【焦点】人工智能在银行中的应用

德勤Deloitte · 公众号 · · 2019-09-10 22:09

正文

随着计算机计算能力与网络带宽的倍增，同时成本持续下降，人工智能的应用也逐渐成熟与普及，让不少银行趋之若鹜。不过目前一些所谓人工智能方案其实并不能算是人工智能，不少应用亦没有真正释放人工智能的潜在价值。 德勤中国金融科技管理咨询领导合伙人冼君行博士 ，以及 德勤中国银行业及资本市场领导合伙人（中国香港）陈子建 ，近期向香港中资银行业协会季刊撰稿，讨论了人工智能在银行业目前的应用和潜在可能。

人工智能的背后有两个基础。第一，人工智能是建立在大数据输入的基础上。没有经过大量数据的洗礼，人工智能系统将如一张白纸。第二，人工智能建立于循环反馈（Feedback Loop）的基础之上，通过不断的机器学习，提升人工智能的应用能力。

当前常见于银行业的人工智能应用案例可分为三类。第一类为「预测性分析」（Predictive Analytics）。预测性分析主要用在把大量客户数据与市场数据消化后，对销售的成功率、贷款时的坏账率或各种市场产品的风险指标等做出预测。预测性分析其实早已被普遍应用在零售银行业务中，零售银行已经积累了大量数据，可以将客户的行为归纳成不同的画像，进行交叉销售又或事件触发的营销（Event-Triggered Marketing）。目前，随着各种大数据平台的出现与云技术的普及，加上区块链在贸易金融里的兴起，银行对公业务亦开始越来越多的运用预测性分析。

人工智能的第二类应用案例为「自然语言处理」（Natural Language Processing）。自然语言处理也是通过不断分析人与人之间的对话，从而学习不同语言背后的结构，以及不同词语的意义。聊天机器人就是自然语言处理的应用之一。除了用在聊天机器人上，自然语言处理经常被用在分析「非结构性数据」（Unstructured Data），即我们所说的「自由文本」（Free Text）的处理。我们发现当自然语言处理用在非结构性文件的自动审查，甚至自动生成时，将会极大的提高工作效率，这点在合规工作中尤为突出。

人工智能的第三类应用案例是「计算机视觉」（Computer Vision）。刷脸开户或刷脸支付等都是对计算机视觉的应用。

总的来说，只要有大数据的地方，就有人工智能的应用场景。我国作为人口基数庞大、智能手机广泛普及、宏观经济稳健增长的国家，在人工智能的应用上拥有领先优势。

以上内容节选自在香港中资银行业协会季刊上发布的《真假人工智能与真假银行用例》一文中。若您希望了解更多关于人工智能、区块链、开放银行和数字银行等金融科技如何帮助贵机构为赢取未来市场作好准备，欢迎联系德勤亚太区区块链技术实验室：[email protected]，并点击本文末尾“阅读原文”参阅德勤的金融科技热点话题。