都夸“AI+金融”好，那到底有哪些场景容易落地呢？|AI研习社——金融篇

2018.9 投哪儿加速器 黄一钒 

专注种子投资、创业辅导、FA服务

联系邮箱：ivan_1995@163.com

转载请联系作者！！！

一、前言

AI 领域投融资热度不断升温，2017 年我国AI 领域融资规模突破 300 亿元(鲸准洞见，易观智库)。而根据头条指数的数据，2017年全年最受关注的人工智能应用领域，前四位分别是金融、交通、教育和医疗，金融排在第一位。本文根据搜集到的资料，主要将围绕“AI+金融”的应用层创业展开研究分析：探讨AI技术在金融领域的落地情况，创业公司状况以及各场景未来需要关注的要点。

二、AI在金融领域的发展具有坚实的基础和足够推动力

数据、算力以及应用场景是促进AI技术能够落地的三大核心要素，金融业天然的数据属性与智能化需求为人工智能的应用提供了坚实的基础。

首先金融行业领域拥有大量的数据，这满足了算法的深度学习训练需要；其次整体行业已开始向金融科技（Fintech）转型，且云计算技术已经成熟，计算机算法、算力足够支撑。最后，也有大量的场景存在降本增益的需要，人工智能技术的引用也能够大大提高行业内的运作效率。

三、人工智能有哪些技术可以应用到金融领域之中？

机器学习模型：各类机器学习算法的使用，使得机器可以在海量的金融大数据中学习各种规律和方法，然后应用到金融业务的各个阶段，从而有效地优化流程、提升效率。主要适用在智能风控、智能投顾、精准营销等场景中。

知识图谱：知识图谱从“实体-关系”的角度整合金融业现有数据，结合外部数据，建立连接形成大规模的实体关系网络。从而突破传统的计算模式，便于有效地挖掘潜在客户、预警潜在风险，帮助金融行业提升效率、优化流程。主要也是在风控以及投顾领域。

生物识别：即分别通过设备采集人体指纹、面部、虹膜、指静脉等部位具有唯一标志性的特征信息，进行存储、匹配 ，进而完成身份认证。主要应用于客户身份认证、远程开户、无卡取款、刷脸支付 、金库管理和网络借贷等金融场景。

语音识别&语义分析：金融行业天生具有客户服务属性，且具有巨大的业务量和数据积累，语音识别与语音合成技术结合在一起，可以很好地提供一个基于语音自然流畅的人机交互方法。语义分析则可以用大量的语音记录中挖掘数据，进行用户、人员管理或精准营销。 

自然语言处理: 显著提升金融行业获取、清洗、加工和分析数据的效率。 主要适用于智能投研。

四、各类场景中的落地概况

人工智能对金融服务的影响可以分为三个阶段:服务智能化、认知智能化和决策智能化。

服务智能化是最基础的阶段，主要表现为避免重复性工作，一些资源密集型重复性任务(如数据输入和事务处理)非常适合自动化和人工智能。轻量化的人工干预，能降低出错率，并使工作人员能够专注于更复杂和更有价值的工作。

认知智能化主要是通过人工智能进行分析和判断，如交易处理、合规性审核等。传统的风控措施要求需要很高成本，而人工智能的辅助可以有效解决合规性和风控挑战，节约成本费用。

决策智能化是人工智能对金融领域影响的最终阶段，是建立在服务智能化和认知智能化基础上，提出最终的决策建议。

AI对金融领域影响的三大阶段

1、智能运营

技术应用：基于知识图谱构建在线智能客服的理解和专业答复体系，再结合自然语言处理技术进行实时语音识别和语义理解；提供实体服务机器人，在大堂内承担迎宾分流、引导客户、介绍银行业务等；语音数据挖掘，为电话银行的通话中的内容结构化，打上各类标签，挖掘分析其中有价值的信息，为服务与营销等提供数据与决策支持。

