实践与展望：AI如作甚金融业缔造价值

前言

在当下的中国金融业，人工智能技术正被寄予厚望：工农中建四大行在最近的年报中均多次提及人工智能战略，并开始在业务场景中推广人工智能应用。这讲明，随着人工智能各项技术应用逐步成熟，“智慧金融”时代即将到来。

本陈诉由爱分析与马上消费金融团结公布，通过人工智能技术在金融领域的真实应用案例，剖析技术对金融业务的价值缔造，并指出下一步“智慧金融”工业链的演进偏向。

本陈诉重点关注四项人工智能技术在金融领域的应用：盘算机视觉、语音识别、自然语言处置惩罚、知识图谱。焦点看法包罗：

• 人工智能技术对金融业价值链每一环节发生影响，体现在三个层面：自动化、智能化、创新化。现在，盘算机视觉和语音识别技术在金融业务中已经获得普遍应用，业务自动化水平获得突破；NLP和知识图谱则在逐步落地中，使得智能化创新逐渐增加。

• 现阶段，人工智能技术缔造的价值主要体现在：为金融机构降低运营成本和风险成本。短期内，人工智能应用仍将以这两点价值为焦点；恒久来看，技术应用将有助于新业务获取与客户满足度增加。

• 为掘客智慧金融价值，持牌金融机构需要尽早结构人工智能技术。两项新趋势已经泛起：第一，人工智能在金融领域的应用正从产物向综合解决方案生长；第二，领先的持牌金融机构以自身场景应用为基础，对外举行技术输出赋能。

• 未来，新的人工智能技术和算法将不停走向成熟，推动行业迈向智慧金融新时代。这里我们以两项热门领域——联邦学习和可解释的人工智能（XAI）为例，展望人工智能技术在金融领域的潜在价值。

1、智慧金融浪潮来袭

在当下的中国，以互联网渠道和数字化技术为代表的“金融科技”正在深刻改变金融业态。其中，陪同着互联网的全方位渗透，云盘算和大数据两项技术已经获得了广泛应用。下一步，人工智能技术的大规模应用对金融业态将发生越发深远的改变。

2019年，机械学习、盘算机视觉等技术已经规模化商业应用，自然语言处置惩罚、知识图谱、深度学习等技术逐步落地，金融机构应用人工智能技术正其时，智慧金融浪潮将席卷金融业。

1.1人工智能技术概览

人工智能是盘算机科学的分支，研究目的是让盘算机以靠近或凌驾人类智能的方式作出反映。现阶段，在数字化技术和新兴应用场景的推动下，人工智能技术生长愈加细化，应用愈加广泛。

从工业链角度来看，人工智能领域分为三个条理，由底至上，越来越靠近终端应用：

第一，基础层，包罗AI芯片、AI云平台等提供盘算、存储、数据等的基础设施，也包罗TensorFlow、Caffe、PaddlePaddle等通用盘算框架；

第二，通用层，包罗盘算机视觉、语音识别（ASR）、自然语言处置惩罚（NLP）、知识图谱等通用技术，也包罗机械学习、深度学习、增强学习等各种实现算法；

第三，应用层，包罗身份识别、智能营销、智能风控、智能客服等各种终端场景应用及解决方案。

本陈诉聚焦人工智能通用技术和落地的金融应用场景，从通用技术出发，联合马上消费金融的技术创新和业务应用案例，探讨人工智能应用如何在金融行业缔造价值。

1.2 金融领域人工智能商用走向成熟

爱分析从技术生命周期和金融工业采取水平两方面，综合评价人工智能技术在金融领域商业应用的成熟度。

凭据爱分析调研，只管人工智能技术整体仍处于技术生命周期的早期，远未到告竣熟阶段，但有四类通用技术业已进入或者即将进入主流商业应用，划分是：盘算机视觉、语音识别、自然语言处置惩罚、知识图谱。

这四项通用技术在金融领域的应用，和为金融机构缔造的价值是本陈诉重点关注的内容。在第二章的内容中，我们将详细先容这四项技术，并借助技术在马上消费金融业务场景中的落地应用案例，评估其当前缔造的价值，以及未来潜在价值。

从技术生命周期角度来看，这四项通用技术尚处于推出到增长的阶段，距离技术完全成熟另有一段距离，但并不故障其在金融应用中发挥作用。随着人工智能技术未来的进一步成熟，场景笼罩息争决需求的深度、效率仍有进一步提升的空间。

从采取水平来看，盘算机视觉和语音识别技术在金融领域都已有大规模落地应用的场景，创新金融机构也开始结构NLP和知识图谱的未来应用。

作为持牌消费金融公司，马上消费金融自建人工智能研究院，重点结构视觉、语音、NLP等通用技术，形成FaceX人脸识别、活体唇语识别、智能语音监测、空号监测、OCR等通用技术及产物应用。在此基础上，落地智能交互平台、智慧双录平台、智能贷后治理系统等解决方案。

需要注意的是，几类通用技术在场景应用中存在一定水平的融合。例如，语音识别相关的应用场景中往往涉及到对话，需要NLP提供语义明白能力；此外，各种人工智能的应用也离不开其它数字化技术的支撑，如云盘算、大数据等。本陈诉主要从单一技术的焦点应用和价值缔造出发，对于场景端详细使用了哪些技术不做细致区分。

