• 快捷搜索
  • 全站搜索

浦发银行深入挖掘AI价值

2017-09-21 16:26:35作者:上海浦东发展银行信息科技部总经理 蒋瞳编辑:金融咨询网
人工智能已经全面进入了我们的视野,融入到了医疗、交通、教育、零售等生活场景中。毫无疑问,人工智能拥有改变未来的巨大潜力,同时也为现代金融服务带来了更广阔的想象力和更强劲的推动力。

从“深蓝”战胜卡斯帕罗夫到“沃森”打败人类智力冠军,从“AlphaGo”战胜李世石到最近的“冷朴大师”获得压倒性胜利,人类在与人工智能的比赛中屡屡受挫。实际上,这只是人工智能应用的冰山一角,人工智能已经全面进入了我们的视野,融入到了医疗、交通、教育、零售等生活场景中。毫无疑问,人工智能拥有改变未来的巨大潜力,同时也为现代金融服务带来了更广阔的想象力和更强劲的推动力。

图片1.jpg
上海浦东发展银行信息科技部总经理   蒋瞳

人工智能发展概况

        人工智能(artificial intelligence,简称AI)这个名称在1956年被创造出来,是一门研究让机器模拟人类进行理性思考和行动的学科,图灵测试提出具有智能的计算机必须拥有自然语音处理、知识表示、自动推理、机器学习、计算机视觉、机器人学等能力。近年来,计算和存储能力的极大增强、数据量的飞跃式增长以及深度学习理论的提出推动人工智能技术发展掀起了新的浪潮,应用场景日益增多,商业化程度不断提高。

        现今,人工智能的应用已经不仅仅停留在简单的工业自动化层面,而是被应用到一些需要高级知识和经验的领域。与单个自然人或团队的智慧相比,它具有以下突出优势:一是利用大数据可以拥有超级知识库,这个“超级大脑”远超过个体自然人的知识学习能力和经验积累;二是具有强大的计算能力,可以24小时不间断地进行快速运算和数据挖掘分析处理;三是已经具备基本的自然语言识别、情感感知能力,能够与自然人进行交互;四是,通过算法的加强,初步具备基于模型的自我学习或半自助学习能力。

浦发银行人工智能技术的应用研究和探索

        浦发银行紧跟现代科技发展步伐,从2009年开始,启动了在大数据、机器学习、自然语言处理等人工智能应用研究。建设了集数据、算法、服务和治理于一体化的大数据应用创新环境。依托对内外海量数据的计算推演,逐步还原了客户全景画像,成为浦发银行数字化发展的新引擎。目前,课题研究成果覆盖公司、零售、风险、运营、资财及金融市场等六大业务,取得了较为显著的经济效益和社会效益。

        1.营销服务方面,人工智能技术的应用为线上线下市场的协同布局提供了加速度。

        我行研发了基于混合学习的精准营销模型,并在信用卡、点贷、基金等产品的定向销售上进行了有效的应用。营销效能较传统营销模式提升了8~15倍,拉动消费信贷增长约39%,而营销成本较以往下降了15%。2016年我行推出的智能理财顾问—“财智机器人”利用大数据分析、人工智能、移动互联等金融科技,集线上智能投顾及线下个性化专业咨询服务于一体,根据客户的风险承受能力、资金状况等进行资产体检,并给出配置建议,实现基金、理财、贵金属等多产品类别的组合产品推荐,实现了资产配置顾问式服务。

        2.客户管理方面,人工智能技术为客户体验改善提供了手段。

        我行利用自然语言处理和情绪计算技术,感知客户投诉时的情感状态,为客服人员给予提示并辅助开展主动危机公关。运用此项技术后,投诉客户的资产总值不降反升,贵宾客户数量提升了12%。我行开展了基于机器学习的客户流失感知预警研究和应用,有效遏制了私行客户流失,流失率较以往下降3%~6%,客户规模保持20%以上高速增长。

