人工智能运用对商业银行管理发展启示

2020-03-03 09:07:54 来源：范文大全收藏下载本文

人工智能运用对商业银行管理发展启示摘要：科技正催生更多的新应用和商业模式，金融的功能也在不断衍变。人工智能起到串联互联网、金融、大数据的作用，实现更加智能的精确计算和实时金融，解决“互联网+金融”模式下的诸多痛点，必然会成为传统银行转型的下一个“风口”。金融在人工智能的改造下，将不再局限于“互联网＋金融”，而是逐渐向“互联网+金融+大数据+人工智能”转变。如何把握住科技发展机遇，积极强化人工智能发展技术对商业银行业务发展和管理提升的促进作用，是商业银行转型的重大内容。

关键词：人工智能智慧银行金融转型

程华杨云志

作者简介：程华，女，经济学硕士，现任招商银行战略发展部资深经理。

杨云志，经济学硕士，现任招商银行战略发展部研究员。

AlphaGo机器人和人类冠军的围棋大赛，成了科技界乃至全社会的焦点。AlphaGo的胜利是大数据+深度学习的胜利，人工智能化的程序已能通过解读、预测、判断等方式在棋盘上赢得人类高手，这场人机大战标志着人工智能技术的发展进入一个更为成熟、全新的阶段，其震撼的余波将伴随人类科技长期的发展。

科技正催生更多的新应用和商业模式，金融的功能也在不断衍变。如今人工智能越来越广泛运用于金融领域，曾以科技领先著称的商业银行，如何在日新月异的科技浪潮中迅速拿到这把新钥匙，亟需思考和行动。

一、人工智能的发展演变

人工智能（Artificial Intelligence），英文缩写为AI，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，是对人意识、思维的信息过程的模拟，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。

（一）人工智能发展历程

第一个阶段（20世纪40年代中期到50年代中期），被称为信息处理时期。主要以控制论、信息论和系统论作为理论基础，主要应用于符号处理、信息搜索和相对简单的逻辑推理和证明，属于人工智能探索期。

第二个阶段（20世纪50年代中期到80年代末期），被称为认知推理时期。人工智能与认知心理学、认知科学开始了紧密融合的发展历程。

第三个阶段（20世纪80年代末期到现在），被称为神经网络时期，其特点是采用分布处理的方法通过人工神经网络来模拟人脑的智力活动。

近年来，随着成本低廉的并行计算、大数据技术，多层神经网络模型及算法的突破和深入发展，人工神经网络研究与应用出现了欣欣向荣的景象，人工智能逐步深入到社会生活的各个领域。

（二）人工智能发展趋势

人工智能目前重点发展领域主要集中于机器学习、图像识别、自然语言处理、推荐引擎和协作式的过滤器、手势控制、视频内容自动识别、情景感知计算、机器实时翻译等方面。未来人工智能可能朝着模糊处理、并行化、神经网络和机器情感等几个方向发展，并呈现出以下几个发展趋势：

1、分布式、万物互联式人工智能。

由于移动互连网技术特别是万物互联技术的进一步发展，人工智能开始由单个智能主体研究转向基于网络环境下的分布式人工智能研究，研究不仅基于同一目标的分布式问题求解，而且基于多个智能主体的多目标问题求解。分布式人工智能系统一般由多个Agent（智能体）组成，每一个Agent又是一个半自治系统，Agent之间以及Agent与环境之间进行并发活动，通过交互来完成问题求解。

2、技术不断交叉，应用领域广泛拓展。

随着人工智能和计算机技术的发展，自动控制和人工智能以及系统科学中一些有关学科分支（如系统工程、系统学、运筹学、信息论）将呈现出日愈交叉发展的势态。各领域技术和应用的交互促进将产生一些复杂的智能推理和控制技术，并促进整个人工智能产业逐步走向成熟，智能家居、智能车载、互联网金融、服务机器人等领域将成为新的市场。

3、从感知到认知发展，从智能到智慧发展。

从发展路径及趋势上看，人工智能逐步由计算智能（能存会算）发展到了感知智能（能听会说、能看会认），并将快速向认知智能（能理解会思考）发展。一直以来，自动推理都是人工智能研究的最热门内容之一，其中知识系统的动态演化特征及可行性推理研究已取得一定成就，未来必能大放异彩。在自动推理技术的发展和推动下，从固定模式的推理逐渐走向模式的发现，用计算机实现模式（文字、声音、人物、物体等）的自动识别，将逐渐实现从“智能”到“智慧”的发展。图1：人工智能相关技术发展阶段