这四项技术之外，联邦学习、可解释的人工智能（XAI）等算法框架的未来应用正在金融业中广泛探讨。例如，联邦学习技术有望解决建模和模型更新历程中的数据隐私问题，有望对金融领域的数据生态造成厘革。

这些新兴人工智能技术距离规模化商业应用另有一定距离，但前景可期。在第四章中，我们将对联邦学习等未来的金融秩序潜在颠覆技术举行先容和展望。

1.3 人工智能为金融行业实现价值缔造

金融机构应用人工智能技术，最终目的是为自身缔造新价值。现在，随着部门人工智能技术规模化商业应用，创新已经渗透到金融工业每一环节，并在自动化、智能化、创新化三个层面上重塑金融价值链。

1.3.1人工智能渗透金融价值链每一环节

随着技术商业应用成熟度的不停提升，人工智能技术在金融行业取得越来越广泛的应用，价值链的每一环节都在受到差别水平的渗透。

我们将金融焦点价值链界说为四大环节：产物设计、市场营销、风险控制、客户服务，这四大环节再加上人力、财政、IT等支持性运动，配合组成金融行业价值链。

我们可以看到，人工智能技术在金融价值链每一环节都有清晰的落地场景。但这些落地应用给金融机构带来的价值缔造不尽相同，其应用成熟度、方案采取难度也不尽相同。

例如，针对客户个性化地设计金融产物是大量金融机构的未来追求，因为可以预期到这一改变将带来增量客户。但相应地，个性化产物设计依赖于NLP、知识图谱技术的进一步成熟，也涉及到金融机构大量内部IT架构、业务流程的变化。

因此，我们需要进一步回覆，各种人工智能通用技术应用究竟为金融机构缔造了哪些价值，并进一步地预测其潜在价值。

1.3.2价值缔造的三个条理

我们将人工智能技术为金融行业缔造的价值分为三个条理：自动化、智能化、创新化。

自动化主要涉及到流程性事情，多数场景下是单一的感知智能技术，如盘算机视觉、语音识此外应用。

一方面是金融机构内部的操作流程，如马上消费金融使用OCR光学字符识别技术，完成证件信息识别，解放了相关人力，降低了运营成本。

另一方面是金融机构与客户的交互流程，如通过人脸或语音等生物特征识别，自动认证客户身份，取代密码等验证方式，优化了用户体验。

智能化主要涉及分析、推理和决议性的事情。应用场景中往往涉及到数据挖掘，以及NLP、深度学习、增强学习等认知智能技术和算法。

例如，金融营销中的“千人千面”是一个典型的智能化场景，通过对潜在客户多维度数据，如金融数据、消费数据、社交数据的挖掘，精准绘制用户画像并匹配相应的营销计谋、产物，对于增量业务获取起到正面作用。

创新化指的是人工智能技术应用带来的金融价值链的厘革。其基础在于人工智能技术在某些细分领域的广泛应用，焦点是金融机构业务流程、组织架构、商业模式的再造。

例如，智能投顾是一个典型的创新化应用，通过人工智能技术为用户举行风险识别、资产设置（公募基金匹配）、投资风险提示等事情。

三个条理的价值缔造最终会体现在四类可量化的价值杠杆上：获取增量业务、降低风险成本、改善运营成本、提升客户满足度。

在第2章中，我们将用这一框架联合技术商业应用成熟度，对人工智能的四项通用技术：盘算机视觉、语音识别、NLP、知识图谱，在金融领域可预见的潜在价值举行评估。

1.4 智慧金融生态初现眉目

随着人工智能技术在金融领域开始广泛落地应用，围绕智慧金融而发生的工业链逐渐完善，包罗：基础设施服务商、通用技术服务商、垂直场景服务商等。最终，这些服务商将人工智能应用面向终端场景，如各种持牌金融机构、互联网金融等。

本陈诉重点关注人工智能对于持牌金融机构终端场景的价值缔造，以及面向场景的技术服务商如何提供这些价值，进而形成智慧金融生态。

2、四类AI技术重塑金融生态

评价某项人工智能技术在金融领域的应用价值，需要回覆三个问题：第一，技术成熟度如何？第二，技术能重点应用在价值链哪些环节？第三，发生了哪些价值？

我们在这一部门，将通过定量定性的分析，以及详细应用案例，逐一说明盘算机视觉、语音、NLP、知识图谱四项技术如作甚金融行业缔造价值。进一步地，阐明金融机构应如何获取这些价值。

2.1 盘算机视觉

盘算机视觉技术在金融领域的广泛应用，普通小我私家用户对此有显着感知：传统的线下柜台、面临面的交互、验证模式被线上化逐步取代。

但与此同时，业务模式的改变，意味着已往基于线下流程的风控模式需要厘革。通过盘算机视觉技术对用户举行宁静、有效、便捷的身份核验，已经成为金融行业“标配”。

2.1.1盘算机视觉技术综述

盘算机视觉技术是指，通过盘算机等设备，对客观世界中的目的发生的图像、视频举行分析处置惩罚，使得目的能够更好地被盘算机所明白，从而取代以往由人的肉眼来识别目的的历程。

盘算机视觉的底层技术是神经网络算法，以及基于算法和大量图片数据集训练获得的视觉模型。

其中，人脸识别、活体检测等盘算机视觉的尺度化场景，其视觉模型一般也是尺度化的，这些技术在相应的金融场景中已经获得广泛应用。

此外，还存在许多应用盘算机视觉的非尺度化场景。好比通过识别无人机图像来对企业资产状况举行评估、对保险举行订价等场景，需要个性化的视觉模型。在金融领域，非尺度化的场景应用仍有待掘客，同时也需要场景数据进一步积累。

