近年來，伴隨著高質量的大數據積累，得益于強大的計算能力，特別是深度學習算法上的突破，人工智能技術全面崛起，催生了金融行業一系列產品和業務模式的創新——銀行業順應人工智能革新潮流的步伐“當仁不讓”。

　　       近日，上海氪信信息技術有限公司推出異常交易監測解決方案TAI（Transaction AI）。該方案在基于氪信獨創的同時，聚合了眾多全球尖端AI（人工智能）科技的復合型技術框架，專為復雜交易場景量身打造,推動銀行業不斷升級。而這正是當下AI對銀行業深刻影響的一個縮影。

　　       多場景應用AI技術

　　       經濟日報記者了解到，TAI方案率先采用領域知識圖譜、基于無監督算法和多級遞進模型的異常檢測以及復雜網絡分析和圖的半監督傳導模型等技術，構建交易行為偏離預測、賬戶行為偏離預警、群體風險識別等模型，有效解決了傳統金融領域反欺詐系統面臨的全面性、準確性、單一性、數據算力以及挖掘深度等困境。與此同時，該解決方案還通過為風控專家提供可解釋的機器學習模型預測結果，實現了AI模型的白盒化，即不僅能輸入樣本獲得預測結果，還可以獲得模型的參數、梯度等信息。

　　       也就是說，TAI利用復合型AI內驅力，助力商業銀行完成從平面到多維欺詐風險管理能力的全面升級。截至目前，TAI全新的技術架構、風控思路及交互友好的可視化風控管理模式，已在氪信與多家銀行的資金交易反欺詐項目合作中得到實際運用。從實踐成果來看，使用半監督的欺詐賬戶識別模型體系和資金交易知識圖譜，可將識別群體欺詐的效能提升40倍。

　　       實際上，除了交易外，風險控制、零售業務等都是AI助力金融的主要應用場景。業內普遍認為，銀行業作為高度數據化的行業，加之業務規則和目標明晰，是人工智能和云計算等數據驅動技術的最好應用場景。“這基于4個理由。一是銀行一直非常重視IT技術的利用，信息化程度較高，技術環境與條件較好。二是銀行信息化程度較高，擁有豐富的數據沉淀。三是傳統金融行業更多是以人力為主的服務行業，亟待通過人工智能技術降低成本。四是銀行具有一定資金支持，留有試錯的空間。”氪信CEO朱明杰認為，金融業有能力、有動力、有條件通過人工智能來提高效率，并借此機會創新業務，從而實現個性化的普惠金融。

　　       業內人士表示，當前，銀行業“擁抱”科技企業開展合作，主要具有兩大脈絡：一條脈絡是“銀行＋互聯網公司”與“銀行＋技術服務公司”。其中，比較典范的是互聯網公司和以工農中建四大行為代表的老牌銀行強強聯手。在另一脈絡上悄然進行著為銀行帶來穩健變革的，是各類技術服務公司以項目方式嵌入銀行的智能化升級體系。

　　       比如，華為等硬件服務機構提供云計算平臺，商湯、曠視、依圖等人臉識別公司為銀行提供遠程核身能力，科大訊飛等語音公司為銀行提供智能語音產品，氪信科技等算法和建模公司為銀行提供智能風控、營銷、客服等業務解決方案等。

　　       全方位的數字化轉型

　　       值得注意的是，金融科技并非單純的技術概念，而是金融與科技深度融合的產物。金融科技對當前銀行業的滲透和再造是全方位的，廣度和深度前所未有。

　　       2018年年報中，工商銀行、農業銀行、中國銀行、建設銀行、交通銀行提及金融科技的次數分別達15次、21次、7次、64次、21次。招商銀行還指出:“唯一可能從根本上改變和顛覆銀行商業模式的，是科技。”

