據(jù)近日彭博社報道稱，,摩根大通在宣布即將使用執(zhí)行全球股票算法業(yè)務(wù)交易的機器人LOXM之后，又開發(fā)了一款金融合同解析軟件COIN。這款軟件上線半年多，經(jīng)測試，原先律師和貸款人員每年需要360000小時才能完成的工作，COIN只需幾秒就能完成，且錯誤率大大降低。最近，關(guān)于人工智能與金融的結(jié)合，討論非常激烈。 李開復(fù)老師在其《人工智能》一書中也提到，智慧金融是AI目前最被看好的落地領(lǐng)域。 人工智能在金融領(lǐng)域的應(yīng)用，似乎“廣闊天地，大有可為”。然而，冷靜下來，我們需要仔細想想金融真的是人工智能落地最快的領(lǐng)域嗎，或許有待商榷。

金融機構(gòu)數(shù)據(jù)多，但數(shù)據(jù)非結(jié)構(gòu)化、不規(guī)范

李開復(fù)老師在《人工智能》中說過：“ 判斷人工智能技術(shù)能在哪個行業(yè)最先引起革命性的變革，除了要看這個行業(yè)對自動化、智能化的內(nèi)在需求外，主要還要看這個行業(yè)內(nèi)的數(shù)據(jù)積累、數(shù)據(jù)流轉(zhuǎn)、數(shù)據(jù)存儲和數(shù)據(jù)更新是不是達到了深度學(xué)習(xí)算法對大數(shù)據(jù)的要求。 ”對于李開復(fù)老師的這段話我還是非常認同的。

第一個判斷標(biāo)準(zhǔn)，在《智能金融大熱，金融真的需要人工智能嗎？》一文曾進行了詳細闡釋， 金融由于效率和成本的驅(qū)動對自動化和智能化的內(nèi)在需求非常旺盛 。而第二個判斷標(biāo)準(zhǔn)，是否達到深度學(xué)習(xí)算法對大數(shù)據(jù)的需求，李開復(fù)老師在書中曾詳細寫道，“ 金融行業(yè)可以說是全球大數(shù)據(jù)積累最好的行業(yè)，銀行、保險、證券等業(yè)務(wù)本來就是基于大規(guī)模數(shù)據(jù)開展的，這些行業(yè)很早就開始了自動化系統(tǒng)的建設(shè)、并極度重視數(shù)據(jù)本市的規(guī)范化、數(shù)據(jù)采集的自動化、數(shù)據(jù)存儲的集中化、數(shù)據(jù)共享的平臺化。 ”這樣看來，金融或許是最能滿足深度學(xué)習(xí)的大數(shù)據(jù)要求的行業(yè)。但是，盡管金融數(shù)據(jù)很充足，依然不是全量數(shù)據(jù)。首先， 金 融機構(gòu)的數(shù)據(jù)還有一大部分是非結(jié)構(gòu)化數(shù)據(jù) ，數(shù)據(jù)結(jié)構(gòu)化是金融機構(gòu)面臨的主要挑戰(zhàn)。其次， 金融機構(gòu)還存在一些未電子化的數(shù)據(jù) ，即使現(xiàn)在新產(chǎn)生的電子化數(shù)據(jù)還有一大部分屬于不規(guī)范的格式。最后，現(xiàn)在幾個數(shù)據(jù)巨頭阿里、百度、騰訊的 數(shù)據(jù)更多的是電商和社交數(shù)據(jù) ，基于這些數(shù)據(jù)的人工智能只能用于一些風(fēng)險較小額貸業(yè)務(wù)，而真正的金融強相關(guān)數(shù)據(jù)很少。以征信數(shù)據(jù)為例，在央行收錄的8億自然人里，有征信記錄的只有3億人，另外5億人在系統(tǒng)中只有基本信息，傳統(tǒng)征信覆蓋率只有35%。由此可見，距離真正能夠反應(yīng)一個人各種金融特征的全量數(shù)據(jù)還差距極大。

