融帶來了哪些改變？它是否真正產(chǎn)生了實實在在的經(jīng)濟價值？是雷聲大、雨點小，還是真正解決了金融業(yè)務(wù)中的諸多痛點？每個人選擇不同，答案不同。

AI金融“四處碰壁”

｜1000億美元投入“大海”，愣是沒砸出一個花來。

AI這條路，真的不好走。

即使是曾經(jīng)一度成為世界首富的孫正義，最近也在人工智能的投資上栽了跟頭。

作為人工智能的頭號粉絲，為了投資人工智能，過去的幾年中，他籌集了1000億美元的基金，其中大部分資金投資了以人工智能為中心的70多家公司，但戰(zhàn)績潦倒，僅2019年，軟銀便虧損了880億元，相當于一年損失了兩艘“伊麗莎白女王”級航母。

其實，在現(xiàn)階段的大部分行業(yè)中，AI能顛覆的場景并不多。即使在數(shù)字化程度頗高的金融行業(yè)，AI也并非一帆風順。

比如「AI風控」，因為事關(guān)財產(chǎn)安全，一直是銀行等金融機構(gòu)關(guān)注和投入的重點。

一直以來，銀行對「信用卡套現(xiàn)」等產(chǎn)業(yè)詐騙團伙十分頭疼。一些不法分子利用漏洞，通過有組織的活動，將信用卡的資金提現(xiàn)，用于投資、賭博。而「AI風控」可以通過對個體騙貸行為的分析，找到某種聯(lián)系，識別出詐騙團伙，進而做出相應(yīng)的封卡措施，減少損失。

但是，AI風控的效果的好壞十分依賴樣本，如果樣本的數(shù)量或者質(zhì)量不達標，會嚴重影響風控的效果。

在欺詐等場景中，樣本天然比較充足，效果也相對較好。

但是在信用卡盜刷、賬戶盜用等場景下，因為銀行的防控力度比較強，發(fā)生的案件數(shù)量較少（能積累到的樣本較少），使得AI風控的效果也是參差不齊。

邦盛科技副總裁王雷認為：“樣本的質(zhì)量高低，很大程度上依賴于專家的經(jīng)驗?！倍壳埃珹I專家人才緊缺，有經(jīng)驗的科學(xué)家更是鳳毛麟角，這也使得AI風控在行業(yè)整體效率上難以提升。

然而，相比智能投顧、智能營銷、智能客服等AI在其他場景下的應(yīng)用，「AI風控」取得的成果已殊為不易。

在“AI+投顧”的場景中，智能投顧企業(yè)遲遲未能解決獲客成本高、大多數(shù)投資人未能實現(xiàn)盈利的問題。

虞愛是一家金融科技公司——悅?？萍嫉腃EO，他平時常常會接觸到做智能機器人的客戶，也喜歡體驗新的產(chǎn)品和技術(shù)，在被問及AI在哪些場景中落地并不理想時，他首先就提到了智能投顧。

他認為NLP需要對語義有更精準的理解，現(xiàn)階段NLP只能實現(xiàn)部分流程的替代，若不能實現(xiàn)進一步突破，智能投顧公司與客戶之間始終會存在一條看不見的“天塹”，很難進行有效且順暢的交流。

“此外，實現(xiàn)AI能力的基本要素在于數(shù)據(jù)的積累，而目前的情況是智能投顧公司積累的數(shù)據(jù)量普遍較少，這也阻礙了行業(yè)的進一步發(fā)展?！庇輴壅f道。

在非?；馃岬摹癆I+營銷”的場景中，消費者多元化的需求和市場上產(chǎn)品的稀缺，形成了鮮明的對比，商品的推薦效果并不理想。

智能營銷通過優(yōu)化AI算法，根據(jù)購買商品的網(wǎng)絡(luò)痕跡等非常有限的信息，為每一個客戶構(gòu)建用戶畫像。構(gòu)建好畫像后，把用戶分層，然后和相應(yīng)的標簽進行匹配。

