第四正規化（北京）技術有限公司首席賦能官黃勇：人工智慧在金融領域應用新趨勢 |《陸家嘴產業金融論
第四正規化技術（北京）有限公司首席賦能官黃勇作了題為《人工智慧在金融領域應用新趨勢》的主旨演講。
以下為黃勇演講實錄：
大家好，非常榮幸今天在這裡跟大家一起探討跟汽車金融、交易銀行有關的AI人工智慧。剛才聽王總講5G，我感觸也很深，我本人在金融行業從業了很多年，有幸從FinTech這個領域進入到了AI這個領域。談到AI這個事情，我們今天應該結合汽車金融也好，交易銀行業好去講，到底有怎樣的變化？AI到底是什麼？有人把AI比作說是未來企業發展的技術能力，有人把AI定義為技術產品，我認為這些都沒有錯，從我個人角度來講，今天的AI就像我們之前對計算機本身的理解，對網際網路理解一樣，它會進入我們生活，成為未來的能力和資源，因此才會說AI會助力很多事情。
談到銀行AI也是FinTech當中很重要的一個環節，我們從金融科技來講很早就有了，我從1996年加入中國工商銀行開始經歷了幾個階段，跟大家分享一下，第一個階段我們稱之為電子化和資訊化階段，那個時候我們大家更多的是系統集中，這個階段應該是90年代初一直到2006年，第二個階段就是從3G、4G、5G移動化，這個變化和第一個變化帶來最大的不同是網際網路化和移動化更多帶來的是資料的爆炸，海量的資料。我記得我在最開始上大學的時候，曾經我的導師跟我說，一張光碟就能夠把全世界的圖書都裝下，那是那個時候的資料，今天呢？我講今天5G的爆發。金融驅動科技這個事情很早就有了，如何讓我們的銀行業務更好的資訊化，更好的普及，科技是先導力量。今天談到金融的智慧化，事實上無論是銀監會還是銀行，我們稱之為智慧金融，現在我們看起來AI技術跟之前傳統的資訊科技一樣，是能夠對我們現有的金融業態，金融的業務產生根本性的變化，剛才我們中國銀行的同事們包括福特汽車的馮總在談到未來的產業變化的時候，都談到了對金融產業的要求。從客戶端、市場、銷售側對我們金融提出了要求，我們銀行對這個要求提出了反饋，我想說的是隨著未來我們的需求越來越多，如何及時地反饋，你依託的是什麼？未來金融企業會變成一個什麼樣的企業呢？我們以銀行為例，我的理解在未來我們的銀行企業會往兩極化發展，一類我們跟陳總在談到花旗的信貸金融產品的時候，你會發現他有非常成熟非常貼切的金融產品，這一類是專門構建適合我們前端的客戶。他是輸出各種符合市場需求的產品，這類銀行專門去做自己擅長的東西，還有一類往前去，我們今天在阿里身上，螞蟻金服的身上看到了，很多大的銀行已經開始構建自己的生態系統了，如何做這件事情，AI在裡面可以做很多很多事情，現在我們看今天AI主要哪些流程？我這裡畫了一個AI的圖譜。
今天我們來看，AI還是在做幾個事情，第一個我們稱之為感知，第二個我們稱之為決策。感知是什麼？感知就是我們的雲技術，我們的視覺技術以及我們的翻譯等等各方面的技術，這個我們稱之為感知，第二個叫做決策，我們如何把感知來的資料首先把它定義了，然後我們進行標註然後做特徵，把這些東西作為我們未來要決策的依據做分析，這叫感知與決策。這裡面有視覺技術、語音技術還有NLP處理技術，如果人去分析自然說話很自然理解上下文，這裡如何把一些行業的知識結構以圖譜的方式加入到NLP裡面，更好的讓機器像人一樣去理解資料，這是我們今天看到的。
國家從2015、2016年開始也圍繞著人工智慧制定了很多很多的政策，從最早的中國製造2025到十三五規劃等等各種監管機構都下達了很多這樣的檔案。2017年我們可以看到各種國務院關於人工智慧的指導意見，包括文化部、科技部都是圍繞AI做了技術，今天的AI是戰略是決策，人民銀行成立了金融科委會，前段時間我剛參與了金融科委會關於AI資料標準制定工作。