        3.风险控制方面,人工智能技术为全面风险防范提供助力。

        我行自主研发的社交图谱技术实现了应用突破,通过全息风险感知捕捉出了3700余条风险线索,提前挽回风险资金100多亿元。我行建设了基于深度学习和大数据训练的活体人脸识别系统,与个人网银、手机银行、VTM、客服系统相结合,并配合已有的静态密码、动态口令等认证方式,提供手机银行刷脸登录、电子账户升级刷脸验证、电子渠道大额转账刷脸验证等业务功能,在提升客户汇款金额、申请大额贷款等资金类业务中,大幅提升了交易安全。

人工智能在银行业的应用展望

        通过近几年的探索和实践,人工智能已经成为商业银行创新转型的新动能。可以预见,随着人工智能技术在银行业的深入研究和扩大应用,将给传统银行的运营和服务带来巨大变革,甚至重塑银行的商业模式。

        1.人工智能将成为未来客户交互的主要对象。

        随着语音识别、自然语言处理和语义理解等技术的成熟,当前商业银行已经可以建设智能交互客服系统为客户提供7×24小时的信息查询、账户管理、还款、转账等基本业务功能和互动服务,替代繁琐的电话语音菜单,提升客户沟通体验,降低人力资源需求。未来,商业银行还可引入网点大堂智能机器人,赋予其人类的形象和相应感情、动作,对网点客户进行业务咨询答疑、辅助分流、乃至于替代人类柜员办理相关业务。

        2.人工智能将使银行获得非凡的洞察能力。

        人工智能能从海量的语音通话或文字记录中洞察语义,自动分析识别电话银行、网络银行或者客户服务中的通话记录,并结合各种用户单据的结构化内容,挖掘分析有价值信息,为服务与营销等提供数据与决策支持。通过人脸、声纹等识别技术能够迅速甄别客户的身份、洞察客户的行为特点,对客户的行为进行预测并对风险进行提前预警。例如,银行可以在网点、自助设备上部署监测设备,结合客户交易记录信息分析,实时分析客户的交易行为正常与否,情绪状态是否稳定,以判断其是否遭遇了电信诈骗等特殊情况,以便通知银行人员及时介入。

        3.人工智能将实现主动式精准营销。

        经过深度学习的人工智能,能更精确地从客户的交易信息中捕捉客户的潜在需求,结合客户的历史客服通话、文字聊天记录,分析得出该客户的性格特征,智能形成最为适合的营销话术,开展主动的营销或服务。在提升营销成功率的同时,也创建了更人性化的客户体验。而智能投顾系统则把财富管理这个服务门槛降到普通人就能使用。人工智能通过分析客户的交易习惯判断其风险承受能力,基于每一位客户的实时资金状况,提供量身定制的智能投资方案,或代理其投资操作。毕马威的研究报告表明,到2030年类似于Siri的人工助手或将取代人类接管客户的生活与金融服务,甚至将出现智能机器人的上门服务。

        4.人工智能将成为预测和研判的重要手段。

        人工智能技术的应用,可以使传统的决策支持系统能够根据海量的内外部数据、历史信息和关联情报进行智能化的分析,在此基础上预测未来趋势,成为管理决策者的探路明灯。此外人工智能可以基于大量的案例学习,提供智能化的决策建议,为管理者出谋划策。当前研究表明,经过超大规模的历史数据训练,人工智能技术给出的决策建议有效性显著上升,对于辅助经营决策的作用不可忽视。

人工智能应用中的挑战和建议

        1.人工智能在商业银行应用中存在的挑战。

        人工智能已经在部分银行业务领域小试牛刀,未来必将对整个银行业务带来颠覆性的影响。但是我们也应该看到当前人工智能在商业银行应用中还存一些挑战。

        数据仍是银行的短板。机器学习(尤其是深度学习)的应用需要基于大规模、高质量数据的训练,数据量的大小直接关系到算法的性能表现。然而银行信息系统建设以往呈现“重功能实现、轻数据采集”的特点,导致数据丰富程度不够,数据质量不高。另外,银行各业务部门之间、分行与分行之间、行内与行外之间还或多或少存在信息壁垒,也阻碍了数据的共享与集成。

