人工智能（AI）技術(shù)發(fā)展至今，早已從實驗室的黑科技階段進入到了對產(chǎn)業(yè)賦能的階段，而在此賦能過程中，當前的技術(shù)落地與最初的設計愿景是存在著區(qū)別的。關(guān)于人工智能能否超越人類智慧這一話題一直存在爭論，但這并沒有阻止技術(shù)落地的步伐。我們已經(jīng)看到不少落地成果，尤其是在某些特定場景下人工智能的效果已經(jīng)超過人類智慧，不過全面超越人類智慧還有著很多變數(shù)。因此，我們認為在技術(shù)上現(xiàn)今仍處在弱AI時代，但在產(chǎn)業(yè)賦能上已經(jīng)逐漸的在發(fā)揮人工智能的作用。
AI在金融領(lǐng)域的應用有著很多機會
國內(nèi)傳統(tǒng)金融行業(yè)存在發(fā)展不平衡的現(xiàn)狀，因此，就一家金融企業(yè)來說，對于AI的認知以及應用的場景都會存在差異。目前，相對易落地的是傳統(tǒng)金融企業(yè)的內(nèi)部場景，即與內(nèi)部運營有關(guān)的場景，AI的應用可以提升運營效率。比如，OCR（圖像識別技術(shù)）在銀行內(nèi)部流程中發(fā)揮著作用，提升了票據(jù)識別、身份證件自動識別、圖像轉(zhuǎn)文字的效率。然而，在對外場景中，AI落地會面臨更多的挑戰(zhàn)，需處理復雜多樣的風控問題，還會受到諸多外部因素的影響，比如人們的消費習慣的變化、黑產(chǎn)攻擊模式的變化、行業(yè)產(chǎn)品迭代變化以及監(jiān)管政策的影響等。因此，AI技術(shù)的應用仍然面臨很多差異化的挑戰(zhàn)。AI應用的未來趨勢，會有更多細分。由于國內(nèi)市場非常大，不少金融企業(yè)對AI的應用還處在實驗階段，在生產(chǎn)上落地的不多，這意味著有更多的機會。
AI技術(shù)落地挑戰(zhàn)重重
AI在推動傳統(tǒng)金融數(shù)字化轉(zhuǎn)型過程中面臨諸多挑戰(zhàn)，其中最大的挑戰(zhàn)是AI技術(shù)如何跟業(yè)務場景的需求緊密結(jié)合。AI的落地過程不可能是一蹴而就的，按照怎樣的步驟和計劃推進，對于傳統(tǒng)金融機構(gòu)來說是必須要面對的問題。金融客戶了解自己的業(yè)務，技術(shù)供應商有著自己的技術(shù)，但這兩者之間如何建立無障礙的溝通橋梁，快速了解對方并找到最契合的場景進行落地，這需要一個過程。
AI在傳統(tǒng)金融數(shù)字化應用的挑戰(zhàn)還有國內(nèi)傳統(tǒng)金融區(qū)域間發(fā)展不平衡的挑戰(zhàn)。經(jīng)濟發(fā)達地區(qū)的創(chuàng)新意愿更強烈，內(nèi)部環(huán)境更好，對外態(tài)度更開放，接受能力也更強。對于發(fā)展程度相對較弱的地區(qū)，AI還處于實驗室階段，企業(yè)對新技術(shù)的應用也更為謹慎，在推進過程中需要有著更多溝通和了解。在實際業(yè)務的對接中，我們還發(fā)現(xiàn)統(tǒng)一客戶認知具有一定挑戰(zhàn)。如何在幫助客戶解決問題時，提供可視化、可解釋、易操作的科技產(chǎn)品，是科技公司需要考慮的重要問題。
搭建全流程AI風控體系
面對AI技術(shù)落地的挑戰(zhàn)與困難，DataVisor維擇科技在AI領(lǐng)域不斷深耕與成長。根據(jù)長期的觀測與分析總結(jié)，DataVisor搭建了一個AI賦能的全流程風控體系。那么，全流程是什么？
·數(shù)據(jù)層：進行數(shù)據(jù)整合，打破數(shù)據(jù)孤島
從底層數(shù)據(jù)層看，需要對金融機構(gòu)內(nèi)部進行數(shù)據(jù)整合，打破數(shù)據(jù)孤島。由于傳統(tǒng)金融機構(gòu)的歷史數(shù)據(jù)系統(tǒng)龐大，數(shù)據(jù)倉庫繁雜，數(shù)據(jù)之間的連通問題不易解決，不同產(chǎn)品間的數(shù)據(jù)難以共享。面對當前的金融風控需實現(xiàn)快速實時的服務需求，這就需要把內(nèi)部數(shù)據(jù)打通整合，不然將影響處理時效，甚至無法實現(xiàn)實時風控。因此，通過提供此類數(shù)據(jù)整合服務，從而幫助企業(yè)實現(xiàn)業(yè)務的實時風控需求。
