0
| 本文作者： 周蕾 | 2020-06-19 18:47 |
金融機(jī)構(gòu)挑選AI產(chǎn)品，正如大將出征前要挑兩件趁手兵器：不談實(shí)戰(zhàn)需求，一味求重求新，斷不是上策；必須借匠人一雙慧眼，摸清脾性，知其弱點(diǎn)，才能改良打磨出一件稱(chēng)心之選。
近期，雷鋒網(wǎng)《AI金融評(píng)論》策劃了「AI能否解決金融剛需問(wèn)題」系列選題，借同一個(gè)話題，對(duì)不同背景的受訪者、產(chǎn)品和客群各異的企業(yè)們進(jìn)行了多次專(zhuān)訪。
本文則從四大重點(diǎn)賽道出發(fā)，結(jié)合場(chǎng)景痛點(diǎn)，試圖從現(xiàn)下常用的解決方案中，找出當(dāng)前AI能力在哪些問(wèn)題上「鞭長(zhǎng)莫及」，以覓得未來(lái)技術(shù)趨勢(shì)之所在。
AI在金融的商業(yè)化、規(guī)?；涞兀刨J風(fēng)控是最典型也最為人熟知的場(chǎng)景之一。
如今的人工智能，可以根據(jù)海量數(shù)據(jù)開(kāi)發(fā)和訓(xùn)練信貸風(fēng)控模型，利用算法在貸前評(píng)估預(yù)測(cè)用戶(hù)的還款能力和還款意愿，在貸中實(shí)時(shí)監(jiān)控借款人，對(duì)可能出現(xiàn)的違約進(jìn)行事前干預(yù)。
在這樣的技術(shù)水平下，金融科技公司已經(jīng)為信貸業(yè)務(wù)提供全流程智能解決方案。機(jī)器能夠輔助金融機(jī)構(gòu)決策，提高審批、監(jiān)督和催收效率，甚至在特定條件下直接替代人工，實(shí)現(xiàn)秒批秒貸、智能催收等等。
AI風(fēng)控的供需雙方，也逐漸形成共識(shí)，摸索出一套相對(duì)通用的技術(shù)指標(biāo)，例如K-S值、AUC和F-score等，為智能風(fēng)控模型水平畫(huà)出“水位線”。
K-S值是風(fēng)控中的一大關(guān)鍵衡量標(biāo)準(zhǔn)，它用于評(píng)估模型的風(fēng)險(xiǎn)區(qū)分能力，計(jì)算好壞樣本累計(jì)分部之間的差值（計(jì)算每個(gè)評(píng)分區(qū)間累計(jì)壞賬戶(hù)占比與累計(jì)好賬戶(hù)占比差的絕對(duì)值）。好壞樣本累計(jì)差異越大，K-S指標(biāo)越大，則模型的風(fēng)險(xiǎn)區(qū)分能力越強(qiáng)。
拆解市面上常見(jiàn)的解決方案之后，我們不難發(fā)現(xiàn)，個(gè)人信貸風(fēng)控這場(chǎng)重頭戲，主角經(jīng)常是評(píng)分卡模型。這一模型的良好可解釋性和高穩(wěn)定性，使得它為廣大銀行所接受和采用。
但隨著有組織的團(tuán)伙欺詐行為頻發(fā)，原有模型未見(jiàn)得能查出這種更隱蔽的風(fēng)險(xiǎn)，越來(lái)越多的金融機(jī)構(gòu)開(kāi)始接受機(jī)器學(xué)習(xí)模型，金融科技公司也將知識(shí)圖譜、特征工程等更多技術(shù)方式融入到信貸解決方案中。
多位金融科技公司高層向AI金融評(píng)論強(qiáng)調(diào)，AI風(fēng)控效果的好壞，與樣本息息相關(guān)。
因此，在缺乏專(zhuān)家經(jīng)驗(yàn)、樣本質(zhì)量參差不齊、數(shù)量有限的情況下，半監(jiān)督或無(wú)監(jiān)督學(xué)習(xí)的技術(shù)方法受到業(yè)內(nèi)青睞，即訓(xùn)練數(shù)據(jù)部分帶有標(biāo)簽或全無(wú)標(biāo)簽，團(tuán)隊(duì)進(jìn)行特征提取，訓(xùn)練自身模型，進(jìn)而將標(biāo)簽遷移、擴(kuò)散至其他沒(méi)有標(biāo)簽的用戶(hù)。
