人工智能在银行业的应用与发展

1、人工智能在银行业的应用与发展的战略性技术，推动各行各业实现跃迁式成长，发展潜力巨大，商业 价值可观。而银行业正值数字化转型如火如荼的时期，金融产品和服 务模式的日新月异呼唤人工智能等新兴技术为其“加薪助燃”，以解决金融脱媒、利差收窄、风险防范形势严峻等现实问题；同时，银行业 多维且丰富的应用场景也为人工智能的落地生根创造了“天然基质”。尽管当前人工智能在银行前中后台均有应用，但不可否认的是其发展 尚处于探索阶段。银行只有进一步了解现状，并就人工智能在银行业 的应用领域开展分析，洞悉其未来发展方向，才能乘数字化转型之东 风，拓宽技术与业务场景的融合边界，在创新业务模式及实现金融资 源有效配置的过

2、程中，推动银行融入智能时代。一、人工智能在银行业的发展现状金融和金融科技四个阶段，从单纯依托技术手段提升传统业务效率、 降低运营成本，到优化金融服务能力与水平，再到聚焦前端渠道形成 普惠的大众化金融模式，至今已发展为新技术与业务全流程、全链路人工智能作为新兴技术的代表，从供给侧来看，数字和网络服务工智能与银行业的“牵手”提供了更大的可能性。当今中国，“AI+金融”产业规模稳步增长， 国家金融业务监管政策的收紧促使行业浪潮趋向技术回归，“AI+金融”领域已逐渐成熟， 无是对 AI 落地价值的认可度还是AI 技术能力的掌控度，大型金融机构都处于上升趋势。艾瑞咨询预测，2022 年中国金融场景的人工

3、智能投入规模将达 414.5 亿元，其中银行业作为主要需求方，2022 年人工智能的投入规模将超过220 亿元。人工智能为银行业带来的价值同是巨大的，很有可能是商业银行的下一个利润增长点。麦肯锡全球研究所预测，人工智能和机器学习将为银行业创造超过2500 亿美元的价值，每年可为全球银行业创造高达1万亿美元的增量价值。当前智能金融的市场规模和应用场景随着人工智能技术在金融领域的逐步 突破不断扩大，人工智能已经渗透到商业银行的支付、消费、风险、 运营和资产等各个领域，将在不断融合、创新、拓展中促进金融科技 向纵深发展。二、人工智能在银行业的应用分析1.人工智能在银行业的应用逻辑银行业智能化进程的顺

4、利推进与智慧效能的发挥有赖于技术的更新换代与沉淀，也需要选择契合发展的内外部业务场景作为主要阵地。伸。无论形式如何丰富，银行服务的本质仍是人与人之间的交流与服 务价值的交换，人工智能参与其中必然要遵循这一底层逻辑而非搅局 与替代。因此，形象地讲，人工智能在内部场景前中后台多个环节的应用更多是充当了人类智慧的“扩容器”、人类能力的“放大器”， 使数机器人具备理解语言、理解文字、理解业务的能力，批量实现人性化服务价值链高端的银行业带来深刻影响。人工智能在银行业外部场景的应用重点则在于以串接为路径的生但其细分技术宽广而深入，且在涉及与客户相关的衣食住行、医疗保健、文化娱乐、教育培训、体育锻炼等多个领

5、域已有广泛布局，找到适合其细分技术成长的“土壤”并非难事。例如自然语言技术应用于放式环境中与客户的交互，在提升渠道触达能力的同时，融入智能服辅助中亦有良好效果 ;机器学习与深度学习技术更是能够从客户行为中提取出更为准确的信息。造银行的运营模式与流程。2.人工智能在银行业的应用领域台可用于客户服务，中台可用于支持授信及金融交易分析决策，后台 可用于风险防控和监督，覆盖了银行存、贷、汇、监等业务场景，改 变了现有金融服务格局，使其趋向于个性化与智能化。前台赋能交互，提升用户体验用户是商业银行生存和发展的基础，用户体验得到长久而持续的关注也是应有之义。其提升主要体现在用户交互感知方面，借助计算机视觉