2.1.2价值缔造评估

在金融业实际应用，盘算机视觉主要应用在金融机构内部流程、以及与客户交互的自动化，对风险控制、客户服务等焦点价值链发生影响。这些影响体现在：对现有重复性的人事情业举行取代、提升，并缔造出新的客户交互模式。

例如，刷脸支付是一个典型的盘算机视觉技术应用场景。收款方通过对货物类型和数量的识别直接盘算出价钱；支付方则通过“刷脸”，完成支付历程中的身份认证、风控，制止了相对繁琐的密码等验证方式。这一新型交互方式提升了支付流程端到端的自动化水平，也提升了用户支付服务的满足度。

现在阶段，盘算机视觉技术在金融机构中已经获得了相对普遍的应用，其缔造的价值也已经受到广泛认可：主要体现在自动化带来的运营成本改善上。

未来，金融机构不应当寄希望于通过应用盘算机视觉技术来获取增量业务，焦点结构偏向应当是：以交互、内部运营场景为焦点，发挥技术对人工流程的替代。尤其是在风控相关业务场景中，进一步识别风险特征等方面，盘算机视觉技术仍有庞大潜力待挖掘。

2.1.3价值缔造：交互与风控

总体而言，盘算机视觉技术的价值缔造体现在：用户交互方式的改变以及风控能力不停提升两方面，接下来将通过马上消费金融的两个详细案例来说明技术应用如何缔造价值。

案例1：马上消费金融刷脸支付提升用户体验

在网络身份核验历程中，简朴的证件信息校验无法抵御证件信息盗用行为，难以满足高风控要求的各种应用场景。

面临这样的挑战，人脸识别作为一项关键的身份核验技术，在与证件信息校验相联合之后，能够实现证件信息与证件信息持有人之间的一致性关联，即“人证合一”，成为增强实名认证的宁静性、可信性的主要手段。

在电子商务的迅猛打击下，某大型零售商为了实现数字化转型，提升运营效率，鼎力大举推动基于人脸识此外无介质刷脸支付。

作为技术实力领先的持牌金融机构，马上消费金融自主研发了人脸识别技术，所用人脸识别模型基于500万张人脸照片训练获得，在LWF性能评测中到达99.83%的准确率，处于业内领先水平。

该零售商最终接纳马上消费金融提供的人脸识别技术，实现了便捷高效的刷脸支付。

首先，主顾通过APP注册为门店会员，举行实名认证、人脸比对、活体检测等身份核验环节。在人脸比对环节，APP会将实时拍摄的主顾照片与公安网纹身份证照片举行比对，并同时举行照片留存。

今后，主顾每一次惠顾该零售商的线下门店并结账时，只需站在收费通道的出口，面临Pad设备摄像头刷脸，Pad系统会将摄像头实时拍摄的照片与注册会员时留存的照片举行实时比对，同时举行活体检测。两者均通过以后，主顾即可支付乐成。

门店接纳刷脸支付后，主顾整个支付历程仅需1-2秒，购物体验获得极大提升，同时零售商的日常结账效率也获得了显着提升。

案例2：活体识别助力马上消费金融风控水平不停提升

只管人脸识别技术极大提升了身份核验的宁静性，但在照片翻拍、视频翻录等攻击行为眼前，人脸识别仍然面临着极大威胁。

因此，近些年来，活体检测技术成为金融行业普遍接纳的身份核验增强手段，它能够由盘算机来检测镜头前的人是真人，而非翻拍、翻录获得的人像。

根据所用技术手段的差别，活体检测又可分为行动指令活体检测、唇语活体检测、近红外人脸活体检测、双目活体检测等。

其中，行动指令活体检测主要通过眨眼、摇头等通例性行动指令实现活体识别，面临大量的视频翻录活体攻击，仍然存在一定被攻破的可能性。

与行动指令活体检测相比，唇语活体检测、近红外人脸活体检测、双目活体检测在面临活体攻击时具有更高的宁静性。

近些年，在数字化浪潮的打击下，大部门保险公司都开始推出可供在线管理业务的APP产物。

某保险公司在推出专属APP产物之初，就接纳了马上消费金融提供的人脸识别和行动指令活体检测技术，作为APP在投保人投保业务中的身份核验方式。

近期，该公司关注到，行动指令活体检测仍然有被翻录视频多次攻击攻破的可能性。因此，他们决议对活体检测技术举行升级，进一步接纳了马上消费金融自主研发的唇语识别活体检测技术。

唇语识此外基本流程是：首先，系统给定一组数字（一般为4个），并让业务管理人读出这组数字并将视频上传。然后，系统在活体视频中提取人脸数据帧，借着从人脸数据帧提取嘴部帧。最后，系统通过唇语识别模型来判断唇语是否与给定的数字相匹配。

马上消费金融自研的唇语识别技术，在读错2~3个给定数字的活体撞库攻击测试中，能够100%识别活体攻击，在业内处于领先水平。

接纳唇语活体检测技术之后，该保险公司APP受到翻录视频活体攻击而被攻破的次数降低为0，风控水平获得了显着的提高。

除了以上两个应用案例之外，如基于OCR的票据识别等，也是金融领域中常见的应用场景。

2.2 语音识别

语音识别技术广义上包罗语音合成（TTS）、声纹识别等一系列基于语音信号的技术，也包罗NLP技术所提供的语义明白能力。本章技术和价值缔造不涉及NLP相关部门，但在实际应用案例中不会做刻意区分。

