CIAPH 第八届医药健康行业信息化高峰论坛
揭人工智能在各大银行的应用现状——AI从概念到效益trigger, 还有多远?
2020-11-13  作者:Max 来源:CIO发展中心

外行看热闹,内行看门道。当AlphaGo,无人机、自动驾驶、智能音箱、自动翻译机和客服机器人这些基于人工智能技术的高科技元素在我们的身边不断涌现时,普通人或许只是觉得惊喜和好玩,CIO们却有一个额外的视角:为什么?怎么做到的?能否为我所用?本文试图从人工智能应用比较深入的银行业入手,剖析其应用的现状及收益。

人工智能是用计算机模仿人的智能化行为,去完成某种工作的技术。这方面的探索,可以回溯到计算机技术出现早期,但是该技术真正的普及和应用,则是在近几年。业界一般将人工智能分为第一代和第二代:一代人工智能以简单的模式匹配为基础,如OCR技术;第二代即现阶段的人工智能,以大数据和机器学习、深度学习等数据模型为基础特征。人工智能技术的先驱者既有IBM、微软、谷歌、苹果之类的国际化厂商,也有百度、阿里巴巴、腾讯、京东(BATJ)这样的国内网络经济巨头。应用方面,除了少数电商和头条、抖音这种颠覆性创新企业外,行业应用中最为普遍和深入的,非银行业莫属。

AI

数据开路,银行先行

那么,最早吃螃蟹的为什么是银行业?以我们与人工智能厂商和银行机构沟通的情况来看,主要缘于三种因素:数据量、行业内技术架构的演进和成熟,以及对未来产业发展趋势的认同。

如上所述,新一代人工智能技术是基于大数据的,没有足够的用户数据,无论是要玩大数据,还是人工智能,就都失去了根基。由于行业特点,银行机构一般面向对公和个人客户提供多样化的业务,业务的经营也相对更加长期稳定,有海量的业务数据积累,满足了大数据和人工智能应用的基本要求。

在与银行机构的沟通中,我们发现无论是技术驱动的招商银行,还是交通银行、建设银行等国有商业银行,都普遍在2000年到2017年之间经历了数据大集中、数据集市/数据仓库建设和大数据应用落地的演变过程。这一历程正好与2010年大数据技术兴起、2017年人工智能技术走红的步调一致。在相关技术成为行业热点之前,各家银行已经先期跟踪业界动态,进行了大量主动的探索和尝试。随着业界相关技术发展的不断明晰,银行内部的技术架构和数据处理体系也更加完备,人工智能落地生根有了丰沃的土壤。

2017年前后,银行业经历了一个互联网金融和金融科技的高潮,银行机构在行业开放和竞争大环境下,更加认同 “技术驱动业务”行业趋势,开始加快新技术方面的投入。华夏银行等一批股份制银行,就是在这样的浪潮下,成立了人工智能、大数据等技术团队,启动了相关领域的探索。不同银行的技术投入战略各不相同,大型银行一般采取主动、长期研究和跟进的技术战略,小银行则一般选择适当的时机,对标和跟随业界的技术发展。相对而言,国有银行一般会采取充分论证、稳步推进的做法,商业银行则相对更加开放,对业务领域的快速创新持鼓励态度。管理思想的差异,或多或少成为影响人工智能技术落地的双刃剑。

当然,人工智能应用较早的招商银行,很早就成立了人工智能实验室,这种做法后来逐渐被各家银行普遍采用。招行人工智能实验室负责人李金龙说:“招行一直讲究科技立行,以科技创新引领。我们有专门的机制来跟踪学术界、产业界和创业公司的技术发展,所以我们是自驱型的。我们取得的任何进展,无论是小数据、大数据,还是人工智能……主要都是希望通过科技来推动银行业务。”

