AI是屠龙宝刀，所有行业的底层业务员都将被取代

wz***

　　AI是屠龙宝刀，所有行业的底层业务员都将被取代…

　　AI来了，它像把屠龙宝刀，席卷所有行业。

　　金融领域也是一样，无论是传统金融，还是新崛起的互联网金融，变革已经在上演。

　　未来，所有行业的底层业务都可能被AI取代，我们要如何应对?

　　以下是详细内容：

　　

　　主持人：

　　中科院自动化研究所研究员 李兵

　　嘉宾：

　　因果树创始合伙人 滕放

　　捷越联合首席信息官 李澎亮

　　JadeValue保险科技孵化器董事总经理 刘洋

　　元一九鼎合伙人 夏翌

　　01人工智能的想象力

　　李兵：人工智能的起点，一般认为是1956年在达特茅斯举办的一个学术会议，到2016年阿尔法狗出现，人工智能经历了60年终于火了一把。在金融领域，人工智能会有哪些想象力?

　　夏翌：AI是一把屠龙宝刀，所有的行业都会受到它的影响，都会发生变革，在金融领域也是一样。但在不同的金融领域，人工智能成熟程度是不太一样的。比如，在风控领域，已经取得了非常明显的效果，但在投资和保险领域，目前可能还是早期。

　　滕放：我认为最重要的是两个领域，一是资本市场，二是风险控制。

　　中国金融方向是从银行体系向资本市场过渡，所有涉及到资本市场的，比如一级市场或二级市场的构建，人工智能的应用可能会有一个非常大的发展前景。

　　第二，金融体系分前台、中台、后台等不同的业务，这也有不同的应用。我们要看到哪些技术是能够取代，哪些技术是辅助决策的。而涉及到金融核心本质的判断(风险控制)是非常有价值的，但是这个在不同的金融产品中是完全不一样的，比如在债券类产品和股权类的产品判断就是完全不一样的。

　　李澎亮：我认为主要是这两个方面：

　　第一，信用风控、营销和智能投顾，现阶段比较容易落地。

　　第二，我想从互联网金融未来的发展去看人工智能的应用，2013年是互联网金融元年，大家都在探索未来的互联网金融将何去何从。过去的四五年是互联网金融的1.0，我们用了很多非常粗浅的知识来跨入金融行业，实际上未来应该在更多在线的、快速的、智能的方向探索金融产品，在这个过程中人工智能一定是大有可为的。

　　刘洋：人工智能在保险领域已经有一些应用的雏形和创业公司。

　　保险和人工智能结合的第一个阶段，主要是在渠道方面，传统是通过线下经纪人推销的方式，现在已经出现互联网保险比价、搜索等。

　　第二个阶段，是在保险整个价值链条中发挥作用，比如说早期的产品设计，后期的核保，理赔，服务，人工智能在其中扮演了非常重要的角色。

　　第三个阶段，目前在中国可能还难以达到，国外也正在探索，就是在保险的生态里利用科技的力量进行商业模式的创新。但是，人工智能替代的过程是一个漫长的过程，目前已经有了一个非常好的趋势。

　　02人工智能落地的挑战

　　李兵：目前有些人工智能技术已经在金融领域开始落地了，这些落地的应用有哪些经验?

　　刘洋： 360行行行有保险,而保险又是最传统的、最需要量化的。现在买一款保险产品，除了要建立对销售人员的信任，建立对产品的深入了解，客户还会担心被隐性条款欺骗的问题。

　　未来的保险应该基于每一个用户，或者是针对非常细分的人群特点来产生不同的产品推荐和定价，客户只需要say“Yes Or No”。想做到这一点，需要一个漫长的过程，并且需要很多公司、行业去推动。

　　李澎亮：目前人工智能确实有一些突破性发展，尤其在算法方面，但是具体要和金融如何结合，还有一段路要走。

　　比如智能投顾，目前存在三方面的挑战：

　　第一，监管;第二，模型，包括算法和市场的把控问题;第三，获客，中国散户特别多，散户的期许也特别高，但智能投顾更适合长期投资，而不是短期的行为，与这些散户的心理状态是不太一样的。将来要怎么调整、设计什么样的产品，这也是一个挑战。