由于电销、客服、回访等场景的广泛存在，语音识别技术在金融机构中渗透相当广泛。在提升用户交互满足度、进一步降本增效上，语音识此外应用价值仍有进一步提升空间。

2.2.1语音识别技术综述

语音识别技术将人发出的声音转化为盘算性能够明白的形式，并通过盘算机来模拟人发出语音。

其中，声纹识别也是一项在金融领域有重要应用的细分技术，通过人的声纹来判断两段语音是否属于同一人。在实际应用场景中，它不光能够对同一人的两段语音做一致性比对，还可以区分同一场景中的多人身份。

差别类型的语音技术，其底层都是基于语音信号的声学模型和语言模型。由于差别行业的术语、表达方式等存在较大差异，语音相关模型一般需要针对特定行业和场景举行定制化训练。这也意味着，金融行业专属语料数据的不停积累和更新，是一项重要壁垒。

2.2.2价值缔造评估

从技术成熟度角度来看，语音识别技术方兴未艾，尤其是中文语音识别在模型上与拉丁语系存在较大差距，在识别准确率、场景深度交互等方面另有较大提升空间。

在应用环节上同样，语音技术的相关应用险些成为中大型金融机构的标配，如客服机械人、合规场景的质检等，实际缔造的价值更多体现在对人力的替代，深度、庞大的场景应用中另有待进一步探索。

短期内，语音识别技术应用仍将是以自动化为焦点，未来则有望向智能化进一步生长，这也有待于金融场景语料数据的进一步积累以及深度学习等算法层面的进一步突破。

现在阶段，金融机构对于语音技术的需求更多来自成本与合规两个层面。但着眼于未来，能否向客户提供更优质的服务，将是金融服务的焦点乐成要素，而尽早在更多客户交互场景下应用语音识别技术，将有助于进一步提升客户满足度。

2.2.3价值缔造：更低的成本、实时的服务体验

整体来看，语音识别技术最具价值的应用在于与客户交互、服务相关的环节中，起到降本增效的价值。此外，合规及客户权益保障等相关场景下的应用价值同样不行忽视。

案例1：智能语音为马上消费金融降本增效

金融机构在电销、回访、催收等业务中，一般接纳基于号码池的自动外呼来提升外呼效率。外呼乐成之后，可能接入人工服务，也有可能接入智能语音。

在自动外呼历程中，由于空号、欠费停机、关机、正在通话、不在服务区等大量无法接通状态的存在，外呼系统经常需要连续等候运营商返回无法接通的信息，才会将线路挂断，等候时间可长达一分钟。

因此，如何提升线路资源的使用率，从而降低因为线路空耗而带来的不须要成本，对于自动外呼系统的运营方同样十分重要。

马上消费金融基于语音识别技术，自主研发了空号检测解决方案，在挂断/非挂断、号码状态两个方面临号码举行检测。

其中，挂断/非挂断检测是对电话通话中的前置音或回铃音举行识别，如果其中包罗“正在通话中”“空号”“关机”“用户正忙”等一系列关键词，则连忙挂断电话，整个历程只需数秒，准确率可达98%。

由于一次智能挂断节约了约一分钟线路等候时间，而马上消费金融外呼系统的日外呼量可达30万，因此该算法可为马上消费金融自身节约约30万分钟的线路等候时间，极大提升了线路资源使用率。

另外，号码状态检测是凭据前置音或回铃音中的关键词举行进一步归类，现在已经实现15种状态的识别。对于差别状态的号码，外呼系统将会在今后接纳差别的外呼计谋。好比，对于不在服务区的号码，隔段时间再次举行呼叫；对于欠费停机的号码，则在越日举行呼叫；对于空号的号码，直接从名单中剔除。该算法对于差别号码状态的识别准确率已达99%。

号码状态检测不光能够同挂断/非挂断检测一起应用于外呼系统，而且能够为资产治理、风控、运营等部门提供数据支持，在提升号码库质量、完善用户信用评分体系等方面发挥重要作用。

案例2：智能质检保障客户权益

近些年，国家有关部门针对网贷、消费金融领域普遍存在的催收行为的羁系政策日趋严格，保监会也针对保险销售历程中损害消费者正当权益的行为展开集中整顿，要求保险公司严格执行座席人员质检事情。

为了保证销售、催收等环节的合规性，网贷、消金、保险等企业经常会对人工坐席的语音文件举行抽查质检。这一历程不光费时艰苦，发生大量成本，实际效果也不尽如人意，难以笼罩全部语音会话内容。

基于语音识别技术的智能语音质检，不光能够为金融机构节约语音质检的人工成本，提升质检效率，还能够做到笼罩全部语音内容的全量质检。因此，智能语音质检正日益获得金融行业的重视。