二、人工智能在金融领域应用

在金融领域，面对每一笔金融交易，人工智能技术可以充分利用智能触角全方位抓取交易相关数据，将获得的信息反馈回人工智能系统中枢进行筛选和分析，并根据优化模型形成专家决策和金融控制，从而改变整个金融行为的处理过程和模式，形成优化的处理结果。在金融领域，人工智能应用主要体现在以下几方面：图2：人工智能应用领域

图3：人工智能金融领域主要应用

（一）量化交易处理和控制

人工智能程序性强，具有客观、冷静、整体性强等特性，在海量信息搜索、存储、计算推演能力等方面远胜于人，不会因为外在因素而影响判断。面对复杂的金融市场时，这些技术能力同样可应对多样的金融场景，甚至具备“金融大脑”的能力。

传统的量化投资方法往往严格应用事先设定好的策略，基本假设为现在的相关性会无限持续下去，相关性之间的参数和比例也按照固定方式确定。但市场瞬息万变，这通常会造成一些问题。智能金融的机器学习功能，可以让产品背后的逻辑系统快速适应场景数据，建立合适的评分规则和决策体系。人工智能量化交易系统能够随着旧关系的衰减以及新关系的出现，不断进化自己的投资策略，从而快速适应新的金融场景和金融数据。在对数据的处理上，人工智能技术可扩宽数据来源，使更多数据能被纳入分析；而在算法上，人工智能技术也让金融工具能自动进化交易策略。

（二）智能化数据采集智能识别

随着物联网技术的深入发展和应用，各种类型的传感设备越来越智能，数据的采集更自动化、更具有针对性。同时，人脸识别、语音识别、视频识别、内容识别等技术在金融领域越来越得到广泛应用。美国已开发出人工智能保险代理机器人应用，可通过一张车牌照片提供汽车保险服务方案。仅仅是“看一眼”车牌的照片，人工智能保险代理机器人就能立刻了解车辆拥有人的个人信息和驾驶历史，然后把保险政策信息与推荐产品用文本信息发送给投保人。除智能采集数据外，它还可以识别车辆信息，跟进模型计算保险计划报价、提供保险条款咨询。

随着金融业信息和数据的急速膨胀，存储的信息量越来越大，数据泡沫化、妖魔化现象也越来越严重，信息的智能检索成为金融业迫切需要解决的问题。金融业智能信息检索主要可应用于如下方面：对语音、视频、图像等内容的检索；对网络信息的实时智能检索和筛选；对智能设备信息的查询和检索。

（三）理财顾问

随着人工智能技术的进一步发展，具有“金融大脑”的机器人将成为用户选择金融产品和办理理财业务的顾问。在大数据及智能信息处理技术的支撑下，人工智能理财顾问可根据用户的消费习惯为其选择合适的金融产品，并采取全方位、基于精准计算的风险把控措施。理财机器人甚至可以主动感知用户的资产状况，提前为用户进行预警。

美国最大的证券零售商和投资银行之一的美林证券，已开始使用自动化模型工具进行投资顾问服务。该服务使用算法在线提供投资建议，主要针对25万美元以下的投资项目。美国最大券商之一的嘉信理财，全球最大的资产管理公司贝莱德公司，美国银行、瑞银等大型金融机构正积极推进机器人理财顾问业务。花旗银行最新研究报告显示，2012年人工智能投资顾问管理的资产基本为0，到2014年底已达140亿美元。未来10年，它管理的财产还会呈现指数级增长的势头，总额将达5万亿美元。

图4：机器人投资顾问资产管理规模

（四）智能客服

花旗集团从2012年起，开始运用人工智能电脑完善客户服务，其技术提供方正是当下热议的IBM人工智能机器人沃森（Watson）。沃森机器人能以人类的认知方式推断和演绎问题的答案，提供诸如客户需求分析，预测经济走势等服务，还能结合个人投资履历给出适合特定客户的投资计划。

国内商业银行在智能客服方面已有较好的应用。如交行和建行的实体智能机器人，招商银行的智能客服机器人等。智能客服机器人可主动接听客户来电，通过认知能力倾听客户之声（语音识别），进而映射到引导式知识库，通过专家系统与知识库为客户提供大部分金融服务问题的解答及咨询。

