《小姿势》
“技术总是在短期内被高估，
但是在长期内被低估。”
关于AI会如何发展，未来又将如何影响我们每个人，行业中众说纷纭。在尤瓦尔·赫拉利的《未来简史》中，就勾勒出一个算法和人工智能占统治地位的世界。是否未来真的如他描述那样，数据和算法会掌控一切？
汉子姐最近从一次技术大牛的分享中得到了另一个思考角度——“技术总是在短期内被高估，但是在长期内又被低估”。是的，金融已经到了“无科技、不金融”的时代，好像不讲讲最in的技术，都不是在做金融了！然而脱离了数据、场景和应用的AI都是空谈！
那么，究竟AI在金融领域有哪些具体的落地应用，对于信贷流程又有哪些颠覆性变革？在近日金融AI媒体开放日”广州专场活动上，金融大数据总监苏绥的分享中，也许能找到答案。
01
离开数据谈AI，都是空谈！
在央行下发的《金融科技（FinTech）发展规划（-年）》中，人工智能一词出现了20次！强调要“稳步应用人工智能”，探索人工智能技术在精准营销、身份识别、风险防控等领域的应用路径和方法，推动金融服务向主动化、个性化、智慧化发展。
可见，国家对发展人工智能技术的重视。但是，现实中很多人对AI的概念仍有误解，不少人误认为只要工作跟数据相关就可以称为人工智能，事实并非如此。那么，当我们在谈论人工智能的时候，究竟是在谈什么？
苏绥就为我们做了一次科普。他表示人工智能需要具有机器学习、深度学习的能力。机器学习就是使用算法来解析数据、从中学习，然后对真实世界中的事件做出决策和预测，而深度学习也可以通俗地理解为更深入的机器学习的一种技术。
听起来有些拗口，汉子姐举个例子就更好理解了。比如特斯拉的自动驾驶系统是人工智能，因为它可以根据车辆在路上的行驶里程不断完善自己，而根据预定的规则来判断什么是发送营销邮件最合适，这就不是人工智能，因为前者会不断迭代和自我学习。
更重要的是，人工智能系统具有迭代性，分析的数据越多，则系统就越智能。苏绥表示，也就是“AI驱动的产品迭代模型”。具体而言，“AI技术落地到具体场景，有用户和业务后就有了数据，而有了数据后利用AI技术建构和训练模型，再把模型应用到业务中不断改善，这样的话能够产生更多有价值的数据，反过来这些数据也能优化模型，形成一个正向闭环。”
这一切的基础，首先是基于数据积累。“没有数据积累的AI都是空谈。”苏绥表示。以金融为例，依托集团的技术优势，连接超过19.6亿的设备，如PC端的安全软件长期稳坐安全产品头把交椅，共有8.7亿智能手机用户，这是金融做科技服务和输出的底气。
这就好比做饭的食材有了，下一步拼的就是大厨的炒菜技术了。在AI领域这就是金融的技术能力。据苏绥介绍，金融不仅有强悍的算力支撑，还有包括语音、语义、图像、机器学习相关的能力。
正是基于数据基础和技术能力，在近日披露的二季报中金融交出了一份让市场满意的成绩单——今年二季度，金融实现营收22.27亿元，同比增长%；净利润为6.18亿元，扭亏为盈。在非美国会计准则（Non-GAAP）下，净利润为6.92亿元，同比增长%。更重要的是，二季度其科技服务促成的交易大幅增加，单季交易额达38亿，环比增加10倍以上。
科技服务是金融的下一个发力点。与之相关的大数据、AI等科技创新，也成为金融的新增长引擎。在具体的信贷业务中，人工智能技术最为明显的运用的领域就是获客和运营以及风险控制。接下来，我们分步仔细说说——
02
AI让你“具象化”，触达最精准的你！
有一天，当我们正打算购买一辆车，适合自己的贷款产品已经推荐到到了我们的面前，并且结合我们目前财务状况给出了最优方案。智能营销，就是那个比我们更了解自己的“人”。
然而，现实中，大多数公司获客仍停留在短信、电话狂轰滥炸，这样简单粗暴的方式中。特别是C端流量红利见顶，所有的平台获客成本大涨，普遍存在获客难的困境下，金融却用了不到3年的时间“逆袭”，实现了注册人数破亿的成绩。根据二季报，其授信用户数量为万人，同比增长%；累计借款人达万人，同比增长%。
这几个翻倍数据增长的背后，正是得益于AI在营销领域的运用。在来自各方面的大数据的支撑下，金融的营销评分体系能够建立起多维度的AI用户画像，包括用户的消费能力、还款能力等等。每个人用户的精准画像，跃然纸上。
“通过算法、模型去量化一个人贷款需求有多大。”苏绥表示，找到这类潜在用户群体后，为了进一步精准触达目标用户，金融的DSP平台（需求方平台）无时无刻不在经历“革新”。“通过这个平台，当流量方有用户访问时，我们可以决定这个潜在用户，我们要不要，出价多少。”