马上消费金融作为银保监会批准的持牌金融机构，对于客服坐席语音质检很是重视。基于语音识别技术，马上消费金融自主研发了智能语音质检系统。

首先，智能语音质检系统会对坐席的会话语音举行预处置惩罚，并通过训练获得的声学模型和语言模型，将语音转化为文本信息。

最后，质检系统会使用算法，对转化获得的文本内容举行关键词分析，对违禁词、问候语、回覆准确性、回覆熟练水平等多项内容举行质检，最后输出整通电话的质检效果。

针对部门合规性要求更高的客户，质检系统还可以提供实时的违禁词检测提醒，一旦发现通话语音中含有违禁词，系统会实时通知相关卖力人举行处置惩罚。

另外智能质检系统还应用了声纹识别技术，能够实现说话人辨认和说话人确认，即从一段语音中分辨多人声音，以及确认差别语音片段是否属于同一小我私家。一旦催收坐席在催收中使用非合规的话术，质检系统能够快速对坐席身份举行定位，以追究其责任。

现在，智能语音质检系统已经服务于多家客户，停止2019年上半年，已累计处置惩罚语音条款2.2亿条，累积处置惩罚语音时长43万小时，累积质检坐席数量达5549人。

2.3 NLP

在金融领域，NLP是一项在所有价值链环节都有着广泛潜在应用的技术，只管现在成熟度仍不足以支撑其为金融机构缔造较高的价值，但前景可期。思量到这一点，金融机构需要及早结构NLP相关应用。

2.3.1NLP技术综述

NLP 是人工智能分支之一，是盘算语言学、盘算机科学等多学科的交织技术，能够盘算机去处置惩罚和分析自然语言，最终目的是实现盘算机与自然语言的有效交互。

常见的NLP应用偏向包罗句法语义分析、信息抽取、文本挖掘、机械翻译、信息检索、问答系统、对话系统等，而机械学习是实现这些应用偏向的重要技术手段。

在实际落地中，由于差别垂直领域存在差别的词汇、术语，因此NLP技术一般需要通过大量垂直领域的文本资料加以训练，从而对识别模型举行不停优化后才气真正实现商用。

2018年底，Google开源了NLP预训练模型BERT（BidirectionalEncoder Representation from Transformers），经由迁移学习可被迅速应用到差别的垂直领域，大大提升了NLP模型的训练效率。

2.3.2价值缔造评估

当前阶段，受限于技术成熟度，NLP技术为金融行业缔造的价值还相对有限，仅仅应用在自动化相关的场景下，例如文本合规检查、数据检索等，主要价值体现在资助金融机构降低运营成本上。

但着眼于未来，NLP技术有望成为金融机构智能分析决议的基础，尤其是与各种大数据分析技术的联合，有可能对于金融价值链造成颠覆。

例如，智能投研平台Kensho基于NLP技术对于海量数据的挖掘、整合、分析，辅助财经新闻人员举行快速数据提取。未来联合知识图谱与大数据分析，智能投研在某些方面可以到达逾越人类的投资分析水平，从而发生新的金融商业模式。

岂论是着眼于当下的应用，如智能客服；还是着眼于未来NLP在金融领域可能的大规模应用，如智能投研、智能运营、智能检测等，金融机构都应当开始重视NLP相关技术和应用的结构。

2.3.3价值缔造：智能交互与业务增长

在金融实际应用中，NLP往往与语音技术相联合，缔造出越发智能的客户交互模式，一方面淘汰了人工坐席数量，优化了运营成本；另一方面，NLP对于信息的挖掘相对于人工存在优势。

下一步，NLP应用探索的偏向将会逾越客户交互环节，而深入到金融价值链的各个环节，为金融机构带来商业模式厘革与业务增长，如智能投研与智能投顾。

案例1：智能交互平台

在金融行业中，不仅存在电销、回访、催收等相对尺度化、单向化的主动外呼场景，还存在大量由客户主动提倡，基于客户的庞大需求和业务方的业务知识的高级对话场景。

已往，为了应对客户主动提倡的客服需求，金融机构的智能客服系统往往存在两套方案。针对客户的尺度化需求，依靠IVR导航提供尺度化的应答服务。对于客户的个性化客服需求，金融机构提供人工坐席服务。

但人工坐席服务往往线路资源极为有限，客户经常需要长时间等候，体验性较差。而且人工坐席的服务时间普遍无法笼罩24小时，对于发生在服务时间以外的紧迫情况无法有效处置惩罚。

为了实现智能化的语音和文字机械人客服，自然语言处置惩罚（NLP）技术的应用至关重要。NLP技术可通过规则模板、词频统计、语法分析、机械学习等手段，实现对客户意图的准确明白，从而和准确生成应答语音。

马上消费金融基于语音识别、语音合成、NLP、知识图谱等多项技术，自主研发了智能交互平台，为客户提供涵盖语音机械人、文本机械人、智能语音质检在内的多项语音交互服务。

语音机械人面向智能电销、智能回访、智能催收等智能外呼场景，以及客户主动呼入的智能接待场景。呼出、呼入场景竣事后，将进入智能多轮对话场景，其底层由NLP技术来支撑。

文字机械人可以通过API接入H5、微信民众号、小法式、APP等客户终端，其智能多轮对话功效同样由NLP技术来支撑。

NLP技术对语音识别得出的文本内容举行语义剖析，从而准确识别其意图，并合成准确的文本应答，最终通过语音合成技术合成应答语音。NLP在多轮对话场景中的应用，极大提升了客服体验和客户满足度，极大降低了人工客服介入的频率。

2.4 知识图谱

在金融应用中，知识图谱与NLP和大数据分析相辅相成。现在阶段，知识图谱技术的成熟度距离大规模应用尚存在距离，但由于其“金融大脑”得焦点职位，未来将有望成为智慧金融生态的基石。