　　滕放：在一级市场、风险投资领域，面临着三个问题：

　　第一，数据问题，“信息不对称、知识不对称、关系不对称”。在风险投资领域，大家都是靠“不对称”赚钱，如何打破信息不对称，打破知识对称，我们做了很多努力。

　　第二，是跟金融场景结合的问题。金融是门槛很高的一件事，有非常强的壁垒。知识如何与数据科学完美结合，是一个非常大的挑战和机会。

　　第三，监管。一家公司一定要有所为和有所不为，中国的金融监管是非常强的监管，近期的ICO、货币基金，都能看到这种趋势。

　　夏翌：这一波人工智能热潮实际上是三个推手驱动的：数据、算例、算法。

　　金融机构最实质的诉求，是在风险可控的情况下，创造超额收益。在一些金融领域，比如智能投研，对风险的承受度非常高，只要有任何一个技术能够说服我，承诺50%以上概率能赚钱，就可以去尝试。

　　但这种尝试没有面向散户推广开来，有两个原因，第一，技术如果能够创造海量回报，最直接的变现市场就是在二级市场直接来进行投资;第二，必须确保这个技术带来的后果不是灾难性的，并且把这个逻辑向客户讲清楚，使他信服。

　　03失业潮到来?

　　李兵：彭博社报道称，摩根大通开发了一款金融合同解析软件。经测试，原先律师和贷款人员每年需要360000小时才能完成的工作，这款软件只需几秒就能完成。而且，错误率大大降低。

　　好像人都比不过人工智能，如何为我们人类留一个岗位呢?

　　滕放：我的一些朋友已经从二级市场在往一级市场转，主要的原因就在于二级市场都是机器在玩了。我看过一篇报道，说金融领域其实40%的工作是跟数据打交道，做数据处理的人，肯定是要受到人工智能的一些冲击。

　　但我认为，在有些领域，人工智能只是辅助决策。像打仗一样，所有的信息在那儿，但是真正下令的还是人的决策。

　　所以我觉得人工智能是双刃剑：一方面会把一些初级的数据处理工作筛掉，但另一方面又给人留下余地，让你往更高、往决策层方向去发展。

　　李澎亮：人工智能上来以后，有些职务会受到冲击，像会计，初级律师、初级数据分析师等。

　　但我不认为线下会完全消失，以前我们会说电商打败了实体店，但是近期亚马逊几十亿美金买了美国的连锁超市，阿里出现了无人值守店。我认为，可能一批传统的职位消失，同时也会诞生一些新的职位。零售还是要做的，只不过是新零售而已。未来我想还会诞生一些新兴的职位。

　　刘洋：人工智能对人类进步是好事。

　　第一，旧的岗位消失，就会有新的岗位诞生，大家可以有更多时间享受生活。

　　第二，如果我们不能改变它，就去接受它，去拥抱它。

　　第三，很多东西是没有办法被人工智能的取代的，比如人与人之间感性的交流、沟通，所以我觉得可以关注面对面的服务行业，这可能是一个方向。

　　夏翌： AI是现在投资行业最看重的风口，金融是最挣钱的领域，把这两个领域结合起来，是最好的创业方向。我认为所有行业的底层业务都会被取代，我们唯一能做的，就是在被取代之前尽快奔跑。

　　风控领域，数据是食材，AI是厨师

　　金融风控中，大数据风控和人工智能风控是不是同样一个概念?

　　大数据风控在落地当中是否遇到了一些问题?

　　目前风控领域最新的技术是什么?

