1.2.2 人工智能在商业银行的应用

随着“ABCD”（ABCD指人工智能、区块链、云计算、大数据，其他新技术还包括物联网、5G等）为代表的新兴技术在各个行业的应用落地，互联网金融也借助新兴技术迅猛发展，逐步推进金融服务转变为以客户体验为导向、以新兴科技为驱动、以互联网低成本扩张为手段的业务模式，为客户提供全渠道、无缝式、定制化的产品和服务，商业银行需要打造以自身业务为核心、融合科技创新的一体化金融服务新生态。

在新兴技术中，人工智能对商业银行的影响更为广泛，成熟的落地场景和应用更为丰富，主要包括智能客服、智能渠道、智能营销、智能投资和智能风控等。智能客服领域通过语音识别、自然语言处理、语音合成等，识别客户的对话内容，理解内容并完成相应回答、对应操作，如查询余额、转人工等服务；智能渠道领域，通过分析用户的属性、消费习惯等数据来构建全面的用户画像，推荐更符合客户的产品，提升客户响应率、降低营销成本；智能投资领域，通过分析产品特性、市场趋势预测、风险监控，进行投资建模，实现资产优化配置，为客户提供投研顾问、量化交易等服务。智能营销领域，建立全方位的客户画像，通过需求响应模型，提高营销效率的同时提升客户的忠实度和满意度，带动商业银行基金、理财、保险等重点产品的销售增长。智能风控领域，通过银行积累的历史数据，构建反欺诈、信用风险、事中风控、贷后风控等模型，重点关注识别异常交易和风险主体，多维度监控金融主体的信用风险和操作风险，避免银行资产损失的同时，为客户资产保驾护航。

依托于人工智能对金融科技和金融业务的赋能（赋予人类大脑的感知、认知能力），银行业的智能应用在用户交互、产品业务、后台运营等三大方面开展落地。感知方面，人工智能充当机器的“眼、耳、口”，赋能金融科技实现“看、听、说”感知功能。认知方面，通过学习金融领域的专业知识、金融数据，结合金融特定场景，人工智能应用在金融领域逐步细分和丰富。感知、认知能力在提升用户交互、产品业务、后台运营等方面的效率之外，也提升了产品业务、营销等方面的效能。

依托多样化的金融产品、丰富的客户资源及大量的金融交易数据，传统商业银行在用户体验、产品业务、运营管理和决策支持四大领域，不断深化人工智能技术应用，维护银行与客户间的良好关系，推出多样化的金融产品，提供更安全高效的金融服务，同时降低运营成本。

1.用户体验

随着金融服务差异化升级，商业银行愈发重视金融交易的用户体验，而用户体验的提升主要体现在用户交互感知方面；在该领域可应用的人工智能技术包括计算机视觉、自然语言处理、语音识别等。计算机视觉技术作为眼睛接收图片、视频等数据并进行类别、内容识别，自然语言处理作为语义理解模块接收文本信息、理解文本的内容与情感、进行对应反馈，语音识别技术作为耳朵接收语音信号并将其转化为文本信息、内容识别、人声识别等。

用户交互感知中，计算机视觉技术应用到商业银行以实现客户的身份识别，身份识别包括人脸识别、声纹识别、虹膜识别、指纹识别等，可应用到手机银行登录、远程开户、刷卡、取款、VIP客户识别等多个场景中。金融科技通过融合包括去噪、不同语言识别建模、不同语言辨别、情感识别、智能推理等相关技术，实现语音转写工作、语义理解、问答服务、敏感词识别、情绪识别、实体识别等功能，落地到交互机器人、智能客服等金融场景。其中，语音转写工作为自助语音终端提供语音识别转化为文字的功能，可提升客户的交互体验。交互机器人、智能客服等，可理解客户的语音指示、回答客户相关问题、引导客户根据不同的业务来办理，同时通过知识图谱完成相应的知识推理，类似问题回答、推荐等功能，从而节省行内人工成本，让客服可以更专注于解决更复杂的问题并提升服务质量。

用户交互认知方面，主要为金融细分领域下，人工智能技术结合具体业务场景催生出不同的落地应用，如金融领域特有的智能支付（NFC、人脸支付、扫码支付），智能投顾等。衍生于互联网电商的用户个性化界面，手机银行基于客户的属性、使用习惯、产品偏好等实现了千人千面，打破之前的统一界面，保证每个客户的登录界面都不一样，极大提升了用户体验、服务效率、产品营销响应率。

2.产品业务

随着人工智能技术发展，金融科技逐步实现对产品设计的精准化、对业务流程的优化。感知智能通过大数据、机器学习、深度学习感知客户、环境，实现对公、对私客户画像。认知智能通过图计算、机器学习、深度学习等技术，结合已有的金融数据、环境数据、业务知识，实现智能风控、智能营销、智能投研、智能合约等。