苏绥表示，虽然听起来简单，然而实际操作中却很复杂。首先要运营数据识别这个人的身份、需求，这对数据量、数据分析等能力要求极高；庞大的流量也对系统提出了高要求，目前该系统已经接入近百家媒体，响应时间低至0.1秒。每天要处理来自近7亿用户的逾百亿访问请求，近百台服务器的每秒处理峰值可达20万次。
这样的做法，不仅单纯节省了获客成本，更能精准获客。更重要的是有了优质流量后，可以实现风险前置，审批率也会相应提高，坏账率较低，以更低的价格吸引到更优质的用户，以此形成正向循环。一般而言，行业的普通做法是从贷超导流，这样的流量质量相对较差，如有共债现象等，最终导致审批率的不高，坏账率上升，长期以往只能提高定价覆盖坏账，形成恶性循环。
如今，在获客营销中已经成体系，并且在实践中不断完善的金融，正将自身科技能力“打包”，并定制式的进行系统的对外输出，其中就包括智能营销、智能风控、智能信贷、智能催收。在智能营销方面，以金融智能营销云为例，其也被形象地称之为“智能营销员”。通过AI模型筛选到高意愿用户后，通过不同的场景匹配相应的知识图谱，用AI电销机器人来唤醒用户，通过不同话术互动来解决并反馈用户的问题，最终提交结果来优化用户筛选的AI模型。
据了解，语音机器人的情绪检测功能已在应用中表现出一定的能效，未来将会进一步应用于相关业务流程。苏绥在活动现场透露，金融的目标是让机器人更像人。
科技输出，正逐渐成为金融下一发力点。截至二季度末，在金融撮合借款业务总量中，金融机构资金占比高达85%，较一季度的79%显著提升。它成为资金方和场景方，链接持牌金融机构与流量、场景的移动端开放平台。
03
AI鉴别“你是你”，快速扼杀风险
如果说营销关乎规模，而风控才是关乎生命。作为国民网络安全的标配，有人说“体系的进化史，就是一场与各种恶人的斗争史”，各种垃圾软件、垃圾广告、黑客等等。这样的基因，成为金融智能风控体系的最好利器。
除了基因优势外，金融的一大风控利器则是AI加持的身份验证。目前行业中常见的身份识别是活体检测，比如我们在身份验证时的“眨眨眼，摇摇头”，然而这并非能围堵一切风险。金融除了活体检测外，还会通过人脸对比、银行卡信息对比、常驻地交叉验证等方式，能够快速确认“你是你”。
在防范欺诈风险上，以守卫用户安全起家的，拥有强大的资源库、数据库，以此金融构建了庞大的社交关系网，通过文本信息去分析人与人之间的关系。目前，金融的反欺诈关系图谱接近20亿节点、及亿关系边。在大数据风控里，衡量一个人的信用风险的维度可能上万、甚至几十万。
具体而言，在这个庞大的社交关系网中，每个节点是人，每个边则反映的是人与人之间的关系。根据“人以类聚，物以群分”的原理，通过关系网就能算出不同人的风险系数，如骗贷者的一度和二度关系，也会是骗贷的高危人群。
这仅仅是金融反欺诈系统的冰山一角。除了社交网络分析，还有对实时环境进行评估，综合定位信息、异常行为等维度从概率上判断一个人的风险高低。如一个人在多地、频繁变更手机号、连接过多不同的WiFi信号等等，都意味着贷款风险的增高。
在整个风险防控过程中，不仅是对反欺诈风险的识别，还要对于借款人潜在风险识别。这就不得不提到金融的独家利器“AI因子库”。虽然两天前，监管发文网贷将纳入征信体系，但具体落地还需要时间，目前很多第三方数据库会识别多头共债，但只有这样的数据是远远不够的。“我们用算法，去预估一个人在申请之后、三个月、六个月以后的多头的恶化程度。”苏绥表示，AI因子库有大量子模型如信贷历史评估模型、登陆活跃度模型、子人群模型分等等，这些子模型也是通过日积月累更新迭代而来的。
正是基于这样的智能风控体系，二季报显示，金融超过90天的逾期率为1.02%，远远低于行业平均水平，而银行业信用卡的逾期率也一般在1%到2%之间。
AI成为各家企业决胜未来的关键。“当人工智能将成为像水电煤一样的基础设施时，没有AI能力的企业会被边缘化。”关于未来AI的重要性，苏绥做了这样的预判。
然而在这场未来的AI“大逃杀”中，他也表示，保持耐心尤为重要。“每次有新技术出现，大家抱有过高期望，短期内有很多人和资源投入，然而科技是一项需要长期投入的事情。”诚如开篇苏绥所言，“技术总是在短期内被高估，但是在长期又被低估。”
往期回顾
咦？房贷利率新规来了，未来你的房贷究竟要如何变化？
你的房贷利率将如何变化
13
08-
大件事
呼之欲出！监管频频喊话数字货币，中国法定数字货币终于要来了？
货币是个有趣儿的事情。
05
08-
5家开业的银行理财子公司，产品如何？
银行理财子公司，在卖什么理财产品？
?end?
预览时标签不可点收录于话题#个上一篇下一篇