2.4.1知识图谱技术综述

在金融应用场景中，知识图谱与NLP和大数据分析存在高度关联。

知识图谱本质上是一种大规模语义网络，是一种基于图的数据结构，由节点和边组成。知识图谱将现实世界中的“实体”以及它们之间的联系，抽象成图结构中的“点”和“边”，从而形成一张关系网络，为盘算机提供了从关系角度去分析问题的能力。

而在金融知识图谱的构建历程中，往往需要借助NLP技术，如知识抽取、实体对齐等。另一方面，单一的知识在模型构建、知识推理等方面，知识图谱与大数据分析的联合同样重要，进而构建智能分析决议能力。

狭义的知识图谱自己只是语义网络，并不具备直接的金融应用价值，本部门所涉及的技术包罗图谱自己，也包罗基于图的各种分析技术。

2.4.2价值缔造评估

从金融实际应用中所需的各种技术来判断，知识图谱技术自己应用成熟度仍有很大的提升空间，金融机构在部门领域，如信贷风控的关联关系构建与分析上，已经在实验应用知识图谱技术解决小微企业风控、黑产攻击等问题，但整体应用深度和效果还相当有限。

2.4.3价值缔造：未来智能金融生态基石

在金融领域，知识图谱拥有庞大的价值缔造潜力，因为知识图谱技术将成为未来智慧金融生态中最为重要的知识库和“大脑”，在金融价值链的各个环节发挥创新化的作用，动员金融行业新交互模式、谋划模式、商业模式降生。

潜在应用领域1：精准营销

在营销场景中，知识图谱可以通过整合多数据源，形成关于潜在客户的知识网络形貌。

针对小我私家客户，知识图谱通过其小我私家喜好、电商生意业务数据、社交数据等小我私家画像信息，分析客户行为，挖掘客户潜在需求，从而针对性地推送相关产物，实现精准营销。

针对企业客户，知识图谱通太过析其基础信息、投资关系、任职关系、专利数据、诉讼数据、失信数据、新闻报道内容，实现对涵盖企业间的资金关系、实际控制人关系、供应链关系、竞品关系的知识网络构建，从而为企业推荐合适产物和服务。

潜在应用领域2：产物组合设计

精准营销更多涉及到单一产物的推荐和销售，而客户的需往往是多元化的，想要笼罩客户多元化的需求，知识图谱技术的进一步应用必不行少。

在金融业务交互场景中，KYC（相识你的客户）和KYP（相识你的产物）两个历程可以基于知识图谱，将客户和产物相关的快速结构化和知识化。在此基础上，快速针对某一客户的各种需求构建专属的产物组合，实现千人千面的智能产物组合设计，辅助销售人员更好地为服务客户甚至对其举行取代。

潜在应用领域3：风险评估与反欺诈

反欺诈是风控中很是重要的一道环节。反欺诈的难点，一方面在于整合结构化和非结构化的多数据源，构建统一的反欺诈模型，另一方面在于欺诈案件经常接纳组团欺诈等新型方式，导致欺诈历程包罗的关系网络较为庞大，使用普通的大数据分析难以洞察。

知识图谱作为关系的最佳表现方式，允许便捷地添加新的数据源，还可以通过直观的表现方法有效分析庞大关系网络中存在的潜在风险。好比，在信贷风控场景中，知识图谱可以将乞贷人的消费记载、行为记载、网上的浏览记载等整合到一起，从而举行分析和预测。

潜在应用领域4：其他创新应用场景

在种种存在大量非结构化文本的场景中，知识图谱技术都可能获得应用，好比针对保险产物条款的知识图谱构建。

由于保险产物条款存在庞大性和专业性，因此投保人很难凭据条款来判断自己的损失是否可以获得赔付。马上消费金融使用知识图谱技术，为某保险公司的在线投保平台提供对保险条款的智能解读，利便投保人更好地相识保险条款，从而淘汰因对保险条款的差别解读引发的纠纷。

3、掘客智慧金融价值

智慧金融势头迅速上升，原因是基于单一人工智能技术的产物迅速在金融场景落地，如人脸识别、活体识别、语音机械人等。为了进一步为金融机构缔造价值，人工智能技术服务商要有能力解决某一金融场景下端到端的业务需求。

另一方面，持牌金融机构不仅使用人工智能技术为自身金融业务缔造价值，也开始将成熟的解决方案对外举行输出，缔造出新的商业模式。

3.1 多技术融合的解决方案

针对金融场景庞大需求的解决方案正在泛起，这类解决方案普遍融合多种人工智能应用，并与云盘算、大数据等数字化技术密不行分。这其中，两类解决方案已经在为金融机构缔造价值：

第一，针对客户交互场景的解决方案，即从人脸识别、语音识别产物出发，将某一金融场景的全流程交互线上化、智能化，实现机械对人力的替代；

第二，以知识图谱、机械学习等人工智能为焦点的新一代信贷风控解决方案。例如，马上消费金融构建全渠道、全场景、全产物的智能风控体系，笼罩贷前、贷中、贷后全流程。

3.1.1智能交互解决方案

随着终端客户，尤其是小我私家客户行为的线上化，金融机构与客户的交互历程也从以线下机构、柜面为焦点，转移到以线上APP等渠道为焦点。

传统的线上交互价值缔造相对有限：第一，相对简朴的交互流程中，如银行卡转账，用户可以自助实时操作；第二，庞大的交互流程中，仍需要人工坐席远程接入或后台人员人工审核。