　　       一位業內人士告訴記者，央行的征信系統已采集了9.9億自然人。然而截至目前，過去從未申請過貸款或信用卡，與銀行等傳統金融機構無信貸關系歷史，征信記錄基本空白的人群接近10億人。當他們想要辦理信用卡等信貸業務時，銀行需要通過非金融屬性數據進行分析判斷。“過去的BI（商業智能）時代，數據系統面向人的規則建設和處理；而在AI時代，在線業務漸成主流，數據量激增，超出了人的經驗范疇和處理能力邊界。這些非結構化的、非金融的數據，恰恰是機器擅長處理的領域。”該業內人士稱。

　　       具體來看，依托機器學習、深度學習、自然語言處理、知識圖譜等底層核心技術，智能風控解決方案可提供預授信行內白名單、貸前準入、貸后預警、收益評分、信用卡激活促動、信用卡貸后調額、智能催收等多個場景的解決方案。

　　       “BI時代，由專家定義規則，通過機器計算，采用的數據都是低維特征的。”朱明杰表示，而在AI時代，則可以結合機器學習、高維AI引擎和專家一起挖掘金融場景數據，形成智能金融解決方案。他指出，2018年11月，氪信就推出了新一代金融科技領域的智能引擎“非或然”，實現了從知識挖掘到知識內嵌，建模過程軟件化，以及數據閉環，進一步提升了效率和安全性。

　　       不僅如此，伴隨銀行越來越“互聯網化”，手機App已不僅是物理網點的補充，也是一種電子銷售渠道，它已經成為銀行觸客的門戶。根據銀行財報，截至2018年底，工商銀行和建設銀行的App下載用戶數均已突破3億，招商銀行和掌上生活兩大App的累計用戶數達到1.48億，“月活”代替“開卡數”成為銀行衡量業績的重要指標。

　　       中國銀行也在近期正式發布了手機銀行6.0全新版。發布時，中國銀行副行長鄭國雨表示，中行手機銀行6.0將人工智能和專家智慧緊密結合，提供覆蓋全幣種、全市場的“AI+金融”智能投資理財服務，用戶可隨時隨地享受中銀慧投、專屬投資顧問等服務。

　　       事實上，將銀行App打造成一個超級平臺，并通過App來重新定義銀行服務邊界的探索，正是讓AI在金融領域的應用回到了熟悉的互聯網場景。

　　       建立統一的算法中臺

　　       現階段，AI本質上是機器通過大量的數據訓練做出智能決策的能力。這為區別于FICO（美國個人消費信用評估公司）的新一代技術公司提供了發展契機。業內人士表示，這些技術公司的創始者們，通常是習慣以信息化方式解決問題的AI專家。在互聯網企業里，他們搭建的搜索引擎日數據處理量在ZB（1ZB是10萬億億字節）級別，而金融領域只到PB級別（1PB是1000萬億字節）。也就是說，這些技術公司對于數據挖掘、用戶分析等早已駕輕就熟。

　　       那么，在AI時代，銀行等金融企業數字化轉型的關鍵是什么？在專家看來，關鍵是實現“AI as a service”——AI即服務。這意味著，致力于向數字化轉型的金融企業，可以將AI視為一種服務能力。而要獲得這種能力，不僅要建立統一的數據平臺，還要建立統一的算法中臺（用來構建大規模智能服務的基礎設施），從而將其應用于不同的垂直業務場景。

　　       需要看到的是，當下部分向數字化轉型的企業，已經具有打通數據構建統一平臺的意識，但對建立統一的AI算法中臺重視不足，出現了一個企業不同部門同時造輪子（算法）的情況。這樣導致的結果必然是難以建立統一的AI平臺，抑制了技術進步能夠帶來的深遠影響力，并造成資源浪費。

　　       “‘AI即服務’戰略在具體落地時，需要協作型組織關系和復合型人才，建立全生命周期數據管理和新型開放式數據生態，從而提供有效的AI平臺支撐。”朱明杰表示，這意味著AI時代企業數字化轉型中，人人都是AI產品經理，需要了解產品，了解AI的邊界，同時還要具有相關場景領域的知識。（記者 錢箐旎）