隱私監(jiān)管和數(shù)據(jù)孤島的雙重挑戰(zhàn)下，各種AI技術(shù)流派也逐漸興起并在信貸風(fēng)控場(chǎng)景展開(kāi)應(yīng)用，例如聯(lián)邦學(xué)習(xí)、安全多方計(jì)算、隱私計(jì)算等。
高層們也指出，AI風(fēng)控還存在如下疑問(wèn)：
模型具有一定時(shí)效性，其性能會(huì)否隨著時(shí)間推移而大幅下降？
模型更新所需的時(shí)間和人力成本如何？
模型能夠?qū)崿F(xiàn)多高的標(biāo)準(zhǔn)化程度？
解決方案與銀行核心系統(tǒng)在對(duì)接的過(guò)程當(dāng)中是否簡(jiǎn)易？
……
問(wèn)起什么才是金融領(lǐng)域最為關(guān)鍵的問(wèn)題，答案多半是KYC。
不止一位資深業(yè)界人士向AI金融評(píng)論強(qiáng)調(diào)，KYC最難的地方在于怎樣識(shí)別自己的客戶(hù)，這在金融場(chǎng)景獲客、反欺詐、風(fēng)控和貸后環(huán)節(jié)非常關(guān)鍵。
幾乎所有金融機(jī)構(gòu)都有強(qiáng)身份認(rèn)證需求，指紋、人臉、虹膜等生物特征識(shí)別手段也順理成章進(jìn)入到金融業(yè)務(wù)的多個(gè)重要環(huán)節(jié)。
眼神科技市場(chǎng)體系高級(jí)總監(jiān)王姝琦告訴AI金融評(píng)論，生物識(shí)別在金融業(yè)的發(fā)展，可大致分為三個(gè)階段：
在傳統(tǒng)金融時(shí)代，生物識(shí)別初步被引入銀行，優(yōu)先解決的是銀行內(nèi)部風(fēng)險(xiǎn)控制問(wèn)題；
隨著互聯(lián)網(wǎng)的發(fā)展，眼神科技率先提出了人臉聯(lián)網(wǎng)核查，之后被廣泛應(yīng)用，幫助銀行降本增效；
在如今的移動(dòng)互聯(lián)網(wǎng)浪潮下，生物識(shí)別進(jìn)一步升級(jí)，不再停留在單純的身份認(rèn)證，而是充分發(fā)揮人機(jī)交互特點(diǎn)，與金融客戶(hù)共同打造智能柜員、智慧網(wǎng)點(diǎn)、手機(jī)銀行、泛金融拓展等方案，優(yōu)化客戶(hù)體驗(yàn)，實(shí)現(xiàn)遠(yuǎn)程獲客、創(chuàng)新?tīng)I(yíng)銷(xiāo)。
盡管生物識(shí)別方案當(dāng)前普及率頗高，但仍存在著一定發(fā)展桎梏。
“不論是機(jī)器視覺(jué)，圖像識(shí)別，還是生物識(shí)別，其實(shí)都屬于模糊識(shí)別，也就是只能告訴你‘有多像’，而無(wú)法告訴你‘一定是’——每一種識(shí)別技術(shù)都會(huì)有或多或少的局限性和識(shí)別極限，或者不適合的應(yīng)用場(chǎng)景?！蓖蹑@樣總結(jié)。
隨著AI發(fā)展和海量數(shù)據(jù)的增加，不同信息從不同方位、不同傳感器一擁而入，指紋識(shí)別、人臉識(shí)別、虹膜識(shí)別、指靜脈識(shí)別等單模態(tài)識(shí)別已經(jīng)很難滿足強(qiáng)安全、多場(chǎng)景、大數(shù)據(jù)庫(kù)下的應(yīng)用發(fā)展。
她表示，要實(shí)現(xiàn)超大底庫(kù)下的強(qiáng)身份認(rèn)證，生物識(shí)別作為智能化趨勢(shì)下重要的AI入口，多模態(tài)融合已成AI發(fā)展的必然趨勢(shì)。
只有通過(guò)多模態(tài)生物識(shí)別的統(tǒng)一融合，才有可能覆蓋盡量多的應(yīng)用場(chǎng)景和應(yīng)用人群，進(jìn)而創(chuàng)建完整的場(chǎng)景生態(tài)，讓單一的行業(yè)技術(shù)，向大數(shù)據(jù)的智能化服務(wù)發(fā)展成為可能。生物識(shí)別在金融領(lǐng)域的落地，也逐漸由單模態(tài)識(shí)別和技術(shù)應(yīng)用，過(guò)渡到多模態(tài)融合。
