金融服务：引领AI新境界

金融业尤其是财富管理和资产交易领域已经在AI的商业使用上先行一步。AI驱动的创新正在不断扩展其内涵：银行和保险机构正积极在前后台应用AI技术，开发面向客户的创新服务，并实现支付、风险建模和反欺诈等流程的自动化。

AI在金融业快速应用的关键驱动因素之一是AI可降低成本。金融科技研究公司Autonomous Research指出，到2030年，传统金融机构可降低22％的成本，相当于1万多亿美元，包括前、中、后台的运营优化、零售网点和柜员缩减、AI在合规和数据处理的应用以及贷款审核和收款的自动化。

此外，技术公司，尤其是小型金融科技公司，也推动了金融业的创新。老牌金融机构积极响应，吸收金融科技公司的AI知识与创新。但伦敦帝国理工学院的Andrei Kirilenko博士认为，传统银行和保险公司提供的服务种类单一。科技公司促进金融业更好地满足客户对更智能、更个性化的产品的需求，将引发新一轮的创新浪潮。“全新的金融产品将会激增。”

更多的数据、更准的预测、更快的服务

基于AI的创新将去往何方？发展趋势之一是对现有能力的大幅提升，因为机器学习工具可分析更多样的海量数据。很多分析师认为，投资管理公司和对冲基金所用的股权交易算法的准确性还有相当大的提升空间。

市场战略与潜在目标：面向新兴市场和成熟市场的智能投顾

华为公司战略规划部银行和金融市场副总裁William Genovese表示，在智能投顾方面，“我认为，目标市场应该围绕两类客户群体，以达成效益最大化。在低端市场使用智能投顾，并向新投资者进行营销，简单灵活的智能投顾将成为此类群体的自助首选。在大多数新兴市场，越来越多的中产阶级和中上产阶级寻求投资机会，然而，专业知识与信息的缺乏令他们望而止步。简单性是颠覆低端市场的决定性要素。智能投顾应设计成简单易懂的工具。Bloom、Robinhood、Stash和Acorns等市场应用满足了低端市场投资者的需求。

Stash可依据客户生活方式和关注点（洁净水、互联网公司等）推荐基金理财产品。这些应用简单易用，新客户可快速上手，购买产品方便。因此，投资者可以快速学习如何进行投资—他们可投资与自己生活方式、关注点相关的公司，以此来测试市场的反应。”

Genovese认为，若想在此类环境中成长并在成熟和新兴市场蓬勃发展，老牌企业需要积极与金融科技公司合作。例如，在银行业，大部分创新来自于平台生态体系，而非银行本身。他说：“传统企业需要拥抱这种合作模式，在竞争中取得优势。基于安全有效的结构化/非结构化数据管理，平台生态体系可快速获得深刻洞察，为充分发挥AI价值提供坚实基础。50％的银行客户会给予银行两次机会，看看它们是否能够提供优质的客户体验。如若不能，那客户就会转投其他服务商，他们评判的标准是金融服务在生活场景的嵌入度。基于综合平台，AI可利用客户数据来快速达成这一目标。”

同样，基于更广泛的数据与持续学习，银行智能客服机器人也可为客户推荐更适合的产品以及更精确的问题解决措施。五年内，机器人助理将成为银行的主要服务渠道之一，其重要性不亚于网站和实体网点。在经济学人智库2018年初进行的全球调查中，银行高管指出“更优质的客户体验”和“更高的客户参与度”是未来五年内AI带来的主要收益。

银行及其他贷款机构将利用AI加速贷款审批，审批流程如今已实现自动化。随着信用评分和风险评估的自动化，实时贷款决策将成为可能。

银行不断推进支付自动化、反欺诈、风险管理、合规等运营，后台也将会应用AI。目前主要是机器人流程自动化（RPA），但预测性分析和机器学习将在未来几年内发挥更大的作用。

跨行业发展

随着金融服务提供商从其他行业获取更多数据，全新的支付模式和服务将会应运而生。保险业可访问车载物联传感器产生的汽车数据，以此开发并推广UBI车险，基于AI的驾驶行为评估进行车险定价。

Kirilenko博士希望保险公司和银行能够将AI技术应用于健康数据分析，例如个人健康监测数据，以此开发新型金融产品。财富经理也可依据客户健康状况提供相应的投资产品和建议。更严格的数据隐私保护法规可能会在短期内阻碍数据共享，但Kirilenko博士认为，跨行业的数据分享必将增长，因为客户期望获得更多的综合金融、健康和其它生活场景的产品。

即将到来的颠覆

Kirilenko博士认为，金融服务提供商也将发生变化。大型技术公司将AI和数字专长与客户行为、偏好洞察相结合，更直接地与传统金融机构竞争。他说：“多个市场监管机构认为，技术公司将取代部分金融体系的功能。”

应对措施

上述AI应用要求公司具备更高的计算性能，支撑更强大的算法的运行。与其他行业相比，考虑到客户数据与专用数据的风险，银行和保险公司并不太热衷于公有云服务。云服务提供商将提供更高的安全性，而银行和保险公司在创新型生态系统中积极与金融科技公司和其他公司（包括竞争对手）进行合作，这一情况也许会发生改变。许多公司将意识到，如若不更多地使用云，那他们就无法将AI项目规模化。

各家公司必须调整自己的数据资产，为AI应用做好准备，这一建议适用于所有行业，但对于老牌金融机构而言，他们面临的挑战可能更为严峻。普华永道2018年初的研究发现，在多个行业中，金融机构的数据利用效率较低。只有26％的金融高管表示他们所在的公司可有效地使用数据，在调查的十个行业中排名倒数第三。要解决这一问题还有很多工作要做，但金融公司首先需要在监管允许的条件下尽量整合所有孤立的数据与系统，为AI提供不同格式、不同种类的数据。银行和保险公司还需部署非结构化数据分析工具。

对于老牌金融机构而言，这并非一个完全未知的领域，许多机构都在积极地构建AI能力。但如果像Kirilenko博士所预测的，金融和其他行业的边界日益模糊，那众多金融机构也许都难以跟上变化的步伐。

编者语：该文章是BrandConnect的客座文章。