例如证券开户历程，客户纵然在线上提倡开户申请，仍然需要视频连线坐席人员举行“双录”，因此开户时间受限、审核时间长。在“牛市”开户岑岭期，券商还会泛起坐席人力不足的情况。

智能交互则差别，由于多种人工智能技术的应用，人工介入水平可以大大降低甚至下降到0。因此，流程涉及的原则不再是如何在线上复现线下的用户体验，而是从需求出发，再造线上的原生用户旅程。

例如，车辆轻微剐蹭事故理赔中，车主可以在移动端一键报案，并通过图像举行智能定损。保险公司端则基于各种模型举行风控和理算，实现保险公司内部轻微车损事故理赔流程自动化，大大提高了案

案例1：马上消费金融智慧双录解决方案

2017年8月，前银监会印发《银行业金融机构销售专区录音录像治理暂行划定》，划定银行业金融机构应对自有理产业品及代销产物的销售历程举行同步录音录像，完整客观地记载营销推介、相关风险和关键信息提示、消费者确认和反馈等重点销售环节（即“双录”）。该划定同样适用于信托公司及邮政储蓄银行署理营业机构。

随着移动互联网的生长，越来越多的银行、保险、基金等金融机构推脱手机移动APP，已往在互联网化中行动相对迟缓的信托公司，也开始推进APP在线业务。

基于羁系政策要求，线上双录是各种金融APP的必须环节。但早期的线上双录，往往接纳双边双录的模式，即客户提倡双录申请后，需要有后台的柜员举行视频连线，缺乏私密性，对客户的体验较差。但AI技术的应用给已往的线上双录带来了纷歧样的用户体验，客户无需与柜员举行线上连线，就可以实现全自助化的双录。

某信托公司在推出移动APP历程中，同样面临类似的痛点，因此接纳马上消费金融提供的智慧双录系统。

马上消费金融基于人脸识别、活体检测、语音识别、声纹识别等多项自研技术，自主研发了智慧双录产物，提供自助双录和自助AI双录两类服务。

在自助双录中，用户可以在24小时内随时自主上传双录音视频，由业务方在后台对音视频举行存档和审核，无需连线排队，极大提升了用户体验。

多种AI技术的应用，为AI双录增加了反欺诈特性。

首先，系统通过人脸比对、活体检测和OCR等多项技术实现“人证合一”的用户身份核验，能够实时保证用户身份的正当性。

同时，系统通过语音识别对用户语音举行实时文本转化，作为存档的文本证据。

此外，自助AI双录还应用了声纹识别技术以增强宁静性。针对用户和客户司理同时在一个镜头前举行双录的情况，声纹识别技术能够对多人语音举行角色区分。对于同一用户，声纹识别技术能够对试音阶段的语音与双录阶段的语音举行声纹比对，以确定语音是否来自同一小我私家。

因此，马上消费金融的智慧双录解决方案不光极大提升了用户体验，保证了双录的私密性，还通过一系列反欺诈特性增强了宁静性，同时节约了保险公司事后审核的时间。

3.1.2智能风控解决方案

如前所述，人工智能技术已经广泛应用在信贷风控，例如人脸识别、活体识别、OCR等。

但整体上，金融机构在信贷风控全流程，尤其是涉及到决议的领域中，应用人工智能技术仍然是审慎的。如信用评分、授信、贷中及贷后治理等，主流金融机构的做法是基于大数据技术和传统规则。

凭据调研，金融机构现在不接纳智能风控解决方案主要因为两方面：第一，针对央行征信有效笼罩的客群，人工智能的风控决议效果并不优于原有技术和模式；第二，人工智能技术“黑盒”缺乏金融可解释性。

但针对金融数据缺乏，央行征信未能有效笼罩的客群，如普惠人群、小微企业等，金融机构则乐于探索智能风控解决方案，并在服务普惠金融的实践中取得了成效。

例如，马上消费金融应用自主研发的Luma智能风控解决方案，笼罩贷前、贷中、贷后各个环节，有效支撑了每年千万笔的小额、普惠类消费金融业务。

3.2 持牌金融机构的技术输出

持牌金融机构，如商业银行、保险公司、持牌消费金融公司等，传统上是数字化技术和产物的使用者，应用人工智能等技术为主营业务缔造价值。

现阶段，这一曾经稳定的“技术服务商—金融机构”工业链格式正在发生变化。技术能力突出的持牌金融机构不仅自主投入云盘算、AI等技术应用研发，替换自身业务场景内的服务商，也努力结构技术能力对外输出。

对于金融机构，技术输出缔造的价值体现在两方面：第一，通过技术链接场景，实现金融服务的场景化；第二，实现收入多元化，降低金融机构对风险业务的过分依赖。

3.2.1技术输出助力金融业务场景化

金融业务场景化是局势所趋。我们视察到，自2018年以来银行金融科技子公司开业速度显着加速，包罗建信金科、工银科技在内的数家公司相继建立，技术输出和场景化是这些公司负担的重要任务。

其中，消费金融业务尤其离不开场景。马上消费金融始终坚持与场景联合的消费金融服务，现在已互助场景凌驾200个，包罗商场、停车场、景区等。技术输出，则是马上与场景双赢的重要方式，基于人工智能技术的各种产物息争决方案尤为重要。

