金融业是一个线上化程度极高的行业,随着数字化程度的深入,智能化的应用日益增多,主要为感知智能和认知智能两大类。感知智能里面的生物识别,主要是用在线上开户、线上交易,采用人脸、声纹等技术做客户身份的真实性认证;图像识别主要是用在线下开户、贷款申请等影像资料的文字提取。智能语言则主要用于客户坐席、外呼等岗位。认知智能里面的机器学习主要用于中后台的风控、审核等决策模型,nlp主要用于各类知识检索、简单的问答场景,知识图谱技术被广泛应用与关联风险客户和关联营销客户挖掘场景。 近才逐渐出现少量的生成式AI应用。
不过,在实际的应用场景中,为解决特定的业务问题,AI技术的应用并不是孤立的,往往会相互组合、相互辅助着来解决实际问题。比如在ocr的过程中,通常会配备nlp能力,以便在文字提取之后进行关键意图识别;比如在防攻击的过程中,除了生物特征之外,还会结合用户行为,使用机器学习算法建模,全方位识别欺诈交易。同理,生成式AI的应用,也会跟各类已有的AI技术结合,形成一个全方位的解决方案。
任何一种人工智能技术在辅助或者替代人工作业方面,都会有难易和程度之分。对于一些同质化程度高、重复性强、工作内容复杂度低的工作,更容易被替代,可替代的人员规模也会更大。在金融行业,排在 前面的就是大量存在的线上客服人员,这些人员是 早一批被AI所替代的。其次就是内部的运营管理人员,比如集中化的信息人员岗位、简单的材料审核岗位等。以上两类,一般通过智能语言、ocr等技术,再结合特定领域的经验系统即可达到较好的效果。由于其同质化程度比较高,所以行业内解决方案的产品化程度较高,实施成本较低。再往后的市场营销、内控合规、风险、投资方面的业务就会随着业务的复杂度逐渐变高,而导致AI应用的难度越来越大。对应解决方案的产品化程度就相对较低,个性化、定制化程度也越来越高。对业务人员的工作替代程度也是越来越低。
然而生成式AI的出现,在很多方面降低了这种难度,有效突破了既有AI的边界,提升了金融业AI应用场景的广度和深度,为金融行业带来了新的机遇。

关键词:
人工智能技术,金融行业,感知智能,智能语言,人工智能,生成式AI