一、人工智能赋能银行业的四大分类

从硬件/软件世界、核心/非核心应用两个维度来分析,人工智能在银行的应用分成四大类:

第一类,以硬件为主,银行的核心应用。核心应用对可靠性和安全型要求非常高,几乎不允许发生错误和数据泄露。比如云从科技通过人脸识别技术和摄像头,为银行提供智能视频监控和安防设备。比如招商银行在手机银行的密码/手机验证码上再加一层人脸识别/指纹识别进行支付验证。

 

第二类,以软件为主,银行核心应用。比如美银美林联合Fintech HighRadius采用机器学习,和光学字符识别来确认付款人,将付款人与非上下文付款相对照匹配,同时将其与应收账款相对照匹配,实现人工智能的应收账款对账。比如美林数据结合银行用户的基础信息、消费信息和客服通话文本记录,通过人工智能算法识别用户是谦谦君子还是骗子流氓式的高危违约用户,实现银行用户的小额授贷。

第三类,以硬件为主,非核心应用。比如银行客服机器人,基于 Facebook Messenger 平台的聊天机器人,富国银行利用内嵌人工智能技术的客服助手机器人通过与用户交流,为客户提供账户信息,帮助客户查询相关交易记录。

第四类,以软件为主,银行的的非核心应用。比如金融产品的智能推荐,摩根大通采用机器学习技术研发预测性推荐系统——新机遇引擎(Emerging Opportunities Engine),能辨别应该发行或出售股票的客户,并将它推广应用到债券市场等其他领域。

二、企业依托人工智能赋能银行的进阶之路

一是初级阶段:以某单点切入,企业为银行提供特定人工智能技术或咨询服务。鉴于市场的应用场景和价值未经过长期有效验证,此时的AI企业依靠人工智能基础技术尚未普及和人工智能领域人才优势短缺的红利期优势,提供给银行的简单的AI基础服务,主要包含:

n  算法销售。将一些顶级会议/名校实验室/国际竞赛中的AI技术或者AI算法(如基于协同过滤的产品推荐算法、自然语言处理算法)直接卖给银行;

n  案例复制。将互联网等AI应用的成熟领域的应用案例(如精准营销、知识图谱),移花接木稍加改装后提供给银行;

n  咨询/培训。为银行规划AI战略或者提供AI人才培养培训。

二是进阶阶段:企业提供银行特定领域的人工智能整体解决方案。在阶段一的基础上更加商用化,从人工智能技术应用深度上和银行业务环节上下游上,将单一技术和类似案例融入业务的深度改造,以更好地融入银行的海量业务数据和金融服务的场景中。比如美国银行的智能虚拟助手 Erica,除全天 24 小时在线为4500万用户处理交易转账外,帮助用户分析检测其消费习惯,提供理财指导、改善信用评级或获取省钱的建议。

 三是产品化阶段:企业推出具有影响力以及用户粘性的“T字型”人工智能产品。T字型中“横”是指面向银行通用领域的产品,“竖”是指面向银行某一垂直领域的智能应用产品。“横”的典型代表是美林数据提供面向银行通用业务的Tempo人工智能平台,覆盖海量数据接入、高维特征处理、自动模型训练、智能模型评估和应用部署等一站式人工智能服务;“竖”的典型代表是SAS公司提供银行风险欺诈领域的智能应用产品。

目前更多的企业正迈向或者已经在这个红海竞争领域中厮杀,要取得这场战斗胜利的制高点,人工智能产品企业需要重点立足当下,对产品应用领域具备清晰认知。鉴于时代快速更迭和竞争的加剧,银行自身的业务需求也在不断的变化,其首要的任务就是保持存量客户经营的前提下实现利润稳定增长。这就要求人工智能产品服务企业既能够不驰于空想、不鹜于虚声,扎根银行行业业务和流程,逢山开路、遇水架桥,占坑“深水区”,以促进银行的客户服务完善和优化。

四是生态圈阶段:银行或银行联盟主导下的“大树型”人工智能产品框架。这个是人工智能高级阶段。随着人工智能应用成熟,生态圈构建以银行或者银行联盟为核心,众多人工智能企业为生态协同构筑者,如民生银行的阿拉丁平台。

依托银行海量的业务服务数据这个土壤基础,银行集团由顶至下地布局一个人工智能平台作为大树的树干,众多人工智能企业的每个子人工智能产品相当于大树的枝干,每个叶子就是银行通过人工智能应用枝干输送提供给用户的个性化人工智能应用服务。这些叶子上典型的人工智能应用服务,如风险欺诈、用户画像、信用评价、个性化推荐等等,业内已经有银行在生态树上进行尝试,为累累硕果培育奠定了良好根基。