有觀點稱，金融是人工智能（AI）最佳的落地場景之一。近年來，國內外較早布局人工智能的金融機構已嘗試將人工智能應用貫穿于整個業務體系。比如，銀行業從外圍的廳堂機器人、在線客服、柜面人臉識別等場景，到產品開發、營銷、風控以及客戶服務等核心流程。

專家認為，盡管人工智能等技術應用是推動金融業變革的動力之一，但包括人工智能在內的技術本身仍存在一定局限性。

科技滲透傳統金融行業

“我國信息化水平的提高，使得金融業與人工智能的融合達到前所未有的高度，這對于傳統銀行來說既是挑戰也是機遇，傳統金融業‘三高一低’，即勞動力密集度高、人員管理成本高、業務門檻高及用戶體驗低等面臨調整。”360金融大數據總監蘇綏告訴《金融時報》記者。

蘇綏認為，金融機構加快運用大數據、云計算、人工智能等金融科技手段進行改革是大勢所趨，這也是金融科技行業深入參與新金融的風口。

“雖然談到金融科技時，人們更關注新興業態與產品，但是技術創新早已成為金融變革的主線。”國家金融與發展實驗室副主任楊濤說，“新技術對金融的影響已經深入金融行業各個領域。”

據介紹，自2016年人工智能被總結出算法、算力、數據的三要素之后，2017年，場景的價值也備受熱議。對此，蘇綏表示，AI只是一種技術，而不是最終產品，只有和具體業務及場景結合起來，才能發揮其價值。目前，生物、語音等技術已經大規模應用于金融領域。

對于人工智能技術在金融領域的發展運用，《中國金融科技運行報告（2019）》（以下簡稱《報告》）概括為三方面：其一，由外圍向核心業務滲透，由感知向決策類應用擴展；其二，推動金融行業向數字普惠化演變；其三，人工智能引領監管科技潮流。

人工智能+金融的落地運用

如何真正將技術“可實現、易落地”，金融行業一直在探索實踐中。

中國工商銀行2017年便成立了包括人工智能在內的七大創新實驗室，2018年又建立了人工智能平臺，可以實現自主構建覆蓋營銷、反欺詐、審批、貸后管理、運營等全生命周期的AI業務場景應用。近期，廣西北部灣銀行與神州信息（000555）聯合進行“基于知識圖譜技術的商業銀行智慧服務治理應用研究”課題，構建出了金融服務知識圖譜模型，在這套模型指導下，可以快速了解整個銀行業務和服務治理的標準，輕松解決系統重復建設、知識欠缺等難題。

再以金融科技行業為例，360金融在智能獲客、智能營銷、智能風控及智能催收等方面開展了AI實踐。據介紹，360金融智能風控自動化過件率達97%，其中，地址熱力圖和復雜關系網絡系統發揮了支撐作用。地址熱力圖，即依托于地圖的底層數據，通過對城市中單位范圍所包含的設備接入數量進行顏色標示、升維等操作，將多種變量結合起來，進而形成依據每個點的GDP信息綜合分析，判斷出客戶風險的大小。“顏色越深代表人口密度越大，通過業務發現，人口密度相對較低的區域，風險會相對更高。”蘇綏解釋說。

楊濤認為，從技術與金融相結合的業務場景看，需關注兩方面，一是底層重大技術，包括大數據技術、人工智能技術、互聯技術、分布式技術、安全技術以及一些尚在發展中的前沿技術；另一方面是典型的金融需求場景，如金融安全與金融監管、支付結算、融資產品與服務、智能營銷與服務優化、智能投顧與財富管理等。

人工智能+行業的未來

在蘇綏看來，人工智能將成為像水、電、煤一樣的基礎設施，沒有AI能力的企業會被邊緣化。

“從行業角度看，未來的競爭是綜合能力的競爭，包含流程、效率等在內的產品體驗將會成為重要的衡量標準。金融行業正在表現出去人工化、在線化和智能化趨勢，從而進一步解決金融服務的廣度、深度和滿意度的問題。從技術的角度出發，各種行為數據將會被更加充分地利用。目前傳統金融機構積累的大量紙質化信息的價值尚未被完全發掘，非結構化數據的應用將改變數據的結構化價值。此外，大型企業和中小公司都將在數據處理、發掘、打通環節中發揮不同的作用。”蘇綏說。

《報告》認為，2019年，人工智能行業面臨“期中考試”，業界對人工智能的要求不再是“仰望星空”，而是要規模化落地，為社會創造出新的價值。對于阻礙人工智能行業規模化落地的門檻，《報告》認為有四大類：數據安全與隱私保護、數據門檻、人才門檻和成本門檻。

楊濤認為，從微觀層面看，既要關注新技術引入后原有金融機構、產品的風險特征是否有變化，也要探討新技術自身的風險以及互聯網、大數據環境下的新型金融風險。

在業內人士看來，人工智能也存在一定瓶頸或漏洞。西密歇根大學教授、深信科創創始人楊子江告訴《金融時報》記者：“AI的研究已經很久了，之所以很長時間沒有進展，因為以前的研究是基于語義的理解，它試圖理解一個問題，再作出相對應的理解之上的反應，但是這個路很難往下走。近年來，人工智能突飛猛進的發展，主要就是基于機器學習，基于大數據，并不是真正理解你的問題。但是，僅僅基于大數據的學習并不是特別完備的組合，比如，2017年特斯拉的自動駕駛車輛剛亮相1小時，就與一輛卡車相撞，原因是在于車載機器學習軟件把白色卡車錯誤識別為藍天白云。所以說，不是具體應用上的不足，而是這一學科本身還存在著不足和瓶頸。”

蘇綏表示，關于AI存在的漏洞，比如最近經常提到的人臉和活體驗證，理論上肯定有破解方法。“但技術是在不斷迭代改進的，防范技術也會提升，再加上硬件升級，比如3D光鏡頭，破解將會越來越難。”蘇綏說。