（五）新风控模式

在金融服务形成标准化、模型化、智能化的风险控制系统方面，人工智能能起到极大作用。机器学习功能，可让借贷产品背后的逻辑系统快速适应场景数据，建立合适的评分规则、决策体系，给网络金融带来颠覆性的变化。在人工智能的配合下，无论是消费金融领域还是风控层面，都正在呈现出效率越来越来高的新风控模式。

国际上，包括Affirm、ZestFinance、BillGuard、Lending Club等金融科技巨头，都在积极推进使用机器学习在风险控制方面进行精确决策和预测分析。使用机器学习技术，可通过深入挖掘海量数据及模型的自适应调整，改写整个信用评估行业的规则。高级机器学习技术可以准确反映出贷款申请人的详细信息（如：人口统计数据以及信用和偿还历史），从而预测该申请人某笔贷款发生违约的概率，并根据后评估数据及专家人工调整进行模型及参数的自我校正和调节。零售银行欺诈侦测方面，人工智能模型可创建新的评分、评级算法，实时开展评估和为当前的实时交易建模，并根据受欺诈概率构建交易预测模型。

（六）大数据的自动分析

大数据技术属于颠覆性的信息技术，它数据量大、种类繁杂、价值密度低以及瞬息万变的特点，使存储、统计、分类以及调用都异常困难。要在这个巨大的信息海洋中分析和识别模式，唯一的办法就是使用机器学习工具和技术。人工智能领域的一些理论和比较实用的方法，使大数据的价值变现潜能开始逐步释放。同时，大数据技术的发展也将唤醒人工智能巨大的潜力，从而使这两个领域的技术和应用出现加速发展的趋势。

三、人工智能应用对商业银行管理与发展的启示

金融在人工智能的改造下将不再局限于“互联网＋金融”，而是逐渐向“互联网+金融+大数据+人工智能”转变。人工智能串联起互联网、金融、大数据，实现更加智能的精确计算和实时金融，解决“互联网+金融”模式下的诸多痛点，必然成为传统银行转型的下一个“风口”。

（一）强化前沿科技研究，提升科技引领驱动

1、深化数据应用提升，强化数据建模应用。

对于商业银行而言，目前丰富的数据资源大部分仍未发挥重要价值。商业银行须继续强化大数据技术的研究，强化数据应用能力尤其是流分析、实时分析能力的提升，强化机器学习等先进分析技术的发展与应用，强化对Storm、Spark等技术的深入掌握。数据建模方面，商业银行在风险管理、客户分类、交叉营销等方面已有一定应用，但建模人员与运用人员理解不一，导致业务人员不太愿意相信模型处理，而更多依靠自己的经验作出判断。在后续发展中，商业银行应加强对建模专家的培养或引进，重点提升一批模型（尤其是风险管理、定价管理）的适用性和科学性。

2、强化物联网技术研究和应用。物联网可为商业银行提供前所未有的大量数据自动化智能采集和以数据为核心的深层次客户洞察。无论是面对个人客户还是企业客户，商业银行均可通过物联网向其提供与其日常生活紧密相关的洞察、建议和服务，交付真正意义上的定制化体验。

个人银行业务方面，可通过各种智能设备自动化收集数据，借助从数据中提炼出的客户洞察预测客户需求，为客户提供实时金融服务，根据客户的个人财务分析提供相应的建议、产品和解决方案，帮助客户做出最佳财务决策。企业银行业务方面，可通过物联网技术采集、分析“供应商-经销商-零售商”整条价值链中的数据，加深对企业客户的认识，从而提供有针对性的财务分析、产品和服务，帮助客户打造竞争优势，进而在高度互联且竞争白热化的市场上赢得一席之地。

3、强化硬件科技能力提升。

人工智能日愈成为科技发展的下一个“风口”，其“硬件科技”占有越来越多的比例。在未来大规模的硬件科技应用中，建议商业银行积极关注和强化对硬件科技的研究和开发建设。

（二）强化新兴技术应用，推进智慧银行建设

1、强化新兴技术应用。

商业银行可积极强化新兴技术对业务发展的推动，进一步提升客服机器人、人脸识别、语音识别、智能销售、信息处理机器人、财务顾问、审计机器人、客户细分、交易欺诈、利率汇率预测、贷款评分分类、基于人工神经网络的商业银行信贷风险预警等方面技术在流程管理和业务处理中的应用。