中国建设银行在四大行中率先成立了金融科技子公司,旗下的建信金科在2020年成立了基础技术中心AI工程部。“Gartner在刚刚发布的《2021年重要战略科技趋势》中提出,AI经过多年发展,将在2021年进入一个工程化阶段,而不再是早期的尝试性建设。建信金融科技着眼于AI实用能力提升,不仅有创新实验室作为技术引领,更有1个AI平台和5大AI领域的中台工程化建设能力。其中,5大领域包括:计算机视觉、智能语音、自然语言处理、知识图谱、智能推荐与决策。最终形成AI中台能力,支撑金融AI端到端的运营体系”。基础技术中心人工智能工程部负责人的描述,反映了这家大型国有银行的宽广视野。

各家银行中,人工智能实验室一般负责新技术、新产品的验证和试点,方案的可行性确定以后,应用的落地就由项目工程或对口的业务应用部门接手。以某大国有银行为例:人工智能实验室负责前期研究和将人工智能能力搭建成云化平台,后续各个业务部门应用,则由部门内的开发团队在云平台上开发和落地。

无处不智能

谈到人工智能在银行内的应用,某大行人工智能实验室的负责人说:“全业务场景都需要人工智能,需要数字化运营和智能化转型。不存在某些业务领域不需要使用大数据或人工智能的情况……包括像行政后勤部门、人力资源部、法务部门等等,也都需要用到人工智能技术和大数据作为基础。”

的确,经过多年的发展,银行业目前的人工智能已经深入到了各种业务流程。业界研究机构在分析银行业人工智能应用时,一般将其归结为四大类:身份识别、智能风控、智能投顾和智能客服。身份识别是所有金融业务的基础。传统的线下业务中,典型的身份识别就是客户走进一家银行,向柜员提交其存折和身份证明,有时还要输入密码或指纹。服务人员来验证身份和授权后,才会开始提供服务。

到了互联网时代,上述流程为计算机技术所取代。一般的网上购物,可能只需要输入支付密码或短信验证码即可;大额消费(具体额度,各家银行略有差异),包括转账、贷款和投资理财等银行业务,基于工智能的人脸、指纹、声纹、掌纹、虹膜等生物特征识别技术,就派上了用场。大约在2017年以后,“眨眨眼”、“张张嘴”、“摇摇头”就能完成银行转账这样的人工智能应用场景,伴随着各家银行的手机应用,走进了普通百姓的生活。当然,大多数人并不知道,为了这一天的到来,各家银行业的人工智能团队和包括商汤、云从、依图、旷世等在内的业界厂商,已经从2014年前后开始了一系列共同的探索和研究。

风控是银行业务中一个核心的能力,各家银行在此方面的人工智能应用也可谓不遗余力。狭义的风控涉及信贷和信用卡欺诈等具体银行业务,广义的风控则延伸到了反洗钱、反电信诈骗,协助建立黑名单或联合公安机关进行的经济及刑事案件的侦破工作。以建设银行为例,该行为协助公安机关开展防止电信诈骗而建立的人工智能数据模型,包含了数十种不同的可疑操作。

同样,交通银行也基于人工智能,开发了多种风控应用:“我们在风控领域建设了基于大数据和知识图谱技术的风险监测系统,开发了系列机器学习模型,如信贷预期预测、反欺诈、反洗钱等,提升了风控能力,取代了人工维护,提高了工作效率” ,交通银行人工智能负责人,”为解决风险监管中难以捕捉的企业间关联风险问题,我行建设了对公客户知识图谱并取得了一定的成绩,今年又开始在资金监管,拓客营销等业务环节的智慧化提升过程中发挥作用。“

智能投顾和智能客服是面向银行客户的前端应用,需要基于用户的业务信息、业务记录和来自第三方的新闻、信息、用户行为数据等为用户画像,并向其推荐适当的信息、服务和金融产品。这些应用中涉及的第三方数据服务,一般来自互联网巨头或电商等消费类企业,银行是通过与这些企业或第三方服务机构合作,共同推出相关服务。根据银行业专业人士提供的信息,BATJ四大互联网企业大约是从2013年前后,开始向外输出大数据和人工智能相关能力的。银行利用此类数据搭建自己应用,应该也是在此之后。

