以嚴謹和保守著稱的金融行業(yè)近年來引來了一連串的技術變革，掃碼支付、人臉識別、機器風控等新的金融手段不斷出現(xiàn)，顛覆了行業(yè)刻板印象。

金融場景下高度結構化的數(shù)據(jù)給AI技術的發(fā)展提供了機遇，在此基礎上，身份識別、風控管理、流程優(yōu)化等領域開始出現(xiàn)AI技術的身影。事實上，金融行業(yè)已成為AI場景中發(fā)展最為迅速的領域之一。

人工智能對金融業(yè)的變化

①人工智能會取代大部分金融領域的從業(yè)者，首先會取代一些需要重復性工作的崗位，例如銀行客服等的職位。但長遠來看，其取代將會是全方位的，從客服到資產管理經理或交易員，人工智能也會陸續(xù)取代昂貴的人工服務。

未來5年內，銀行業(yè)的30％工作崗位將會消失。取而代之的是智能金融相關崗位增加，技術人員的需求會增加。金融機構走向技術化。

②人工智能在金融業(yè)的應用在智能投顧上的應用前景非常廣闊，借助高性能計算機和大數(shù)據(jù)處理技術，理財機器人可以為用戶提供非常好的投資建議。

自動化的程序交易可以盡可能的減少資金和時間的浪費，提升資金使用效率。目前國內領先的智能財富管理平臺懶財網在此方面已經積累了深厚的經驗。懶財網的智能機器人可以通過對用戶的資金流動性個性化分析為用戶匹配合適的資產。

③利用人工智能進行風險防控已經取得進展，已經有不少的信貸機構在實踐基，將數(shù)據(jù)挖掘、機器學習等大數(shù)據(jù)建模方法運用到貸前信用評審、反欺詐等風控管理環(huán)節(jié)。

相較傳統(tǒng)的征信方式，利用人工智能可以快速處理大數(shù)據(jù)內容，從而在多個維度上對風險進行評估，除了個體數(shù)據(jù)還可以分析與個體數(shù)據(jù)有關聯(lián)的其他個體和群體數(shù)據(jù)，檢測分析企業(yè)的上下游、合作、競爭對手、子母公司、投資、對標等關系。能夠覆蓋更大的范圍，同時確保風控準確性。

④人工智能領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)等，除了信貸風控之外，還可以進行內部安全監(jiān)管。如運用圖形視頻處理技術，實時監(jiān)控銀行柜員行為。通過人臉識別系統(tǒng)對集中運營中心、數(shù)據(jù)中心機房等進行安全保障，防范不法分子的非法入侵，同時進行多人的人臉識別，實現(xiàn)智能識別，達到安全防范的目標。

⑤傳統(tǒng)的金融賬戶登錄驗證多采用賬號＋密碼＋短信驗證碼的模式，流程繁瑣且會產生一定的通信費用。目前已有一部分金融機構將生物特征識別技術用于賬戶登錄、賬戶查詢、支付等身份驗證環(huán)節(jié)。

金融領域正在應用的生物識別技術包括但不限于指紋識別、聲紋識別、虹膜識別、人臉識別等。以人臉識別為例，隨著智能手機逐步擁有1：1的人臉比對能力，微信支付及支付寶兩大支付巨頭先后上線了刷臉支付功能，并在線下門店展開了刷臉支付設備推廣戰(zhàn)。

人工智能＋大數(shù)據(jù)對金融業(yè)的幫助

①在數(shù)據(jù)初篩與分類整理的基礎上，機構可以借助數(shù)據(jù)對客戶進行數(shù)據(jù)畫像。對于金融機構而言非常難以判斷，僅憑客戶填寫的資料是非常不清晰的。

通過人工智能下大量的數(shù)據(jù)輔助，金融機構就可以根據(jù)一條條數(shù)據(jù)對于要借款的用戶進行特征化處理，對用戶進行標簽化建設，通過標簽體系將用戶的特征完全描述出來，從而讓用戶的特征在金融機構面前變得清晰可見，利于下一步的業(yè)務推進和風險控制。

②近些年來，由于互聯(lián)網金融的飛速發(fā)展，在網絡上形成了一整套針對互聯(lián)網金融的“薅羊毛”黑色產業(yè)鏈，這些羊毛黨們往往手上搜集著幾百張甚至上千張電話卡、身份證等關鍵信息，只要看到有做活動的互聯(lián)網金融平臺就一擁而上，借助平臺吸引新用戶的優(yōu)惠，大發(fā)橫財。

針對這個人群，人工智能＋大數(shù)據(jù)就有了用武之地，通過大數(shù)據(jù)羊毛防火墻，恒昌會記錄每個用戶的投放渠道，針對投放的轉化率、復投率等指標進行綜合分析，再判斷用戶有沒有反復更換數(shù)據(jù)卡，更換手機來注冊用戶，從而避免羊毛黨對于平臺的傷害。

③通過對于每個人的大數(shù)據(jù)分析，借助大數(shù)據(jù)建模構建起了用戶身份的關聯(lián)屬性，從而提升了對于風險的防控能力。

通過這一個個關聯(lián)體系構建起了借款人之間的人脈關系網，當一個人脈關系網中的人經常違約的話，系統(tǒng)將會自動降低對此關系網中人的信用評級，甚至直接拒絕貸款。

④現(xiàn)階段，金融欺詐事件頻發(fā)，很重要的原因就是現(xiàn)在一個個銀行所存儲的賬戶信息是相互孤立的，難以進行有效地分析。

基于人工智能和大數(shù)據(jù)分析的反欺詐，應用難點就在于如何把不同來源的結構化或非結構化的數(shù)據(jù)整合在一起，并構建反欺詐引擎，從而有效地識別出身份造假、團體欺詐、代辦包裝等欺詐行為。知識圖譜作為關系的整合以及表達解析方式，可以很好地解決這些問題，讓金融欺詐的慣用伎倆無處藏身，從而實現(xiàn)數(shù)據(jù)反欺詐。