除此之外，在 《2017中國智能金融研究報告》 中也提到數(shù)據(jù)聯(lián)通和數(shù)據(jù)有效應(yīng)用也面臨挑戰(zhàn)。目前，用戶數(shù)據(jù)高度集中在BATJ幾家企業(yè)中， 容易形成數(shù)據(jù)寡頭現(xiàn)象，帶來數(shù)據(jù)壟斷 ，造成所謂的數(shù)據(jù)鴻溝問題，形成信息孤島，金融機構(gòu)之間的數(shù)據(jù)融通存在阻礙。另一方面， 金融數(shù)據(jù)的處理和接收也存在挑戰(zhàn) ，如果數(shù)據(jù)使用不當(dāng)，精確的數(shù)據(jù)挖掘也會導(dǎo)致荒謬的結(jié)果，這需要智能金融公司深入理解數(shù)據(jù)與金融的邏輯，深入挖掘數(shù)據(jù)的真正價值。

金融強監(jiān)管一定程度限制了智能金融的發(fā)展

金融業(yè)，一向被稱為“國民經(jīng)濟的命脈”，是一個強監(jiān)管的行業(yè)。目前，我國對于金融監(jiān)管的法律法規(guī)建設(shè)還停留在互聯(lián)網(wǎng)金融那個層面。 人民銀行和其他金融管理部門雖然在多個場合提及關(guān)于智能金融的監(jiān)管思路，但是系統(tǒng)性、規(guī)范性的法律法規(guī)仍處于探索階段，尚未出臺。 同時， 政府的監(jiān)管也為智能金融的發(fā)展帶來了一些障礙 。據(jù)普華永道金融科技調(diào)查報告顯示，50%的調(diào)查者認為金融監(jiān)管在新商業(yè)模式上阻礙了創(chuàng)新，還有30%多的調(diào)查者認為在數(shù)據(jù)存儲和隱私保護以及反洗錢、了解您的客戶之類的監(jiān)管要求層面也阻礙了金融科技創(chuàng)新。 ? ? ? ? ? ? ? ? ? ? ? ? ?

? ?智能金融通用應(yīng)用場景相對成熟，專用應(yīng)用場景還處于初步階段

目前，智能金融應(yīng)用相對成熟的場景是智能營銷、智能客服、智能數(shù)據(jù)等通用應(yīng)用場景，適用于各行業(yè)。 而對專門解決金融問題的應(yīng)用場景智能風(fēng)控、智能投顧、智能投研還處于初步階段。 以智能投顧為例，在 《2017中國智能金融產(chǎn)業(yè)研究報告》 中曾統(tǒng)計，截止2017年8月底，我國智能投顧初創(chuàng)公司有32家，但是經(jīng)億歐智庫調(diào)查，目前在我國炒的火熱的智能投顧公司，真正應(yīng)用的人工智能卻屈指可數(shù)，大部分還處于概念階段。 目前的智能投顧能做到的主要是流程的自動化，而策略的個性化與配置的合理化其實還處于初步階段。 并且，由于媒體等對智能金融過于夸大事實，使得大眾的期望值很高，然而在應(yīng)用過程中，實際情況并不能滿足客戶的期望，也造成了一定程度的信任危機，為智能金融的長遠發(fā)展造成了障礙。

以上闡述了人工智能落地金融領(lǐng)域的三大障礙，除此之外，在 《2017中國智能金融產(chǎn)業(yè)研究報告》 中還提到了安全、信任危機等挑戰(zhàn)。 本文闡述人工智能落地金融領(lǐng)域的障礙，目的不是為了批判，而是希望大家能清醒的認清智能金融的現(xiàn)狀，為智能金融創(chuàng)造一個健康的發(fā)展環(huán)境。

-------------------------------分割線----------------------------------------

了解更多智能金融相關(guān)內(nèi)容，請閱讀：

《2017中國智能金融產(chǎn)業(yè)研究報告》 以及 《智能金融大熱，金融真的需要人工智能嗎？》 。

---

億歐智庫與阿里巴巴研究院合作，正在進行中國人工智能投資相關(guān)研究，我們邀請關(guān)注和投資AI的投資人參與到本次研究當(dāng)中。下方是研究中關(guān)于投資人的調(diào)查問卷，歡迎您進行填答。也歡迎您通過郵件與我們聯(lián)系，交流AI投資的經(jīng)驗與觀點：zk@iyiou.com。

問卷鏈接： 億歐智庫2017中國人工智能投資人調(diào)查問卷

版權(quán)聲明

凡來源為億歐網(wǎng)的內(nèi)容，其版權(quán)均屬北京億歐網(wǎng)盟科技有限公司所有。文章內(nèi)容系作者個人觀點，不代表億歐對觀點贊同或支持。