        创新研发软实力不足。在人工智能算法创新能力、计算支撑能力、专业人才培养等方面存在不足。人工智能的深度应用,需要具备优秀的算法创新能力、强大的计算支撑能力和顶级的专业人才,相比于互联网企业或金融科技企业,银行在这些方面还存在不少差距。

        智能化程度有待进一步提高。虽然人工智能在智能客服、智能投顾、智能信贷、交易分析、风险管理等方面有所应用,但是业务的智能化程度还不够高,在服务的满意度、人机交互的体验、决策的精准程度等方面仍需完善。

        安全风险面临新情况。银行业是极度重视风险的行业,但是人工智能系统较传统系统的复杂度更高,智能分析所涉及数据的数量和范围更大,系统遭受到系统宕机、网络攻击、数据泄露等安全风险也随之增加。人工智能自动决策中存在小概率的偏差甚至失误可能导致意外客户财产损失、将给商业银行带来一定的业务和信誉风险。目前看来,当人工智能的应用出现重大缺陷或者安全隐患时,当下的法律框架和监管原则都还有待完善。

        2.商业银行的应对策略。

        尽管人工智能在银行应用中还面临诸多挑战,但是人工智能将重新定义金融服务行业的趋势不会改变。为了更加有效推动人工智能在银行中的研究和应用,我们建议从以下五方面着手。

        明晰战略。银行首先应结合自身现状回答“目前银行处于什么阶段?银行未来的目标和竞争优势是什么?需要哪些人工智能技术以及如何具备这些技术能力?”等基本问题,在此基础上,尽快明晰中长期的人工智能发展战略,并规划实施路径。

        夯实基础。一方面,银行需要通过多渠道引入各种外部数据,以丰富数据资产维度,建立并严格执行统一的数据规范和标准,以提高数据质量。另一方面,需要弥补计算能力短板,加大云计算投入,拓展建立全栈大数据洞察分析平台,支持多模态数据融合分析,实现PB级数据挖掘分析和人工智能运算能力。

        苦练内功。算法是人工智能的灵魂,应在传统有监督学习的基础上,增强对无监督/半监督、强化学习、迁移学习的研究,重点加强对深度学习的研究。例如:如何利用无标注数据开展学习,降低算法复杂度、提高算法效率等,以提升在图像识别、语音识别、语义分析等领域的应用效果。此外,也需加大机器学习、自然语言处理、生物识别等领域的人才培养和引入。可考虑组建人工智能研究小组或实验室,提高银行在人工智能领域的研发创新能力。

        深接地气。人工智能只是手段,提高银行的服务能力和管理水平才是目的。因此,要特别重视人工智能应用场景的研究,例如:机器人智能服务、智能授信、产品智能推荐等领域,让人工智能在银行业务中真正发挥作用。另外,银行应不断革新经营思维,强化人工智能配套机制建设,避免出现“形智”而“神不智”的现象。

        拓宽眼界。银行目前还不是人工智能研究的领导者,但是银行必须紧跟人工智能技术前沿,积极尝试在多个业务领域运用人工智能技术,提高人工智能技术的应用能力,做到“近水楼台先得月”。

        今天,有形或无形中,数千个AI应用已经深深地嵌入了日常生活和社会运作,“人工智能”这一表述也首次出现在今年“两会”的政府工作报告中。我们相信,在全行业共同努力下,人工智能将为银行业的发展、为数字普惠金融提供强大活力。

(文章来源:金融电子化杂志)  

扫码即可手机
阅读转发此文

本文评论

相关文章