6、、自然语言处理、语音识别等成熟的人工智能技术，银行与用户的智能交互变得频繁且自然。计算机视觉技术转化为“智慧之眼”接行相应反馈，以此弥补因人力、精力不足而导致的人工服务的缺失， 将用户服务做到极致。不同金融场景用户交互的技术应用也不尽相同，包括身份识别、手势识别等在内的计算机视觉技术已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；人脸识别技术在各大商业银VTM在提升客户体验的同时可减少重复单一的客户服务工作。商业银行通同时通过知识图谱实现相应的知识推理、类似问题回答推荐等功能， 中台赋能产品，推动流程重塑时，实现了金融服务的智能化、个性化与定制化。人工智能辅助商业 银行

7、通过全方位了解用户完成对原产品的完善、原业务的优化。结合 大数据进行的用户画像深度挖掘数据价值，突破传统产品和服务模式 广而泛的局限，为用户更为精准地匹配产品和服务。借助人工智能，商业银行逐步实现了对产品设计的精准化、业务环境，实现对对公、对私客户的精准刻画。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、反洗从而降低风险、提升效率。后台赋能运营，提速提质提效诉求日益增强。人工智能技术

8、可辅助将有限的人力资源从业务量大、 操作一致、重复度高、数据格式固定、规则标准明确、耗时长、处理 过程枯燥的领域中解放出来，投入到需要高度判断力、想象力的附加“一岗多责”“多岗多责”有效提高运营效率，提升精细化管理水平。在后台运营感知方面，机器学习、计算机视觉等技术可帮助银行 从业者大幅提升工作效率、减少工作误差。由于银行业在办理业务的 过程中会积累大量的纸质票据、表单以及身份证护照等的复印件、影 像等资料，计算机视觉技术中的OCR 可自动识别提取影像资料中文字信息，业务人员不再需要将大量的纸质文件手动输入转化为电子 信息，因此，各大商业银行都将OCR 识别技术应用到相关业务流中。RPA 则可

9、帮助银行员工自动、高效地完成大量重复性的工作。在后台运营认知方面，各大商业银行的数据中心也已开始智能运维的布 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，提高运维效率，降低 生产风险。三、人工智能应用于银行业的后续思考人工智能在银行业已有长足进步与快速发展，但成长时间尚短，管、智能治理、基础能力建设等方面进行深入研究，推动以人工智能为主要驱动力的智能银行实现可持续的、高质量发展。基于统筹视角强化“数字员工”核心能力这不仅体现在要将人工智能对某项银行传统业务流程或信息系统的 “后置式”“补丁式”优化转化为统筹建立基础能力后多点赋能银行业

10、务以发挥规模效应，更体现在立足于“全局数字化”战略思路，联结技术新与人力资源优化，构建完备的技术架构，实现人机协同，进一步提升效率，构建全面、完备、自我更新迭代的数字化金融组织。人工智能在银行业的应用无论是延伸人的能力还是串接重构、再 大而标准的能力，推动建立系统化的人工智能平台，针对银行自身分与赋能另一方面则要从人力资源的角度认同“数字员工”的身份，将与自然人的人力资源统筹考虑，塑造自然人员工的数字能力，适应并效率。基于治理理念消除人工智能“隐藏风险”据安全、算法安全、隐私保护的强烈诉求使得银行在应用人工智能的 同时多了一份担忧，影响更深层次的探索与创新。人工智能的算法逻 辑对于价值链条的绝

11、大部分参与者来说更像一个“黑盒”，同时其智能性也意味着学习及求解的自主性及独立性，过程更关注输入输出的正 确性以及目标的合理性、原始数据的准确性等。这就更需将人工智能运行在“阳光之下”，使用原则和使用规范不可或缺，对人工智能的治理也需更为谨慎， 使其发展围绕“人本视角”的基于整合思维“双线并行”发挥最优价值存在着不可分割的紧密联系。从某种程度而言，庞大的数据是人工智 能重要的养料与支撑，是完善人工智能系统、加速应用创新的关键要 素之一，供人工智能进行学习、训练与分析，并影响着人工智能产出 的精确度与可用层级。淀了大量数据，理论上在人工智能应用中具有天然优势，但其沉淀的 数据种类繁多、级别海量，又大量以非结构化形式存在，外部数据的 引入略有不足，跨平台的标准化数据生态也普遍处于建立初期。银行 业要应用好人工智能，对大数据的收集、管理与处理同样值得关注。 一是要建立集采、存、算、用、管于一体的、适用于全行的基础性数 据平台；二是要打破数据与数据之间的隔阂与边界，共享海量的数据 及其所带来的