案例1：旅店刷脸入住赋能马上金融业务场景化

实现客户自助入住，是各中高端旅店建设智慧前台的重要举措，以解决客户开退房岑岭期排队体验差、夜间前台人力成本高等问题。针对这一普遍性需求，马上消费金融推出了旅店自助刷脸入住机产物，已在温德姆、威斯汀旗下多家中高端旅店上线。

该系统接纳了马上自研的活体人脸识别Face X技术，庞大场景下识别效率99.83%，识别时间小于1秒；同时，该系统可合规对接对接公安系统，可自动识别小我私家信息。

在人工智能和大数据技术的加持下，实现“最快10秒入住，3秒退房”，大大优化入住体验，降低旅店人力成本。

对于马上消费金融来讲，旅店场景则是金融业务场景化的重要部门。通过旅店自助刷脸入住机产物，马上可以在用户管理入住的同时，提供信用支付、分期等基于真实场景的消费金融产物，供客户自主选择。

3.2.2技术输出缔造新商业模式

金融业务回归持牌谋划，持牌金融机构举行技术输出正其时。在这一配景下，马上消费金融CEO赵国庆提出，未来技术输出要占公司收入20%，形成新的金融商业模式。

要在智慧金融生态中脱颖而出，技术服务需要具备四大乐成要素：技术、数据、合规、场景明白。在智慧金融三类主流的服务商：通用技术服务商、互联网公司、持牌机构中，持牌机构在场景明白、合规和数据三方面占据优势。

对于城商行、农商行等技术能力相对单薄的金融机构，接纳其他持牌机构的成熟解决方案无疑将大大加速创新业务拓展速度，并提升内部运营、服务提供能力。

另一方面，技术输出业务风险更低，可以使得金融机构在资本市场享受更高的估值。

4、未来技术应用展望

随着人工智能各项细分技术的不停成熟，智慧金融生态将不停演进。在各项技术中，联邦学习与可解释的人工智能在金融领域拥有庞大的潜在应用价值。

4.1 联邦学习

近些年来，各国针对用户隐私和数据掩护的羁系日趋严格。继GDPR之后，2019年5月24日，中国网信办团结国家发改委等12个部门起草了《网络宁静审核办法(征求意见稿)》，要求网络运营者掩护国家、社会、小我私家在网上的信息和数据宁静。

因此，人工智能技术在金融领域应用的历程中，如何在差池外泄露用户小我私家数据的前提下，应用来自差别机构的用户小我私家数据举行机械学习，成为亟待解决的问题。联邦学习框架正是为相识决这类问题而逐渐兴起。

联邦学习则能够有效资助多个金融机构在满足用户隐私掩护、数据宁静和政府法例的要求下，使用双方或多方数据实现模型优化。

联邦学习的网络结构一般包罗多个数据持有者，差别的数据持有者之间通过加密算法，寻找双方所拥有的配合样本（即样本对齐）或配合特征（即特征对齐），从而增加训练样本的特征维度或样本数量。一般情况下，联邦学习需要一个协作者来居间配合，以解决加密密钥分发、数据汇总和模型更新的统筹问题。

联邦学习在金融领域应用场景辽阔，其中一个典型场景是小微企业信贷。由于小微企业数据匮乏，在通过机械学习算法建立小微企业的信贷风控模型时面临特征维度单一、预测精度不足等问题，难以投入实际应用。

联邦学习能够通过团结金融机构的业务数据和其他合规数据源，例如税务数据、工商数据、企业关键人数据、电力数据、生意业务数据和公检法数据等实现维度扩充，团结优化小微企业信贷风控模型，让人工智能技术真正服务普惠金融领域。

4.2 可解释的人工智能（XAI）

从回归算法、决议树等传统模型，到深度学习等新兴算法，人工智能的庞大性在不停增加，这使得算法决议机制越来越难以被人类所明白和形貌。

有人断言，人工智能技术难以被明白的原因，也正式是使它们成为精彩预测器的原因。但无论是对于模型的建立者，还是对于模型的最终使用者和羁系机构，人工智能的这种庞大性趋势，已经使得其成为一个不行解释的“黑盒”。

但在强羁系的金融领域中，人工智能的黑盒模型面临着信任性危机，阻碍了其进一步落地应用。

因此，近年来对XAI的研究成为人工智能技术的前沿偏向。XAI的目的是向技术使用者和羁系机构解释人工智能模型所做出的每一个决议背后的逻辑。

XAI相比于不行解释的黑盒算法，其优势在于增加了深度神经网络的透明性，因此有助于通过向用户提供判断依据等分外信息，以增强其对人工智能的信任感、控制感和宁静感，还可为事后羁系、问责和审计提供有力依据。

结语

站在当下，人工智能技术正在对金融行业发生深刻厘革，智慧金融新业态不停演进，金融机构结构人工智能应用正其时。

从应用案例中我们发现，领先的金融机构们已经在人工智能应用中获取价值红利。更进一步地，将自身应用场景中打磨成熟的技术和产物对外输出，推动智慧金融不停向前生长。

展望未来，人工智能在金融领域仍有庞大的潜在价值有待掘客，岂论是技术应用的广度、深度的提升，亦或是联邦学习、XAI等新技术的成熟应用，都可能为金融行业价值链带来进一步的厘革。

因此，爱分析与马上消费金融团结公布这份陈诉，希望通过行业趋势的总结、预判，联合金融场景下的真实应用案例，指明中国智慧金融下一步生长路径，助力金融行业未来生长。