中国信通院：AI技术已渗透至金融业的五大业务链条

导读：目前，人工智能技术在金融产品设计、市场营销、风险控制、客户服务和其他支持性活动等金融业五大业务链条均有渗透，生物特征识别、机器学习、计算机视觉、知识图谱等人工智能相关的技术赋能金融业后，衍生出智能身份识别、智能客服、智能营销等多个金融业AI应用场景。

记者 李华清

1月18日，中国信息通信研究院（以下简称“中国信通院”）发布了《金融人工智能研究报告（2022年）》（以下简称“报告”）。报告指出，目前，人工智能技术在金融产品设计、市场营销、风险控制、客户服务和其他支持性活动等金融业五大业务链条均有渗透，生物特征识别、机器学习、计算机视觉、知识图谱等人工智能相关的技术赋能金融业后，衍生出智能身份识别、智能客服、智能营销等多个金融业AI应用场景。

据银保监会的统计，2020年银行机构和保险机构信息科技资金投入分别为2078亿元和351亿元，同比增长20%和27%。银行、保险、证券行业处在数字化转型的浪潮中，人工智能是数字化转型的技术手段之一，但应用AI技术也应注意合规等问题。

AI在金融业的应用场景

2021年，中国人民银行发布《人工智能算法金融应用评价规范（JR/T 0221-2021）》，规定人工智能算法在金融领域应用的基本要求、评价方法、判定准则。在此规范出来前，2018年至2020年期间，各地政府发布的推动金融科技发展的政策文件里，已经有不少表述提到应用人工智能技术。

在现实中，AI技术已经在金融业的智能身份识别、智能理赔、智能客服、智能风控、智能合规、智能投研和智能投顾等领域有所落地。

举例来看，金融业是目前RAP（机器人流程自动化）的主要应用领域之一。在商业银行中，国库退税自动核对、单位结算账户自动备案、清算资金自动对账、反洗钱明细信息补录、信用卡中心风险换卡等工作可以由RAP承担；在保险业，RAP可以做合同文件报送、风控指标监控等工作；在证券业，可以利用RAP实现开市期间监控和定时巡检。

报告介绍，中泰证券在零售、信贷、托管等十余个部门落地了RAP解决方案，累计部署RAP机器人超210个，RAP累计运行时长超6300个小时，累计折算成本超470万元。

利用计算机视觉、语音合成以及采集真人形象、声音、动作等信息进行模型训练，可以生成虚拟数字人，虚拟数字人可应用在金融业的接待、引导业务办理等场景中。

报告介绍，2019年，百度跟浦发银行联手打造的国内首个虚拟数字员工“小浦”正式上岗，今年浦发银行已经设置了十多种数字员工岗位，包括智能客服、智能外呼、AI营销员、AI大堂经理等，创造了约2000人年劳动力价值。2021年，农业银行与商汤科技打造的AI数字员工正式在农业银行的一个营业厅上岗，担任线下大堂经理的角色。

智能外呼在金融业中应用较为广泛，个人客户也较为熟悉，目前业内的智能外呼系统已经可以代替人工完成多轮无差别对话，系统可以利用语义分析引擎拆解客户需求，通过匹配知识库里的话术来进行答复。

报告介绍，阳光保险引入了语音机器人，光是在2021年1月到9月，服务量就达到135.68万笔，节约成本486.25万元。中国人寿财险通过智能回访一年触达170多万名客户，其中超70万人回访成功，如果按普通人工坐席每天拨打150通电话进行回访的效率来换算，节省人力成本超过220人月。

在保险业，融合了机器学习、计算机视觉、智能语音、知识图谱等技术的智能理赔发挥了不小的作用。传统保险业理赔过程中的一大痛点是理赔效率低和理赔成本高，客户容易不满意。

报告介绍，中国平安针对车险理赔上线全球首个图像识别车险闪赔系统，实现拍照秒级定损，如果金额在2000元以内自动核保，不需要等理赔员到达现场，节省了大量的人力成本和时间成本。

对于个人客户来说，声音可能仅是进行身份识别的工具之一，对于金融业来说，声纹却可能是反欺诈的手段之一。在银行业，声纹识别已经应用在信用卡申请环节的反欺诈，可以通过构建声纹黑名单，拦截信用卡申请。

报告介绍，声汤科技帮助工商银行打造了语音反欺诈平台，基于对声纹的收集、注册、对比、识别，在信用卡申请、尽调等环节提供风险判断依据。对黑声纹进行标记入库，可以应对外部黑中介通过更换电话号码等手段持续包装成客户实施的欺诈行为。

报告介绍，自2020年7月以来，中国人寿财险利用反欺诈风险识别模型识别出了4400多个案例，挽回金额超2亿元。

AI技术在金融业的落地障碍

尽管金融业是AI企业重点开拓的市场之一，在金融业，AI技术也找到了多个应用场景，但并不意味着AI技术在金融业的落地一帆风顺。

首先是投资回报率的问题。在技术引入前期，AI技术带来的效益可能难以覆盖高昂的投入成本。受业务规模所限，中小金融机构对于AI技术给业务流程带来的提升，可能感知不明显，对AI技术的青睐度低于头部金融机构。

其次是技术开发过程中的问题。如果是一事一例进行建模，研发周期长且重复利用率低；场景需求可能会有变化，若不进行维护和迭代，模型的生命周期可能非常短。数据对于建模非常重要，但不同金融机构之间可能并不共享数据。

再次是合规的问题。合规问题关乎金融机构的生死存亡。人工智能作为一项正在推广中的技术，本身存在一定的风险隐患，这些风险隐患可能无法满足金融业的风险可控原则。如果训练的数据中就存在偏见，依托AI算法得出的智能决策很可能也存在偏见，形成数据歧视。人工智能技术要用到的数据也存在被滥用、泄露的风险。

报告倡导，在推动人工智能不断深入金融场景、拓宽金融业务边界的同时，也要进行可信人工智能多元化治理，平衡业务转型与合规之间可能存在的冲突。