經濟觀察網 記者 李華清1月18日，中國信息通信研究院（以下簡稱“中國信通院”）發布了《金融人工智能研究報告（2022年）》（以下簡稱“報告”）。報告指出，目前，人工智能技術在金融產品設計、市場營銷、風險控制、客戶服務和其他支持性活動等金融業五大業務鏈條均有滲透，生物特征識別、機器學習、計算機視覺、知識圖譜等人工智能相關的技術賦能金融業后，衍生出智能身份識別、智能客服、智能營銷等多個金融業AI應用場景。
據銀保監會的統計，2020年銀行機構和保險機構信息科技資金投入分別為2078億元和351億元，同比增長20%和27%。銀行、保險、證券行業處在數字化轉型的浪潮中，人工智能是數字化轉型的技術手段之一，但應用AI技術也應注意合規等問題。
AI在金融業的應用場景
2021年，中國人民銀行發布《人工智能算法金融應用評價規范（JR/T 0221-2021）》，規定人工智能算法在金融領域應用的基本要求、評價方法、判定準則。在此規范出來前，2018年至2020年期間，各地政府發布的推動金融科技發展的政策文件里，已經有不少表述提到應用人工智能技術。
在現實中，AI技術已經在金融業的智能身份識別、智能理賠、智能客服、智能風控、智能合規、智能投研和智能投顧等領域有所落地。
舉例來看，金融業是目前RAP（機器人流程自動化）的主要應用領域之一。在商業銀行中，國庫退稅自動核對、單位結算賬戶自動備案、清算資金自動對賬、反洗錢明細信息補錄、信用卡中心風險換卡等工作可以由RAP承擔；在保險業，RAP可以做合同文件報送、風控指標監控等工作；在證券業，可以利用RAP實現開市期間監控和定時巡檢。
報告介紹，中泰證券在零售、信貸、托管等十余個部門落地了RAP解決方案，累計部署RAP機器人超210個，RAP累計運行時長超6300個小時，累計折算成本超470萬元。
利用計算機視覺、語音合成以及采集真人形象、聲音、動作等信息進行模型訓練，可以生成虛擬數字人，虛擬數字人可應用在金融業的接待、引導業務辦理等場景中。
報告介紹，2019年，百度跟浦發銀行(600000)聯手打造的國內首個虛擬數字員工“小浦”正式上崗，今年浦發銀行已經設置了十多種數字員工崗位，包括智能客服、智能外呼、AI營銷員、AI大堂經理等，創造了約2000人年勞動力價值。2021年，農業銀行(601288)與商湯科技打造的AI數字員工正式在農業銀行的一個營業廳上崗，擔任線下大堂經理的角色。
智能外呼在金融業中應用較為廣泛，個人客戶也較為熟悉，目前業內的智能外呼系統已經可以代替人工完成多輪無差別對話，系統可以利用語義分析引擎拆解客戶需求，通過匹配知識庫里的話術來進行答復。
報告介紹，陽光保險引入了語音機器人，光是在2021年1月到9月，服務量就達到135.68萬筆，節約成本486.25萬元。中國人壽(601628)財險通過智能回訪一年觸達170多萬名客戶，其中超70萬人回訪成功，如果按普通人工坐席每天撥打150通電話進行回訪的效率來換算，節省人力成本超過220人月。
在保險業，融合了機器學習、計算機視覺、智能語音、知識圖譜等技術的智能理賠發揮了不小的作用。傳統保險業理賠過程中的一大痛點是理賠效率低和理賠成本高，客戶容易不滿意。
報告介紹，中國平安(601318)針對車險理賠上線全球首個圖像識別車險閃賠系統，實現拍照秒級定損，如果金額在2000元以內自動核保，不需要等理賠員到達現場，節省了大量的人力成本和時間成本。
對于個人客戶來說，聲音可能僅是進行身份識別的工具之一，對于金融業來說，聲紋卻可能是反欺詐的手段之一。在銀行業，聲紋識別已經應用在信用卡申請環節的反欺詐，可以通過構建聲紋黑名單，攔截信用卡申請。
報告介紹，聲湯科技幫助工商銀行(601398)打造了語音反欺詐平臺，基于對聲紋的收集、注冊、對比、識別，在信用卡申請、盡調等環節提供風險判斷依據。對黑聲紋進行標記入庫，可以應對外部黑中介通過更換電話號碼等手段持續包裝成客戶實施的欺詐行為。
報告介紹，自2020年7月以來，中國人壽財險利用反欺詐風險識別模型識別出了4400多個案例，挽回金額超2億元。
AI技術在金融業的落地障礙
盡管金融業是AI企業重點開拓的市場之一，在金融業，AI技術也找到了多個應用場景，但并不意味著AI技術在金融業的落地一帆風順。
首先是投資回報率的問題。在技術引入前期，AI技術帶來的效益可能難以覆蓋高昂的投入成本。受業務規模所限，中小金融機構對于AI技術給業務流程帶來的提升，可能感知不明顯，對AI技術的青睞度低于頭部金融機構。
其次是技術開發過程中的問題。如果是一事一例進行建模，研發周期長且重復利用率低；場景需求可能會有變化，若不進行維護和迭代，模型的生命周期可能非常短。數據對于建模非常重要，但不同金融機構之間可能并不共享數據。
再次是合規的問題。合規問題關乎金融機構的生死存亡。人工智能作為一項正在推廣中的技術，本身存在一定的風險隱患，這些風險隱患可能無法滿足金融業的風險可控原則。如果訓練的數據中就存在偏見，依托AI算法得出的智能決策很可能也存在偏見，形成數據歧視。人工智能技術要用到的數據也存在被濫用、泄露的風險。
報告倡導，在推動人工智能不斷深入金融場景、拓寬金融業務邊界的同時，也要進行可信人工智能多元化治理，平衡業務轉型與合規之間可能存在的沖突。