　　在一本财经“科技赋能 金融觉醒”一本财经智慧金融峰会上，嘉宾们带来精彩的圆桌讨论。

　　以下是详细内容：

　　
　　主持人：

　　苏宁金融研究院互联网金融中心主任薛洪言

　　嘉宾：

　　同盾科技执行副总裁兼CSO马骏驱

　　PINTEC集团读秒CEO周静

　　小米金融信贷业务负责人陈曦

　　锦佰安CEO冯继强

　　01大数据风控和人工智能风控

　　薛洪言：金融风控中，大数据风控和人工智能风控是不是同样一个概念?如果是的话，为什么是同样的概念;如果不是的话，它们分别发挥着什么样的作用?

　　周静：我觉得这两个东西并不矛盾。说到风控肯定都要有数据，不管是历史数据，还是新的数据，标准的或非标准的数据。

　　数据是风控的血液。信贷领域，风控是心脏。之前用人的经验去做风控，后来用数据、评分卡做风控，到现在用AI的方式做风控，都是跟着时代在演变，也跟移动互联网和搜集数据的速度有关系。

　　陈曦：首先，人工智能的定义没有一个明确的界限。其次，数据是基础，相当于我们做一道菜，食材是数据，厨师的本领体现在什么地方——一份食材摆在面前，你可以做出一道美味可口的菜。

　　所以这两件事情并不矛盾，数据和后面的AI技术是连成串的。仅仅有一个空洞的技术，而没有实实在在的数据，也达不到效果;当然有很多食材，厨师不好也做不出来。

　　目前，风控以业务需求为驱动，数据、算法以及AI等是一种业务流程手段。

　　马骏驱：大数据里有不同的流程，像前端数据的搜集方法，还有数据清洗、数据处理的方法。人工智能可以降低人工操作。我们怎么挑选变量、怎么做出更好模型，当中人工智能可以做的比较多。

　　事实上，大数据领域都有人工智能的身影。这两块是绝对不冲突的。

　　冯继强：大数据和人工智能有一个严格区分线。很多情况下数据存储在那里，你自己设定的规则，符合这个规则就进行清洗和处理，这叫大数据技术。但是人工智能分为机器学习和深度学习。

　　在金融风控领域，原来的大数据技术就是根据现有的风控模型对已知标签的数据做处理，人工智能是对已知标签或某些规则的标签数据，根据人工智能算法模型做精细化处理，再为客户和厂商输出一个处理过的结果。这就是大数据和人工智能在风控领域的区分。

　　02大数据风控落地的问题

　　薛洪言：一方面，数据是人工智能的原料;人工智能技术包括数据，反过来改变人工智能算法，优化数据采集挖掘效率。二者相互促进。

　　但是提到大数据风控和人工智能，基于数据量、数据维度和算法，以及没有经历过足够长时间检验等因素，大众对于大数据风控的水平存在一些疑虑。

　　第二个问题，目前的大数据风控也好，人工智能风控也好，它对传统金融的替代率有多少?有人讲，说大数据风控是一个伪命题，你们是否认同?如果不认同，大数据风控在落地当中是否遇到了一些问题?

　　冯继强：大数据风控不是伪命题，但问题是信贷周期没有得到检验。传统的风控技术已经历三十年、五十年周期的迭代，但是大数据的检验成效现在看不了。

　　判断是不是伪命题，就是看能不能解决现有问题，如辅助现有的风控手段或者说简化劳力、人力成本等。

　　现在一提人工智能，检验的办法就是投入多少服务器资源，一个月花多少钱。京东说他们做AI集群一个亿，像我们每个月的成本是七位数，这种成本可能不是一个小公司承担得起的。

　　马骏驱：长远来说，人工智能、大数据帮忙，风控会越做越好。落地中间肯定会有困难，但我觉得这是一个度的把握。但我首先要做到的就是压低成本，才能做出更多、更普惠的一些金融服务，更碎片化，更场景化的金融服务。

　　随着时间推移、产品改变，我想大数据和人工智能肯定是需要的，同时遇到的困难会越来越少。

　　实际上，一些相对小一点的金融公司，也称自己在做科技金融，但是实际上它对模型、数据、流程等方面的理解差很多。

　　陈曦：显然不是伪命题。国内消费金融公司，尽管成立时间短，但它一个贷款周期为六个月、九个月、十二个月，其实这已经有很多的验证周期了

　　技术是不是能够取代一些金融行业?目前还不行。因为目前所用的模型也好，大数据也好，是基于一个统计学的原理，即所谓大数原则。也就是说，我们现在所用的方法是有一定的应用场景的，并不适用所有的金融场景。