市场规模：传统银行客服及客户经理，从业人员接近300万人，预计市场规模达220亿以上；根据《中国互联网金融行业市场前瞻与投资战略规划分析报告》，我国互联网金融行业的规模已经超过17.8万亿元，若提升1%的效率，那就是1780亿的市场。

典型公司：

智能运营领域典型公司

发展前景及关注点：

对于现代商业银行而言，网点作为其重要服务场所，早期为了提升自身服务质量，大量铺设了线下网点。但随着网络渠道对线下网点的影响，银行网点被迫裁撤或者向新的方向变革，这其中的智慧银行中的智慧运营建设就是重大方向之一。这之中，对传统人员的做到部分或全部替代在未来是必然的趋势。另外根据语音数据进行信息挖掘，识别VIP客户，进行精准营销等等，是对智能运营的一种增益效果。

从机会上来看，在生物识别领域，已经是各类独角兽企业的主战场，市场竞争非常激烈，机会相对较少。在语音客服、语音数据分析方面，由于金融场景的高度定制化，传统的语音识别领域的巨头公司的发展目前还处于初级阶段，此处有一定发展机会，但是由于技术、数据的限制，对于创业公司来说将会有不小的挑战。在精准营销上，目前在技术上可以做到一定的数据分析，对用户行为分析并打上标签，但是智能获客与活客应用场景仍为人机结合，增益效果并不明显。

2、智能投顾&智能投研

技术应用：智能投顾分为两种，一种是理财型投顾，重点在于大类资产配置，机器会根据客户理财需求和资质信息、市场状况、投资品信息、资产配置经验等数据， 基于机器学习、知识图谱等人工智能技术，输出符合客户风险偏好和收益预期的投资理财建议。主要的服务对象是中产阶级以下等非超高净值客户，底层资产可以覆盖到境内权益、港股、发达市场权益、境内债券、境外债券、黄金、股票多空、绝对收益、现金等境内外各大类资产。 另一种为辅助交易类智能投顾，更贴近于微观，除了以上技术外，还会利用到自然语言处理，进行择时、标的筛选以及风险预警来辅助投资者做决策，与智能投研有一定相关性。

智能投研在决策之前使用，用于对各类事件、行业数据的挖掘、处理、分析、得出一定结论后提供决策支持，主要被作为基金经理的一种管理工具，创造的价值相对有限，在未来如果成为如Bloomberg或者Wind之类的数据终端才能具有一定价值。本文中不做过多的讨论。

市场规模：根据BCG2017年《中国私人银行2017年度报告》，中国个人可投资金融资产规模去年达到了126万亿元，高居全球第二，并预计在2020年达到200万亿元，其中高净值家庭将达到51%。若在2020年达200万亿，参考 A.T. Kearney 对 2020 年美国智能投顾市场渗透率 5.6%的预测，考虑到我国资本市场及投资者理念成熟度偏低，那么保守，对高净值家庭取 5%渗透率，对一般家庭取 3%的渗透率，则未来智能投顾管理的资金将达到8万亿人民币;若以 0.3%的平均管理费用进行计算，仅管理费空间就可以达到 240 亿人民币。

典型公司：

智能投顾领域内典型公司

发展前景及关注点：

智能投顾为广大中产阶级以下的投资者带来更加专业高效的建议，并且能够有效降低投资顾问的使用门槛，市场空间巨大。

不过，根据鲸准统计，截止2018年8月，我国智能投顾企业共206家。其中，56%处于未融资状态，近31%处于A轮及以前，B轮及以后只占14%，可见， 智能投顾虽然进入国内已有时日，但仍处于非常早期的阶段，市场尚未成熟。这一方面，值得一提的是，基金公司、商业银行等传统金融机构陆续布局智能投顾，因牌照和客户资源等优势，发展较快。综合来看，智能投顾在国内的发展整体向好，但短期来看，仍存在诸多的阻碍。