把握住“多模態(tài)融合”技術(shù)趨勢(shì)的生物識(shí)別企業(yè)，才有希望“百尺竿頭更進(jìn)一步”。以眼神科技的解決方案為例，新階段的金融生物識(shí)別產(chǎn)品體系需要多種自主知識(shí)產(chǎn)權(quán)核心算法及多模態(tài)融合算法（如人臉和虹膜識(shí)別融合、指紋和指靜脈識(shí)別融合等），統(tǒng)一平臺(tái)，面向各個(gè)場(chǎng)景的場(chǎng)景云和應(yīng)用軟件，適用于不同場(chǎng)景的智能硬件終端，以及面向公眾的AI能力平臺(tái)。
除此以外，如何兼顧安全和便捷，滿足識(shí)別安全性的高度、覆蓋人群和場(chǎng)景的廣度以及使用體驗(yàn)的優(yōu)化度，也是技術(shù)廠商們長(zhǎng)期以來(lái)思考的問(wèn)題，多模態(tài)融合發(fā)展或?qū)⒊蔀榻鉀Q之道。
AI金融，不止與主要金融產(chǎn)品和業(yè)務(wù)環(huán)節(jié)相關(guān)，營(yíng)銷(xiāo)和客戶(hù)運(yùn)營(yíng)的數(shù)字化、智能化也日漸受到重視，技術(shù)也從用戶(hù)生命周期切入，正滲透到金融業(yè)務(wù)全鏈條當(dāng)中。
縱觀行業(yè)應(yīng)用方案，不少銀行基本形成基于AI和大數(shù)據(jù)的智能化營(yíng)銷(xiāo)和運(yùn)營(yíng)策略，即建立和研發(fā)個(gè)人客戶(hù)畫(huà)像體系，不斷豐富客戶(hù)立體維度標(biāo)簽，加強(qiáng)對(duì)客戶(hù)需求的挖掘和分析，從而實(shí)現(xiàn)精準(zhǔn)營(yíng)銷(xiāo)和定制化服務(wù)。個(gè)別智能營(yíng)銷(xiāo)方案更強(qiáng)調(diào)了對(duì)線上線下、存量增量等全維度營(yíng)銷(xiāo)場(chǎng)景與渠道的覆蓋。
但也有金融科技公司的CEO認(rèn)為，在金融產(chǎn)品智能營(yíng)銷(xiāo)領(lǐng)域，即使推薦模型效果再好，還是很難通過(guò)少量的產(chǎn)品滿足消費(fèi)級(jí)用戶(hù)的全部需要。
營(yíng)銷(xiāo)的另一大主要痛點(diǎn)，其實(shí)來(lái)自于風(fēng)控。
風(fēng)控與獲客通常以“相愛(ài)相殺”的關(guān)系出現(xiàn)，如果一味降低風(fēng)險(xiǎn)水平，容易造成營(yíng)銷(xiāo)端的流量浪費(fèi)，轉(zhuǎn)化率低下。
因此，一些大型互金公司選擇將風(fēng)控前置到營(yíng)銷(xiāo)端，即借助AI算法、大數(shù)據(jù)關(guān)系圖譜等技術(shù)，在營(yíng)銷(xiāo)廣告投放之前，系統(tǒng)就預(yù)判出潛在客戶(hù)的信用品質(zhì)，再進(jìn)行千人千面的廣告投放，從而平衡了營(yíng)銷(xiāo)獲客與風(fēng)險(xiǎn)控制的關(guān)系，以達(dá)到公司利潤(rùn)最優(yōu)化。
同時(shí)，金融機(jī)構(gòu)還面臨著技術(shù)能力有限和標(biāo)簽信息不足的問(wèn)題，擔(dān)心在營(yíng)銷(xiāo)過(guò)程中泄露用戶(hù)信息。
例如機(jī)構(gòu)試圖激活存量客戶(hù)，但客戶(hù)處在睡眠狀態(tài)時(shí)他們很難得到更豐富的信息去判斷；用外部標(biāo)簽判斷客戶(hù)，相當(dāng)于把自己的客戶(hù)信息泄露出去；沒(méi)有聯(lián)合建模的情況下，營(yíng)銷(xiāo)匹配度也有限。