·業(yè)務層：運用AI技術(shù)實現(xiàn)降本增效
在業(yè)務層面，基于不同機構(gòu)的不同需求以及基于傳統(tǒng)規(guī)則的風控系統(tǒng)，研發(fā)一系列的產(chǎn)品套件，這類產(chǎn)品在理解和使用上都較為容易，落地使用也較為廣泛；也有運用無監(jiān)督機器學習算法的AI產(chǎn)品，這類產(chǎn)品通常提供給對AI技術(shù)有一定認知的企業(yè)使用；此外還有終端風控產(chǎn)品，幫助金融機構(gòu)解決客戶交互過程中存在的風險問題。此產(chǎn)品體系是完全契合于金融機構(gòu)的業(yè)務全流程的，也是基于現(xiàn)有的痛點去做匹配設計的。在實際的落地中，這些產(chǎn)品即可以單獨提供服務，也可以成體系化的提供，同時我們會配以咨詢服務，幫助客戶對其現(xiàn)有系統(tǒng)進行需求評估，比如客戶如何選擇產(chǎn)品、如何落地新產(chǎn)品、如何契合其業(yè)務。另外，我們也會結(jié)合多家客戶的服務經(jīng)驗，形成更好的行業(yè)實踐。
AI賦能金融客戶實時打擊薅羊毛欺詐
傳統(tǒng)金融客戶的AI技術(shù)應用需求是不同的，客戶中許多是已經(jīng)在AI落地上有一定經(jīng)驗的機構(gòu)，他們對AI更深、更廣的應用需求是相對強烈的。這類傳統(tǒng)金融機構(gòu)在選擇解決方案或科技產(chǎn)品時會考慮的因素也比較全面，比如：風控運營效率、人力投入成本、檢測效果等；除此以外，還會考慮一些自身因素，比如新產(chǎn)品能否與其原有系統(tǒng)良好匹配、產(chǎn)品跟金融風控流程中的上下游場景的契合度、產(chǎn)品后期的維護和升級是否復雜等。
舉個具體案例，DataVisor維擇科技在服務某知名財險機構(gòu)時，客戶希望打通底層多個產(chǎn)品的數(shù)據(jù)，達到毫秒級的薅羊毛欺詐檢測，對虛假保險理賠進行實時攔截。但客戶在自研發(fā)時，受限于底層數(shù)據(jù)沒有打通，導致整個計算風險評估的時間過長，無法實現(xiàn)實時攔截。DataVisor維擇科技的產(chǎn)品Feature Platform（實時變量計算平臺）幫助客戶在短時間內(nèi)實現(xiàn)這一毫秒級的實時風控需求，實時從不同底層數(shù)據(jù)庫抽取需要的風控數(shù)據(jù)，并生成特征變量支持風控系統(tǒng)實時判斷這些虛假理賠的情況，成功解決了這一問題。
AI供應商與客戶的關(guān)系是雙向促進的。比如，在服務客戶時發(fā)現(xiàn)該機構(gòu)內(nèi)部的對接人員多、體量大、內(nèi)部分工細。在底層數(shù)據(jù)產(chǎn)品的落地過程中，不僅對接了數(shù)據(jù)部門的各團隊，還對接了業(yè)務部門的各團隊，這給AI供應商提出了很大挑戰(zhàn)，因此，AI供應商不僅需要擅長數(shù)據(jù)分析領(lǐng)域，也需要解決業(yè)務部門的一些業(yè)務邏輯問題。由于各風控部門的技術(shù)認知和風控手段實現(xiàn)方式的想法是不同的，在溝通中也碰撞出諸多創(chuàng)新的匹配業(yè)務的風控模式，也讓AI供應商的產(chǎn)品發(fā)掘出許多跟最初設想不同的落地場景需求，這是非常有意義的過程，這增強了對AI供應商自身技術(shù)開發(fā)的信心。
結(jié)語
在當下的弱AI時代，傳統(tǒng)金融客戶的數(shù)字化轉(zhuǎn)型挑戰(zhàn)巨大、情況復雜、變化較快，逐漸完善金融全流程AI風控體系，將會是傳統(tǒng)金融向數(shù)字化金融逐步過渡過程中，有效應對內(nèi)外部欺詐風險的良方。（作者：孫睿，DataVisor維擇科技首席咨詢官）