從技術角度來講今天我們的金融行業以銀行業為例，也已經充分的具備了構築AI能力的契機和基礎，坦率來講我瞭解的中國銀行業其實資料的準備和資料的積累是最久的，資料完備性是最強的，它是非常合適和能夠利用AI技術去做突破發展的，事實上銀行業的資訊化建設從90年代初就開始了，到今年已經30年了，30年的資訊化建設裡面已經構建非常完善的，在中國這個大的銀行裡面是處在頂尖的，網際網路是離散的資料，今天可以看到大量的To C的網際網路技術運用人工智慧技術幫助去感知。等等這些都是通過AI來實現的，金融也可以做這個事。第二個從技術層面上，傳統高緯度四機器學習、深度學習、遷移學習等技術使人工智慧取得新突破，這些技術已經從等級裡面走出來了，走到了行業界、工業界去落地了。
把這些資料裡面跟銀行相關的、業務相關的規律抓出來替代人，這些技術已經取得了很多突破，甚至已經在產業落地了，這是我們今天看到的AI技術。第三個就是人工智慧大資料。談到了資料爆發，從核算會計向管理會計轉變，我們傳統交易性資料也已經發生了很大變化，我們以前的交易資料都是基本的資訊，可能今天我們看到我們網上的資料不止是這些了，無論是監管還是快遞的要求，我們訓練的資料裡面有很多其他資料上來了，這個時候從2006年開始我們會發現銀行的資料爆炸了，在這個過程當中，大資料開始成為了很多企業，很多金融企業或者銀行業開始去做的事情，大資料系我們未來構建AI能力的基石。今天我們看到只要是有資料的地方，只要是能夠通過資料本體表示分析的地方，AI就能夠發揮作用，我們來看看具體的，像我們看到的風控，剛才普華永道的王建平總也講了風控，他以測定損為例來講這個。我講一個例子，比如我知道的某一個股份制銀行，事實上他是在卡額上面做的最好的，每天他都有信用卡的交易，他怎麼做的？他用傳統的規則去事中判斷是否這個是欺詐，然後對他進行事中的處理和事後的處理，模型的準確率是每年要花幾百萬的費用從國際卡組織買最好的模型每年要付幾百萬的費用，實際上用的越久費率越高，利用大資料人工智慧做分析之後把大量的資料拿過來做分析之後，通過AI之後做了一個高緯模型，它能夠把這些資料裡面所有客戶的各種行為的表示全部翻譯出來，然後通過匹配去看是不是偽冒的可能性，直接把資料從1%提升到18%，每年幫他減少的損失每年達到十幾個億，這是很大的。這是我們看到的風控。比如說投護和投管，現在已經開使用AI做決策了，包括我們看到現在很多企業還在投研，投研我個人認為依託資料多一些，對AI分析用的少一些，投研本來是一個持續的工作，包括支付等等的一些，包括我們說的智慧客服，說到智慧客服我就想到其實有一個不是很好的例子，為什麼滴滴它會經常出現你去跟他投訴辦案的時候，他是一個非常冷冰冰的回答，因為它的客服是機器人，它不是真人跟你對話，說明它很多本身的業務定義出問題了，但是從本身來講它確實替代了很多人跟客戶去對話。
這是我們在全流程上人工智慧技術帶來的一些點的變化。當前來講我們看到的情況，我從2015年開始做AI在銀行裡面的落地工作，到今天三年多的時間裡面，今天我們說的FinTech在AI的落地上，更多的還是圍繞著資料探勘和資料分析為主，我們為什麼說以這個為主？證明說它還是在後臺，為前臺、中臺提供支撐，並沒有直接作用在前臺交易。我不能說統計分析不是AI，是半AI時代，本身的資料能力和資料的把握和資料的知識表達沒有AI技術能力強。另外現在看起來很多的企業在用AI圍繞著前臺、中臺、後臺做一些點的突破，剛剛其實在前面也說過了。怎麼能夠精準做客戶定位，做到千人千面，做到一人一面，實現MOT的觸達，這是我們看到今天很多企業在去實現的事情，這個時候就是把以前我們看到由業務專家拍板的，由前臺業務員拓展的工作交由機器判斷，交由資料表示。舉個例子，民生銀行在2018年年初的時候，他們線上線下的轉化率有一個公開資料我看到了，99.16%，我們以前更多是用網點、POS跟銀行打交道，現在都是用網銀、APP打交道，這時候他們發現前臺人員碰不到客戶了，再也沒有很牛的客戶經理說把我全家親戚找個遍，把我各種產品推給他，這個時候如何把客戶行為依託資料做分析判斷你的交易行為，判斷你的風險偏好，判斷你的流通性，這些就完全要依託於資料了，這是我們今天現在正在做的事情，很多人在點上講的事情。