一位隱私計(jì)算技術(shù)服務(wù)商向AI金融評(píng)論表示，這類(lèi)情況目前已經(jīng)可以通過(guò)縱向聯(lián)邦學(xué)習(xí)模型解決；存量客戶(hù)對(duì)外進(jìn)行畫(huà)像匹配時(shí)，也可通過(guò)安全方式查詢(xún)。在此過(guò)程中，存量客戶(hù)也并不會(huì)有更多信息被外部獲取。
智能投顧，被認(rèn)為是AI落地的重要方向之一，入局的金融機(jī)構(gòu)和創(chuàng)業(yè)公司眾多，卻在近兩年進(jìn)入到調(diào)整沉淀期。
在理財(cái)魔方CEO袁雨來(lái)看來(lái)，這是智能投顧領(lǐng)域必經(jīng)的去偽存真時(shí)期：
“很多公司和項(xiàng)目，不理解智能投顧，不知道智能投顧屬于財(cái)富管理，當(dāng)成資產(chǎn)管理來(lái)做，他們最終都停滯了或者關(guān)停了。不能解決客戶(hù)過(guò)去在標(biāo)準(zhǔn)化資產(chǎn)的投資理財(cái)上盈利比例太低這一核心痛點(diǎn)的公司和項(xiàng)目也都失敗了?！?/p>
市面上的智能投顧產(chǎn)品，基本是根據(jù)個(gè)人投資者提供的風(fēng)險(xiǎn)承受水平、收益目標(biāo)以及風(fēng)格偏好等要求，運(yùn)用一系列智能算法及投資組合優(yōu)化等理論模型，幫助用戶(hù)實(shí)現(xiàn)主、被動(dòng)投資策略相結(jié)合的定制化投顧服務(wù)。
但有業(yè)界觀點(diǎn)認(rèn)為，AI的優(yōu)勢(shì)在于解決信息過(guò)載和長(zhǎng)尾信息問(wèn)題，但智能投顧是先通過(guò)問(wèn)卷調(diào)查進(jìn)行畫(huà)像，然后在有限且有序的資產(chǎn)配置產(chǎn)品中推薦合適的投資組合，這一業(yè)務(wù)架構(gòu)下的物理變量都較為清晰，AI的發(fā)展余地似乎并不大。
對(duì)此，袁雨來(lái)告訴AI金融評(píng)論，在投資領(lǐng)域，標(biāo)準(zhǔn)化資產(chǎn)的財(cái)富管理是對(duì)于未來(lái)的不確定性交付，人類(lèi)無(wú)法在越來(lái)越多樣化的世界里，在體現(xiàn)無(wú)數(shù)商業(yè)活動(dòng)的金融市場(chǎng)價(jià)格數(shù)據(jù)中，把握住其中規(guī)律的部分和不確定的部分的——在數(shù)據(jù)信息越來(lái)越多的情況下，這正是機(jī)器最主要優(yōu)勢(shì)。
他告訴AI金融評(píng)論，機(jī)器能提升對(duì)全市場(chǎng)數(shù)據(jù)和決策的準(zhǔn)確性，更好地量化客戶(hù)風(fēng)險(xiǎn)承受能力和投資情緒波動(dòng)。
針對(duì)這一特點(diǎn)，智能投顧產(chǎn)品也逐漸完善，以理財(cái)魔方為例，其解決方案采用AI+主動(dòng)全天候策略+三級(jí)風(fēng)控體系，為每位用戶(hù)定制匹配其風(fēng)險(xiǎn)的理財(cái)投資組合；并且能夠一鍵實(shí)現(xiàn)全球配置，系統(tǒng)24小時(shí)監(jiān)控全球金融市場(chǎng)的各類(lèi)資產(chǎn)，動(dòng)態(tài)調(diào)倉(cāng)，盡量減少對(duì)用戶(hù)注意力的占用。
同時(shí)，智能投顧公司們也正試圖向金融機(jī)構(gòu)打包輸出自己的技術(shù)能力，提供公募基金智能組合策略、基金投顧客戶(hù)基礎(chǔ)服務(wù)等，為機(jī)構(gòu)打造個(gè)性化基金推薦、客戶(hù)風(fēng)險(xiǎn)特征畫(huà)像等產(chǎn)品體系。
雷鋒網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。