对于在此领域创业的公司有四点可以关注：第一，牌照问题，投顾涉及到证券投资咨询牌照、基金代销牌照、资产管理牌照，这三块牌照在国内是分别发放和监管的。如何打通三方，或者与其他已有牌照的金融机构合作是巨大的挑战；第二，数据问题，目前的数据收集多以问卷为主，未考虑用户行为、消费以及其他投资数据，如何更深度地了解客户，满足其需求是另一大挑战；第三，可配置产品问题，智能投顾的主要投资标的是ETF，国内的ETF总数只有百余只，而在美国，同类型产品就多达千余只。第四，获客问题，中国的投资者与美国的投资者在投资偏好上有明显差距，首先是对于金融产品认知存在一定缺少；在风险偏好上，喜欢高收益但是却具有高流通的金融产品，与之而来的就是高风险性，但大部分投资者却又是高度风险厌恶型；另外，券商、银行、保险公司掌握着大量的客户资源，第三方创业公司在获取客户，取得客户信任上需要做足功课。

3、智能风控

技术应用：在金融风控中可以对大量用户的金融交易行为数据进行分析，利用机器学习，建立预测模型，预测用户的信用情况或其是否在进行欺诈，并给出相应的信用评级或决策。与以前相比，对于更多维度数据的考虑使得信用评估将更加准确，机器运作的方式较于人工更加客观并且处理更加迅速，满足当下互联网时代对高并发业务快速处理的需求。主要体现的应用就是在反欺诈以及征信领域。

市场规模：宜人智库的报告显示，2016 年我国个人征信市场规模达到 134.2 亿元，2016 年至 2020 年 间复合增速有望达到 26.3%，预计 2020 年个人征信市场收入规模将达到 341.5 亿元，潜在天花板高达 4000 亿元。另外根据中金公司统计归纳，2017年网络“黑产”上下游人员达160万人，年产值达1100亿元，网络欺诈导致的损失预计高达4687.2亿元。

典型公司：

智能风控领域内典型公司

发展前景及关注点：

每家金融公司的本质就是在经营风险，风控对于金融公司来说必须并且是最核心的。另外，风控需要用到大量的数据，一旦与金融机构形成合作，这将会涉及到用户全生命周期的数据，风控厂商可借这些数据切入其他应用场景，发展空间巨大。

在关注点方面，数据源的获取和掌控能力将在未来决定该领域的公司的发展高度，另外也要考虑到技术能否应对目前互联网时代数据非结构化，业务处理高并发但需快速响应等要求。最后偏重征信或者类信用评估的公司，还要考虑牌照问题，目前央行在个人征信领域的牌照发放十分谨慎。

五、国外市场上的AI+金融的企业表现如何

国际市场上的AI+金融企业表现

以上为对国际上关于“AI+金融”公司的简单梳理，实际上从事相关事项的公司还有非常多。从国内与国外的对比，我们可以发现，整体的发展水平也相对于国内更快一些，国外的机构更专注于解决业务流程上的一些事情，更专注于降低人力成本，提高人员效率，这一点也是国内的创业者可以参考去借鉴学习的。

六、AI+金融在未来的发展趋势会是如何？

得场景者得天下，那么来看看三大场景。从时机来看，智能风控已经有一定的发展基础，并且市场痛点明显，天花板高且处于早期阶段，有相关技术和金融业务实力创业公司其实有很大的发展机会，是目前AI+金融创业中最有可能诞生新独角兽的地方。而智能投顾由于今年国内金融管控趋严，对于已开展业务的公司来说是发展良机，而对于刚起步没有相关牌照的创业公司来说则是一个艰难的时期。对于智能运营来说，由于涉及银行服务的各个方面，主要集中在身份识别，和语音识别及分析，而目前AI技术层两大底层技术——计算机视觉、自然语言处理均有各大巨头公司竞争，对于创业公司来说市场竞争相对比较激烈，在这条赛道中，创业公司能做的一定是细分领域的精细化的提升工作。

如果简单来说，那么，由于金融行业本身存在的一定特殊性，短期来看人工智能技术对金融业起到的更多的只是辅助作用，所以当前行业仍处于探索期，具有较强的不确定性，投资者需谨慎投资，创业者在创业过程中也要小心前行。