淺談人工智慧在銀行領域的應用及未來發展趨勢

一．人工智慧的發展歷史

人工智慧誕生於上世紀40~50年代，按照“人工智慧之父”艾倫·圖靈的定義：如果一臺機器能夠與人類展開對話（透過電傳裝置）而不能被辨別出其機器身份，那麼稱這臺機器具有智慧。 加我VX：atstudy-js 回覆“測試”，進入 自動化測試學習交流群~~

1956年夏天，美國達特茅斯學院舉行了歷史上第一次人工智慧研討會，會上麥卡錫首次提出了“人工智慧”這個概念，被認為是人工智慧誕生的標誌。人工智慧在上世紀20世紀50～70年代迎來黃金時代，在1966年~1972年期間，美國史丹佛國際研究所研製出機器人Shakey，這是首臺採用人工智慧的移動機器人，1966年美國麻省理工學院（MIT）的魏澤鮑姆釋出了世界上第一個聊天機器人ELIZA。

ELIZA的智慧之處在於她能透過指令碼理解簡單的自然語言，並能產生類似人類的互動。但20世紀70年代初，人工智慧遭遇了瓶頸。當時的計算機有限的記憶體和處理速度不足以解決任何實際的人工智慧問題。在1980年後，人工智慧來到繁榮期，1997年5月11日，IBM公司的電腦“深藍”戰勝國際象棋世界冠軍卡斯帕羅夫，成為首個在標準比賽時限內擊敗國際象棋世界冠軍的電腦系統。

2013年，深度學習演算法被廣泛運用在產品開發中，Facebook人工智慧實驗室成立，探索深度學習領域，藉此為Facebook使用者提供更智慧化的產品體驗；Google收購了語音和影像識別公司DNNResearch，推廣深度學習平臺；百度創立了深度學習研究院等。2016年，AlphaGo戰勝圍棋世界冠軍李世石，人機大戰第五場經過長達5個小時的搏殺，以李世石認輸結束。這一次的人機對弈讓人工智慧正式被世人所熟知，整個人工智慧市場也像是被引燃了導火線，開始了新一輪爆發。

二．人工智慧在銀行領域的應用

銀行的執行模式決定它非常適合採用人工智慧來取代人工，目前為止，銀行使用人工智慧的產品已經非常普遍了，例如智慧客服，智慧外呼，智慧營銷，智慧風控，智慧運營等。目前工商銀行提出“e-I CBC 3.0智慧銀行”、建設銀行提出“5G智慧銀行”、平安銀行提出三大階段打造“AI Bank”，由此可見人工智慧對銀行科技戰略的深刻影響。

從應用上看，人工智慧在銀行主要應用集中在如下方面：

1.智慧外呼催收：人工智慧催收，主要融合了智慧語音、智慧分案引擎、催收知識圖譜的全新貸後資產處置全流程管理平臺，致力於為催收機構提供一站式技術與業務解決方案。依據銀行催收的業務場景，結合眾多銀行金融機構的不良資產處置實戰經驗，採取事前需求溝通、事後專屬最佳化，確保系統和業務的穩定高效對接，實現人工智慧技術真正賦能不良資產處置機構業務。

在智慧催收後臺中，語音質檢為合規催收保駕護航，智慧話術、錄音識別、行為健康等方式保證合規做作業；透過採用人工智慧技術篩選標記，加速坐席開案效率；整合貸前申請資料、貸後催收資料、外部接入資料等，形成閉環的資料更新體系；智慧分案引擎對案件處置整體過程提速，坐席輔助引擎實時為案件處理提供話術和合規性的作業指導，同時批次核驗，底層通訊平臺保證有效的語音溝通和簡訊觸達。在疫情期間，利用人工智慧催收，可以遠端進行無接觸的催收工作，透過智慧外呼進行批次電話催收，及時將還款計劃傳達給欠款人，而且可依據企業M1，M2的情況，指導制定合理的解決方案，幫助企業提升催款還款效率。

2.智慧營銷與投顧：根據馬科維茨的現代資產組合理論（MTP），結合個人客戶的風險偏好和理財目標，利用人工智慧演算法和網際網路技術為客戶提供資產管理和線上投資建議服務，實現個人客戶的批次投資顧問服務。運用人工智慧，採用多層神經網路，實時採集所有重要的經濟資料指標，智慧營銷投顧系統不斷進行學習。它採用合適的資產分散投資策略，可實現大批次的不同個體定製化投顧方案，以不追求短期的漲跌回報，而期望長期的穩健回報為目標，進一步深刻踐行銀行長期服務客戶的理念。透過智慧營銷投顧解決方案，把財富管理這個服務門檻降到一個普通的家庭人群來使用。

3.RPA銀行機器人：RPA即機器人流程自動化（RoboticProcess Automation），透過軟體機器人自動處理大量重複性、基於規則的工作流程任務。通俗來講，RPA就是透過模擬人對計算機的操作，只要是人可以在計算機上透過操作滑鼠和鍵盤來實現的，RPA都可以實現。作為資訊化程度最高的行業之一，銀行內部完成了成百上千套資訊系統的建設，導致了大量系統與系統，資料與資料之間是割裂的，許多‘銜接性’的工作流程需要有員工操作完成。這些高流量、重複的、容易產生風險和失誤的場景是RPA的應用首選，它們分佈在銀行裡各個業務條線的前、中後臺。