　　普惠金融显然是一个落脚点，为什么?因为它是小额分散。因为小额分散所以大数原则才能够成立。换句话说，如果是用它对公，一笔贷款上亿，总共也没有多少，一百个贷款，这种情况下大数原则就不会起作用。

　　所以目前所用的基于统计学原理的大数据模型，对于线下，包括对公和大额的业务是普遍适用的。但是人工智能技术能否延伸到大额的不分散的，也就是说不基于大数原则的这个领域，我觉得可能性非常大的，但是目前还没有看到一个成熟的方案，一个能够脱离统计学基本原理而独立成立的AI技术解决方案。

　　周静：大数据和人工智能是一个趋势，而且是一个不可逆转的趋势。

　　技术是否可以替代传统金融?我举一个例子，读秒不光做个人无抵押贷款，也做小企业经营性的流动性贷款。这块银行一直想要做，但是风险太大，审批需要六个月时间。我们可以做到15分钟用数据方式代替所有流程，客户15分钟拿到授信和贷款。我不是说银行风控不好，但是银行风控成本太高。

　　我们两年前开始测试，现在多头的认证，已经可以替代之前的所有的信息，与此同时，我们切掉了销售端风险、审批端风险。我们用新的方式基本可以完全覆盖掉人为欺诈的风险。

　　03风控黑科技

　　薛洪言：大数据风控和人工智能肯定是未来风控领域的趋势。十几年前金融机构就在做这些事情，但可能数据源局限于金融数据，没有互联网公司的行为数据，导致模型适用范围比较失准。

　　现在互联网公司成功利用了行为数据、社交数据等，它能对三亿以外没有央行征信数据的这些人群，也有一个相对精准的评判，从而使得消费金融客群有极大的扩大。也就是从三亿人群扩到现在十亿，可能更多。这引发互联网消费金融的大爆发、一个飞跃式的发展。

　　最后大家谈一下，目前风控领域最新的技术是什么?

　　冯继强：在风控领域最有前景的就是基于人工智能来实现的一系列技术。我创业是做基于AI来识别这个人是不是他本人，然后通过其日常行为标签、特征数据，然后确定到他本人的身份。

　　你自己认为坚不可摧的风控手段，在AI攻击者的角度来讲，根本区分不出来。这也是我们做这个产品的初衷。

　　马骏驱：第一，我们现在遇到一个很大的问题，就是如何智能风控。现在通过区块链可以将整个授权的链条变得更完整，我们已经在北美投资一个区块链实验室。

　　另外，我有一个好朋友，他们已经开始用相关的技术去研究大数据的分布，这块用到的技术就是FFT技术，中文叫快速傅里叶转变。

　　陈曦：我不是工程师，所以我没有发言权说哪个技术先进和不先进。我只是从业务角度上提一些需求：第一，能不能通过人工智能的手段在时间和空间以及行为上序列的东西中找出规律，然后能够定位。第二，能不能用类似区块链的技术，保证数据的质量和定性。这是我对AI技术的期望吧。

　　周静：从我的角度，风控其实是古老的，它也会持续的存在下去。新的技术永远是工具，其实风控本身是一端到一端，从客户的定位到客户的体验。

　　不管什么酷炫的前端技术，如果后面有一大堆传统催收人员做催收的话，我觉得都是不可靠的。前端要客户花很多时间走流程，我觉得也是不好的。我觉得体验、结果和成本都应该综合来看。

　　薛洪言：技术也是双刃剑，一方面金融机构可以利用它来不断巩固自己的防控网络，另一方面很多黑产也在利用人工智能来练更加锋利的武器。这就是矛和盾的关系。我觉得也是一个过程。最后我们还是用掌声感谢四位嘉宾的分享，谢谢。