“然而，智能營銷的模型做的效果再好，也很難通過少量的產(chǎn)品滿足消費者的全部需要?！睂Ｗ⒂谥悄芙鹑谫惖赖幕郯步鹂艭EO黃鈴說。

撬起AI金融的“支點”

AI金融不是一條坦途，人工智能在金融領(lǐng)域每一個業(yè)務(wù)的落地過程都充斥了“分歧”與“爭端”，想要更好地落地金融，需要共同的衡量標準和相對通用的技術(shù)指標。

而這些標準，不僅能為技術(shù)提供方和使用方達成共識“牽橋搭線”，也撕開了一道AI金融難以大規(guī)模落地的口子。

隨著與科技公司的合作愈發(fā)緊密，金融機構(gòu)逐漸摸索出一套比較通用的技術(shù)指標，比如KS值、AUC、F-score，來鑒別哪家金融科技公司的AI實力更強。

KS值越大，表明正負樣本區(qū)分的程度越好，AI模型越好；「AUC」（Area Under Curve）可以分析在一條曲線下的面積到底有多大，如果曲線下的面積越大，這個模型效果越好，反之模型效果越差；「F-score」，用來判斷準確率。

此外，模型覆蓋率也是考驗AI產(chǎn)品是否有很好效果的指標之一。

假設(shè)模型可以覆蓋1000萬人，目標是需要觸及客戶900萬人。如果在測試時，模型覆蓋了1000人，觸及到的目標客戶達到901人，達到了模型的測試標準，但是，因為測試的樣本量太少、測試的次數(shù)太少，不代表AI產(chǎn)品就達到了標準。

AI模型也是有時效性的，隨著時間的變化，它的性能是否會大幅下降？AI模型在更新的過程中，是否需要大量時間和金錢？AI模型和銀行的核心系統(tǒng)在對接的過程當中是否簡易？AI模型本身是否做的很標準化？

這些都是在技術(shù)指標之外，銀行使用AI產(chǎn)品時，必須要考量的標準。

冰鑒科技CEO顧凌云說到：“部分金融機構(gòu)，會執(zhí)行一套客觀的指標來考察AI企業(yè)的產(chǎn)品質(zhì)量。以24小時、7天或者30天為一個期限，他們會時時刻刻監(jiān)控模型的效果，一旦模型的效果超出規(guī)定范圍，馬上就會根據(jù)期限調(diào)整產(chǎn)品。即使你本身的模型效果很穩(wěn)定，他也會每3個月做一次測評，每6個月做一次測評，每一年對供應(yīng)商進行一次重新的測評和調(diào)換?！?/strong>

通過這種方法，金融機構(gòu)可以保證他們使用的產(chǎn)品，一直由最佳技術(shù)實力的公司提供，而反過來，也不斷磨礪和推動科技公司在技術(shù)上的不斷創(chuàng)新與發(fā)展。

｜給我一個支點，我能撬起整個地球。

作為第一個掌握杠桿原理的科學(xué)家，阿基米德認為只要找到事物的內(nèi)在規(guī)律，即使撬動地球也是一件自然而然的事情。

但是，想要撬起「AI金融」這座大山卻殊為不易，需要找到許多支點，除了推進金融科技公司和金融機構(gòu)“達成共識”外，怎樣驅(qū)動人工智能更加“智能化”和怎樣促進監(jiān)管與科技之間的“協(xié)同發(fā)展”，也是我們需要思考的問題。

人工在前，智能在后

｜人工與智能，孰好？

這是一個自AI創(chuàng)立以來，人們就津津樂道的話題，也是每一個AI企業(yè)家都需要思考和抉擇的問題。

慧安金科CEO黃鈴認為，人工和智能是互為補充的，具有完全不一樣的屬性。

人工，可以在自己已有經(jīng)驗基礎(chǔ)上做非常復(fù)雜的推理，能夠根據(jù)一些蛛絲馬跡做復(fù)雜的關(guān)聯(lián)和分析，挖掘出潛伏非常深、偽裝特別像的風險 。