（1）企業徵信查詢機器人：在企業或個人授信審批過程中，客戶經理需要登入法院、工商、稅務、裁判文書等20多個企業/個人徵信相關係統網站，彙總查詢結果資訊。同時，客戶經理還要按照合規要求截圖儲存。企業徵信查詢系統實現對企業相關資訊的一鍵查詢。機器人自動登入外部徵信系統或者網站，獲取、彙總並截圖儲存查詢結果資訊。不僅提升了工作效率，還保障了徵信資料的完整性。

（2）財務報表機器人：分支機構客戶經理需要將大量的財務報表上的數百項資訊手動錄入至相應的企業金融系統，並將財務資訊填寫至相應的企業金融系統，並將財務資訊填寫至盡職調查報告。同時，這些財務報表的會計科目數值大，再加上報表的會計科目也不規範，例如有些企業資產負債表中提供的科目是“實收資本”，有些企業是“實收股本”，這類同義詞也需要由專業財務資質經驗的業務老師做後續判斷。財務報表數量多，會計科目數值大，報表不規範，導致財務報表採集過程費時費力，且容易出錯。

在這種場景下，採用RPA+OCR+自然語言處理的解決方案，首先透過OCR技術將財務報表掃描件轉化成電子檔案，再使用自然語言處理技術識別同義詞，最後再用RPA實現資訊的自動化採集和盡職2調查報告財務分析的自動生成。在機器人的幫助下，財務報表採集和分析的時間從幾個小時降低到10分鐘以內，效率顯著提升。

（3）智慧貸後審判機器人：當授信申請透過審批後，銀行就會出具審批意見書。授信部門貸後管理人員需要從長篇幅的審批意見書中提取出需要執行與關注的內容，並下發給支行及支行的客戶經理執行。客戶經理需要關注企業貸款的資金流向、經營情況，如果是外貿專案還要關注匯率的變動情況等。審批意見書篇幅比較長，不同人員在閱讀理解時對要點理解上可能不一致，這會讓後面的執行和落地存在一定的挑戰和困難。

針對這一痛點，提供了智慧貸後審批機器人解決方案。首先用自然語言處理技術實現審批意見書的關鍵要素的提取，同時將提取的要素按照高階、中級、低階進行分類，然後再下發給客戶經理執行，最後貸後管理人員做執行情況的跟進。在智慧RPA的幫助下，大幅度提升了經營機構的貸後管理水平，更好地滿足了監管機構的合規要求。

4.智慧客服：客服系統是為客戶服務的視窗，智慧客戶整合全部對外的客服服務通道，提供多模式融合（包括電視、網頁線上、微信、簡訊及App等）的線上智慧客服；對內實現語音分析，客服助理等商業智慧運用。為坐席提供一種輔助手段，幫助坐席快速解決客戶問題。客服助理透過實時語音識別，實時語義理解，掌握客戶需求，自動推送客戶特徵，知識庫等內容，藉助微信公眾號等平臺，推出語音問答系統，打造個人金融助理形象。

透過電話客服渠道、網上客服、APP、簡訊、微信以及智慧機器人終端與客服進行語音或文字的互動交流，理解客服業務需求，語音回覆客戶提出的業務諮詢，並能根據客服語音導航至指定業務模組。對傳統按鍵式選單進行改造，使用者使用自然語音與系統互動，實現選單扁平化，提升使用者滿意度，減輕人工服務壓力，降低運營成本。電話客戶不再受限於選單，可開展全業務的語音導航播報服務。

5.智慧風控：智慧風控是一個基於人工智慧技術的綜合性系統工程，充分利用各種資料，藉助如機器學習、深度學習和大資料技術，與風控業務邏輯、流程的有機結合，結合銀行信貸業務中的交易欺詐、網貸申請欺詐、信貸全生命週期風險管理、客戶價值分析、預期客戶管理等場景的痛點及問題，最終形成一套完整的風控系統。

傳統銀行的業務一般是基於線下模式來開展的，缺少線上業務運營的經驗，相應的風險控制經驗和能力不足。而各類金融科技企業透過新興技術—如人工智慧、大資料、雲端計算—對多維度客戶資料的處理，理解和預測不同客戶的行為和需求，為他們提供個性化的服務。對於銀行業而言，金融科技企業在產品與服務創新、運營效率與客戶體驗方面的優勢明顯，銀行與金融科技企業的合作成為發展趨勢。近年來，智慧風控逐漸成為金融領域，尤其是銀行業的應用熱點，它提供一種貫穿事前預警與反欺詐、事中監控和事後分析全業務流程的風控手段。

三．未來的發展模式

人工智慧的發展將推進銀行改革，逐漸顛覆傳統的業務流程、客戶接觸互動的方式、以及產品開發和企業運營決策的手段，利用人工智慧構建新的競爭優勢，除了自身的積累和技術進步，還需要積極與外部企業探索新的商業模式，加強與網際網路公司合作，透過掌握細分市場資料，以場景應用為入口，在積累海量資料的同時抓住使用者，逐步成為行業的主導者和引領者，建立由銀行主導、高校研發或金融科技公司合作的一體化的發展模式，將高校或金融科技公司在人工智慧方面的科研成果與具體業務相結合，將技術轉化為真正的商業價值。

最後： 可以我的個人V：atstudy-js，可以 免費領取一份10G軟體測試工程師面試寶典文件資料。以及相對應的影片學習教程免費分享！，其中包括了有基礎知識、Linux必備、Mysql資料庫、抓包工具、介面測試工具、測試進階-Python程式設計、Web自動化測試、APP自動化測試、介面自動化測試、測試高階持續整合、測試架構開發測試框架、效能測試等。