以人脸识别为例，它在很大程度上可以提升交易的安全性和速度，为业务推动等应用模式提供新的技术选择。商业银行可考虑进一步从业务推动类服务入手，在借鉴国内外权威标准的基础上，有步骤、全方位地推动人脸识别技术在业内的落地实施，进一步促进业务处理效率和客户体验的有效提升。语音识别方面，商业银行可在手机银行、网上银行等系统中积极引入语音识别软件（类似于苹果手机中的Siri等），使客户能通过语音向业务处理系统传达交易和服务指令，实现自动业务交易和金融服务，进一步促进客户体验的有效提升。

2、推进智慧网点建设。

智慧银行将通过核心智能设备和系统开发优化业务流程，强调以客户为中心的服务体验，代表了未来银行物理网点的发展趋势。建行“智慧银行”项目开创性地按照O2O交互理念，强调电子银行、手机银行、自助渠道、人工渠道的全渠道协同与集成，通过线上线下渠道协同为客户提供无缝的交互体验。商业银行可积极借鉴和跟进，通过汇聚市场上最前沿的技术应用，利用智能设备、数字媒体和人机交互技术为客户带来“自助、智能、智慧”的全新感受和体验。

结合商业银行的网点建设规划，智慧网点不仅可建设为一个体验中心，更可成为一家全功能的综合性网点，网点内所有互动媒体都能采集到相应的用户行为，并将数据汇集到后台数据分析平台。通过统计业务的受关注度，分析用户的业务偏好，为验证销售具体产品市场策略的有效性能提供重要依据。同时借助对客户行为数据和财务数据的分析，工作人员可第一时间掌握该客户的潜在消费需求和消费习惯，在此基础上有针对性地开展营销。此外，还可以将客户编号与其微博、微信等相对应，建立数据库，全方位了解客户交易习惯、风险偏好、兴趣爱好和社交圈等。

3、强化人工智能网络安全管理。

人工智能的机器学习功能，为黑客进行网络攻击提供了更多手段，传统的网络安全防护措施正处在越来越被动的状况。在此形势下，基于大数据分析和机器学习基础之上的威胁情报分享则是最新的防护技术，且这种技术对硬件要求极低。消灭漏洞、追踪恶意黑客的最佳方案，就是将人类思维与机器的自动化相结合。经人工智能打造的安全扫描器能以我们从未想象过的方式检测出复杂漏洞，商业银行可积极研究和推进人工智能技术在网络安全管理方面的演进和应用。

（三）变革创新管理模式，建构新型公司文化

1、夯实创新管理。

创新是商业银行的核心价值观之一，但创意、创新管理目前比较分散，各业务条线之间、业务条线内及IT部门之间的协调性和合力尚有提升空间。由于缺乏对创新的责任管理，创新动力和创新质量潜力待挖掘。借鉴同业模式，商业银行可考虑梳理职责，明确创新管理归口部门，统一整合和管理行内外创新资源，专职负责创意、创新的研究和跟踪、引进、实施推进、项目管理及后评估等职能，积极强化对未来银行的创新趋势和创新产品、创新项目的管理，强化对创新的全流程管理，提升创新质量。

2、融入“高科技”文化因子。

在经营管理实践中，商业银行需要把“高科技”、“智能”理念和技术成果更多地融合、嵌入管理流程中，通过对管理流程和日常办公流程“数据化”的改造，深化数据对全行管理活动的决策支撑。例如，商业银行可考虑推行考勤刷脸模式，让高科技元素融入日常工作生活中。在数据使用和管理方面，更多地培育使用数据和模型的习惯，如让员工需要数据时到统一管理的平台上查询数据，而不是发邮件“要”数据。此外，对模型计算结果要给予更多信任，积极促进数据模型的使用。

3、培育互动、众包文化。

商业银行应进一步强化互动文化的培育，在互动、学习中了解客户，了解产品，了解竞争对手。在业务发展和管理中强化对互动的引领，强化与客户互动的考核，增加同事之间、上下级之间的互动和交流，改善工作氛围，激发创造力，提升工作效率。

在数字化人才管理方面，可积极应用众包模式。例如将外部专家按项目整合到大数据团队中，是商业银行在科学技术这个迅速变化的领域保持人才引用的最佳途径。

（责任编辑：刘云鹏）