第二個就是構建智慧營銷的閉環。怎麼解釋這個事？可以這樣想，我怎麼樣更好的抓住精準的人群，如果我今天判斷你在銀行資產的AOM是3萬到30萬，我認為你可能會買一些風險稍微高一點，收益大一點的理財，事實上不是這樣的，事實上什麼樣的人在什麼樣的時間，在哪個週期在流動性什麼樣的情況下可能會去買什麼樣的產品，我以理財為例是不一樣的，這個時候如何能夠精準識別人群，這個時候我們稱之為如何去預測某一個人群購買某一個產品的效率。如何能夠針對某一個人不同的產品更可能購買這個理財的可能性，這個東西是完全通過AI去做的，通過海量資料分析通過模型演算法表達找到這樣一些人去做未來新的營銷手段。回到汽車，很有幸前段時間我在跟中華保險的一個朋友聊到，他提到了一個叫做爛西紅柿的理論，我非常認可，就是怎麼樣通過創新把一些爛西紅柿變成好西紅柿賣出去，這就是網際網路思維，用網際網路思維做傳統企業，他舉個例子，大貨車的保險是保險公司最不願意上的，因為大貨車的行車時間長，理賠率極高，只要你購買了出保率很高，都不願意上。大貨車在全國公路網上行走的人群還很大，他用AI技術，他說我把每個大貨車投保，大貨車本來是想要去保的，把一個攝像頭放在車上，你在行駛過程當中就會拍你，同時跟你所有的行使路線的地圖連在一起，當他行駛超過一段時間司機會困，抓拍到他的行為就告訴他前方多少多少公里有服務區，你必須要休息，休息多久，通過這樣的創新，這家保險公司就把很多別人都不保的大貨車的保險全部做出來了，他通過資料分析發現可能從山西到陝西這段事故率非常高，河北到東北可能定價上圍繞著大貨車司機定價上就產生了差別，這些都是做分析來的，傳統不同的AI技術很難通過技術創新給到，這些都是用AI執行的策略，把一個產品很好的變成能夠盈利的東西。
聚焦第三個點風控，剛才我簡單講過了，在風控這個領域上現在很多人在做智慧風控，事前、事中、事後的全流程都在做。
第四個，現在很多做AI的落地都在做資料生態，我們以企業客戶的公司業務為例，我們會發現今天的AI還要依賴海量資料的分析，分析過程當中，我們看To C的客戶資料是很全的，批發類的業務，以信貸違約為例，它的風險表現期非常長，所以可能從交易本身到風險暴露這個可能要一年、兩年甚至是三年，可能三年就形成一條資料，它的資料可能只有幾千條，好的銀行十幾萬條。第二個就是銀行以前並沒有很好圍繞著資料做全面的收集，更多的是圍繞著我的交易需要什麼資料，收集什麼資料，在管理上需要什麼資料收集什麼資料，並沒有像傳統網際網路一樣把可以賣的資料全部賣掉。未來我們可能看到的金融行業會發生哪些變化呢？第一個就是真正智慧化，第二個場景化，第三個個性化。今天銀行系統如何真正產生智慧取決於很多東西以交易銀行為例，還是要回歸到今天的主題，貿易融資是交易銀行，現金管理是交易銀行，傳統來說我們今天很多交易銀行的做法是交易銀行有個人業務、機構業務以及我們電子銀行它的渠道在電子銀行還有金融市場的業務，新館的都涵蓋了，還有人沒有成立，這些業務是散的，如何去把這個業務更好的擴充套件到AI技術，AI技術在裡面能做什麼呢？未來第一個是圍繞著場景化AI是逐漸的深入，第二個是智慧化，當我們即便已經把剛才說的交易銀行所有的智慧前後一體化，我們會發現大量的角色，剛才我們跟中國銀行的同事講我們自貿區的服務，自貿區的服務是被動的服務還是主動的服務？我們如果提供及時的資訊觸達的服務，這裡面跟什麼有關係呢？這裡面跟我們對客戶本身業務需求的及時化了解有需求，還有很多銀行的業務處在猶豫期，可A可B的決策，這個時候完全依賴於銀行的業務專家本身給的決策，未來銀行構建的就是無論是信用卡業務還有資料智慧風控的大腦，由機器替代人去做相應的決策，這些決策不是說完全取代人，而是說做出基本決策由人去做進一步的決策，這是我們看到金融智慧的產生。