产品业务感知方面，人工智能辅助金融科技，通过全方位了解客户，完成对原有产品的完善，并对原业务的进一步优化。通用的人工智能技术结合大数据进行用户画像，从而为用户推荐更为精准、匹配的广告、产品、服务。借鉴于电商运营的个性化登录、推荐页面，金融科技也可根据用户习惯和喜好来使网银、手机银行的界面、广告实现千人千面的效果，支持用户兴趣爱好随时间变化的自适应迁移，在带来更好用户体验的同时，提升广告的转化率、扩大业务规模。自然语言处理、情感识别、知识图谱等技术与金融科技相融合，实现对金融市场、新闻时事、法律文书、其他公开资料等环境信息的感知、理解，将非结构化数据转化为结构化数据、知识图谱等，为后续的运营、决策、服务，如智能投研等提供支持。

产品业务认知中的智能风控，将业务知识、历史数据与经验嵌入应用和流程中，“重塑”贷款管理流程，对客户、交易等进行风险预测、欺诈识别、反洗钱，实现端到端的智能风控体系，从“人控”向“机控”转变，降低风险、提升风控效率。在具体的金融科技实践方面，在贷前、贷中、贷后，实现预授信额度测算、客户申请评分、行为评分、催收评分、企业360视图、集团客户识别、同一客户识别、企业关系网络图谱、基于NLP的智能检索、客户失联修复、多渠道联合监控预警等多个模型、功能，从而在风控的不同场景进行实际的应用落地。通过人工智能深度挖掘数据价值，突破传统产品和服务模式局限，“助推”营销体系智能化，面向不同的金融客户推出精准营销。人工智能在金融科技的实践，突破了传统营销模式的仅重点服务高端客户、营销对象广而泛的局限，实现顾及长尾客户、产品精准推荐。通过联合建模等分析客户生命周期，建立客户的流失预警模型、响应模型、个性化定价模型、基金产品推荐模型、保险推荐模型，实现获客、活客、留客等客户服务，进行精准、实时、全面的营销支持工作。

3.运营管理

除面向客户的前端、业务产品外，人工智能技术也逐步辅助商业银行的内部人员，完成后台业务处理、后台运维等方面的工作。

后台运营感知方面，人工智能技术主要涉及机器学习、计算机视觉，帮助金融工作人员大幅提升工作效率、减少工作误差。由于金融行业在办理业务的过程中会积累大量的纸质票据、表单、身份证护照等的复印件、影像等，计算机视觉技术中的OCR可自动识别提取影像资料中的文字信息。通过OCR技术，业务人员不再需要重复将大量的纸质文件手动录入为电子信息。RPA作为“数字员工”可以帮助银行员工自动、高效地完成大量重复的工作。中国银行云南省分行于2019年引入RPA系统，实现对公账户全流程自动化管理、信用卡自动调额。广发银行则将RPA系统应用到对公账户开立报送人行、财务报表编制、高端客户服务排查、对账等业务场景，在2020年全辖推广后，节约了92%的人力成本。

后台运营认知方面，各大商业银行已经在其数据中心进行了智能运维的布局与应用，通过语义分析工单、实时分析应用数据，进行挖掘建模、模型迭代，让运维管理具备算法和机器学习能力，通过持续学习将运维人员从纷繁复杂的告警中解放出来，使运维变得智能化，提高运维效率，降低生产风险。智能运维主要是在资源交易趋势预测、智能预警、任务自动分配、跨系统智能分析等方面，分别实现提前预测系统资源趋势情况，智能过滤预警信息、提供准确的系统运行信息，提供丰富的算法组合自动匹配、分发，多个产品系统间问题准确定位等功能。中国农业银行通过全链路跟踪、监控整个系统的交易率、响应时间、成功率，快速定位到发生异常的具体环节，从而实现金融系统的智能运维。

4.决策支持

随着大数据平台建设的逐渐成熟，人工智能技术也逐渐被商业银行用于智能决策支持，帮助商业银行获取宏观经济预测，客户管理、风险管理、绩效分析、实时营销等决策依据。

智能风控体系的建设，是商业银行将人工智能技术用于决策支持的典型。通过机器学习算法建立的风险特征模型，主动实时地监控异常设备、用户、账户、操作、交易等信息，根据监控结果采取不同处置措施，从而实现金融服务的实时反欺诈。依托风险数据集市及相关的数据平台，建立风险识别模型，为企业风险管理提供支撑，对企业股权、管理、担保和融资等不同维度绘制关联图谱，进行动态预警监控。利用资金业务的交易数据建立的金融分析模型，对银行交易账户的各种资金业务产品及市场数据进行模拟和回归计算，实现市场风险和操作风险的监控。使用机器算法提高名单检索和模型命中率，在交易链路、追踪资金流向、分析客户交易偏离度、发掘受益人等多种业务场景中，实现智能的反洗钱管理。商业银行利用人工智能技术，构建起智能的大数据风控体系及银行决策体系。