银行内部人工智能相关的应用场景多、应用数量多,与之相关的开发和部署团队也多,这是我们在与各家银行人工智能专家们沟通时得到的信息。大型银行的应用场景动辄上百个,与之相关的开发团队也是三位数。小型银行虽然达不到这样的投入规模,至少也全面覆盖前面提到的四大应用领域。

雷声大,雨点也不小

我们尝试从降低风险、提高效率和提供个性化客户服务这三个维度,考察各家银行在人工智能应用方面的最大收益。从获得的信息看,各家银行在三个维度上均有收益,具体情形各不相同。在降低业务风险方面,各家银行均有收获(有的银行认为自己在这方面获益最大),但要对其进行量化,却有一定的难度。这在一定程度上,是由于风险控制历来就是各家银行的重点,新的人工智能应用很大程度上是对现有或传统手段的优化。

至于运营成本节省和效率的提升,则有一些统计数字非常醒目:招商银行应用智能客服技术,节约了5000多名客服人员,建设银行利用智能审单系统,辅助节省人工60%左右的作业量。在人力成本较高的银行业,这些无疑是相当可观的数字。 

如何能够更好地覆盖长尾用户,提供千人千面的个性化营销,是网络时代各个行业普遍关注的话题。大数据和人工智能的应用落地,让银行机构找到了推动个性化客户服务发展的的发力点。基于人工智能技术的外呼和主动营销,也成为各行业务增长的新动力。

对此,某大行人工智能实验室负责人这样评价:“我们这种大型银行,早期主要依靠人盯人的方式,服务中高端用户和对公业务。但是对于普通的长尾用户无法覆盖。利用人工智能和大数据,就能对普通用户进行个性化的评估和画像,以此为据推荐他想要的产品和服务,弥补我们在为长尾用户服务时能力不足的问题,近几年这方面的增速和增幅是非常明显的。这是从0到1的变化。”

供应商,人工智能的幕后英雄

本文落笔之际,大洋彼岸的美国选战正如火如荼。美国政府对中国企业发起的断供和打击手段,仍愈演愈烈。在这样的背景下,国内银行业的人工智能技术产品、厂商和服务选型,就不得不考虑技术和价格之外的多种政治和经济因素。受制于国内外技术水平的差异,IT圈子中,国内用户很多时候都会在国际、国内厂商的抉择中进退维谷。

幸运的是,在人工智能这个新兴产业,一批国内厂商和服务商已经崛起,足以和国外厂商分庭抗礼,给了国内银行一个更大的选择空间。目前,各家银行一个较为普遍的做法,是在理论和技术研究领域与国外研究机构国际化厂商合作,同时在产品化、第三方数据合作和应用落地上,与国内厂商和服务商合作。

“我们接触了国内外一些主流厂商和有实力的创业型公司,包括华为、麒麟、百度、讯飞、IBM、第四范式、TigerGraph、海致星图等等。产品类厂商主要考察其产品的先进性、企业级能力和同业案例。”交通银行人工智能负责人表示,“平台类厂商要考察其开放性,这主要是考虑到大数据及人工智能领域还处于快速发展中,平台产品最好具备对其他厂商产品和开源技术、算法、模型的快捷整合能力。服务类厂商主要考察其成功案例、方案的可行性、先进性和服务人员的经验。”

除了技术上不断进步,接近和赶超国际厂商,一些方面国内厂商还有独到的优势。以自然语言处理为例,本土NLP厂商天生就有优势,商务和本地服务更是他们的强项。此外,在第三方数据服务上,BATJ和这些土生土长的互联网巨头和今日头条、抖音等在内的创新型企业,又正好可以填补相应的市场空间。

古人写景,有“两岸猿声啼不住,轻舟已过万重山“这样的佳句。人工智能目前在国内银行业的应用,以此形容最贴切不过。尽管未来还有各种技术、管理和业务上的挑战,银行业的人工智能技术前景还是值得我们期待的。