但是，人工也有幾方面的問題。

第一，要成為一個非常有經(jīng)驗的專家，需要長時間的積累和沉淀。

第二，「人工」處理數(shù)據(jù)的“帶寬”非常有限，一天只能處理幾十個案件，發(fā)現(xiàn)很少的問題。

而對于機器智能來說，「人工」的劣勢，恰恰是它的優(yōu)勢。它有足夠的帶寬處理海量的數(shù)據(jù)，還可以按照一些推理規(guī)則或者機器學(xué)習模型，幫助人們減少工作。

黃鈴說：“我們可以通過準確率、覆蓋率這兩個量化指標，對人工智能產(chǎn)出的效果進行全面評估。通過ROI來判斷這個人工智能項目是否取得了良好的效果?！?/p>

按照目前的發(fā)展來看，AI在人臉識別、文本識別以及風控、合規(guī)和監(jiān)管等場景，效果都非常好。有些領(lǐng)域，AI的水平和能力甚至超過人類，比如風控合規(guī)監(jiān)管，機器可以達到人類97%或者98%的水平。

但是相比人類，特別是非常資深的專家，AI的推理能力還是遠遠不夠。

“AI其實像一個被高考機器慣出來的孩子?！蔽浵伡瘓F首席AI科學(xué)家漆遠這樣形容AI目前發(fā)展“偏科”的情況，好比一位有著特別強大記憶體的學(xué)生，能通過題海戰(zhàn)術(shù)學(xué)習了大量知識點之后，做題效率極高，卻不懂怎么推理。

比如在智能風控領(lǐng)域，存在大量的欺詐分子，他們隱蔽身份的手法千變?nèi)f化，機器也難以察覺。如何使用數(shù)據(jù)、對數(shù)據(jù)特征分析以及如何把特征組合起來，產(chǎn)生一個準確高效的信貸風控模型，十分具有挑戰(zhàn)性，需要有經(jīng)驗的AI人才。

監(jiān)管與科技

｜科技可向善，也可為惡。

避惡揚善，是一個永恒的話題。

邦盛科技的王雷認為：“機器學(xué)習等技術(shù)，最大的一個問題是不透明、不可解釋?！倍@一特征給監(jiān)管帶來了許多困擾。

人工智能應(yīng)用往往通過采用神經(jīng)網(wǎng)絡(luò)，使用算法產(chǎn)生結(jié)果，其復(fù)雜程度只有計算機可以理解，有時候連金融科技公司也不清楚人工智能是如何決策的。這種情形下，相關(guān)部門是否監(jiān)管、如何監(jiān)管科技公司成了一大難題。

隨著技術(shù)與產(chǎn)業(yè)的進一步融合，人工智能的決策可能涉及數(shù)百萬美元——甚至是關(guān)系到人類的健康和安全，在金融等受到高度監(jiān)管的行業(yè)中，不能解釋人工智能的決策，對于企業(yè)和個體而言，都面臨著極大的風險，這也給監(jiān)管部門提出了更高的要求。

人們往往認為監(jiān)管與科技的關(guān)系是，先有人工智能等科技，后有監(jiān)管，監(jiān)管部門的技術(shù)與理念永遠落后于科技公司，實則不是。

品鈦副總裁李惠科說到：“政府監(jiān)管部門跟業(yè)界之間的討論是非常頻繁的，一些高級別的監(jiān)管官員會直接在群里，提各種各樣的問題和業(yè)內(nèi)的公司管理者們一起進行思考。”科技企業(yè)在迅猛發(fā)展的時候，監(jiān)管也在與時俱進，并參與和推動整個生態(tài)的發(fā)展。

如果非要形容科技公司與監(jiān)管之間的關(guān)系，科技公司就是非常前沿、時尚的法拉利跑車，而「監(jiān)管」是在整個道路上面設(shè)計紅綠燈、限速、停車等各種標志的交通規(guī)則。

跑得再快的法拉利，受到交通規(guī)則的管制，到了路口，也要停下來；而紅綠燈的設(shè)置，保證了科技公司這輛飛車不至于“超速行駛”或者“跑得太慢”。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(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。