办理信贷时，在电话里传出了审核员悦耳动听的声音，你也许会猜测电话那头是一位美丽的姑娘，但很遗憾，那可能只是一台机器。

当然，人工智能的出现，给金融行业带来的改变远不止如此。如今，无论是传统金融机构还是新金融机构，都在快速应用人工智能技术，包括信贷业务审核、风险防控等多个核心领域

一个业内共识是，与其他行业相比，人工智能与金融业更能迸发出激烈火花。在国务院印发的《新一代人工智能发展规划》（以下简称《规划》）中提出，建立金融大数据系统，提升金融多媒体数据处理与理解能力。创新智能金融产品和服务，发展金融新业态。鼓励金融行业应用智能客服、智能监控等技术和装备。建立金融风险智能预警与防控系统。

未来，人工智能在金融业还有哪些应用？对我们的生活又将带来怎样的改变？

高效赋能金融业

金融行业数据全、规模大、维度多、可数据化的程度高，这为人工智能与金融的结合提供了有利条件，两者极易迸发出火花

一个传统的贷款业务可能需要2至3天来审批，而一个基于人工智能模型的自动审批方案可能只需要几秒钟就可以完成。如今，越来越多的金融科技公司开始将人工智能技术广泛用于风险防控、审核等金融核心领域，取得了很好的效果。

如乐信集团首席风控官刘华年表示，乐信自主研发的“鹰眼”智能风控引擎，拥有6000多个风控模型数据变量，做到了98%的订单“零人工”干预，最快3秒反馈结果；日均处理30万笔订单，相当于1500名审核员的工作量。未来，通过智能呼叫系统，乐信的人工审核量将进一步压缩。

为何人工智能可以高效赋能金融业？在业内看来，近年来，人工智能在金融行业的应用越来越多，核心原理是人工智能的发展和应用离不开大量数据以及机器学习与应用规则的支撑，而金融行业数据全、规模大、维度多、可数据化的程度高，这为人工智能与金融的结合提供了有利条件。

不仅如此，开鑫金服总经理周治翰表示，一些金融行业的目标非常明确，痛点比较强，便于发挥机器学习、模型与变量提取、再应用于高效判断的人工智能核心价值。比如，过去需要人工分析客户的消费习惯、历史账单，去筛选哪些用户是分期付款的潜在用户或较容易接受信用卡分期建议。现在，基于在历史数据中隐含的有效规则，人工智能可以更快、更准确地筛选出目标客户。“因此，数据化程度较高、更容易建立判断规则、场景较为单一的金融业务，更容易与人工智能结合，例如客户信用分析、反欺诈、客户营销、智能投顾操作等。”

以反欺诈为例，《经济日报》记者了解到，京东金融基于大规模图计算的涉黑群体挖掘技术，是一项已经申请专利的技术。基于该技术，京东金融可以通过一个突破点延伸，抓住很多隐蔽在后面的欺诈行为，提前预防并拦截在体系之外。“目前，这项算法已经在交易欺诈、营销欺诈、保险欺诈各个方面开始应用，我们可以把它理解成整体业务的安全防火墙。”京东金融风险管理部总经理沈晓春说。

可降低交易成本

目前，人工智能可以替代一部分人工，降低人力成本，延长交易时间，提升交易效率，进而降低交易成本

借助人工智能，金融业取得了多项突破，其中最为引人关注的，是在交易成本上的成果。专家表示，人工智能的发展，已经可以替代一部分人工，从而降低人力成本，延长交易时间，提升交易效率，进而降低交易成本。

“传统金融机构主要依靠线下门店人工审核客户风险，成本随业务量线性增长。大多数互联网金融企业虽然引入了规则引擎、风控模型，但传统技术手段往往只能对客户的某几个特征进行判别。很多信息仍然需要人工分析、判断，成本难以降低。”小雨点网贷CRO（首席风险官）陈绍林表示，充分利用人工智能技术和大数据，搭建具有全流程360度自动判别的风控体系，可以极大减少人工成本。

简单来说，随着大数据风控能力的提升和普及，金融机构可以搜集更多维度、更加垂直精细的大数据，从而构建立体完整的用户画像。“大数据既包括传统金融征信体系的基本征信信息、司法执行数据，也包括第三方信用数据、用户社交数据、出行数据、通讯数据、电商平台数据等互联网数据。”美利金融风险管理中心风险运营总经理乔木表示，通过人工智能手段，能够将掌握的各种维度数据进行整合、筛选、计算，从而挖掘出有效的特征。

同样以“鹰眼”引擎为例，作为一套区别于传统“人海审核战术”的大数据智能风控系统，可以有效应对线上贷款单数多、单笔金额小、全天候等特征。当用户在乐信的分期乐商城下单后，其互联网电商行为数据、人脸识别、机器指纹验证及外部征信数据等都会自动进入到“鹰眼”引擎中。有了这些大数据，运用机器学习手段，“鹰眼”引擎就能够对该用户的还款能力、还款意愿、负债信息、稳定性等作出评估，并自动完成即时预警、拦截以及分析部署等功能。

更重要的是，用人工智能审核用户和订单，不仅能够提高效率，也能提高审核的准确率。刘华年表示，原因在于，一方面，机器可以处理海量数据，不受感情影响，也不会感到疲劳，能够降低人为造成的审核失误；另一方面，机器能发现审核专家可能都无法发现的高危情况。举例来说，当一个正常用户下单时，其浏览页面时长、下单间隔等会呈现出不规则特点；而如果一个用户下单时出现“离群特征”（比如规律性下单），这部分用户就属于“高危用户”。这种“离群特征”凭借审核员肉眼往往很难发现，只有通过机器学习，经过大量的计算分析才能做到。

风险防控是未来

为确保每一位用户的账户安全，保护所有客户资金的安全，风险防控被看作未来金融业应用人工智能的一个核心落脚点

在不少业内人士看来，风险防控将是未来金融业应用人工智能的一个核心落脚点。“从登录环节开始，京东金融就开始见微知著。”沈晓春以账户登录场景的风险管理为例介绍，为确保每一位用户的账户安全，京东金融建立了包括设备识别、人机识别、生物识别3大技术以及异常登录模型和账户等级模型在内的全方位账户安全体系，用于判断当前登录是否产生风险、判断当前用户行为偏好等。

以设备识别为例，“我们在这项技术的应用上，会有前后两个模块同时推进。比如，在最前端的客户登录中，我们就能够精确识别客户的设备，通过相应技术手段来采集客户的设备环境，帮助生成客户识别的ID；在后端则通过机器学习等计算方法实现设备精准核算和判定，从而达到更好的风险控制和体验的增强。”沈晓春表示。

从人机识别角度上也是类似的逻辑，在账户登录的场景下，一般会遇到大批量的外部攻击。攻击过程中，如何做到在第一时间对它进行截断，并且保护所有客户的资金安全呢？沈晓春表示，对此，京东金融自主研发了整体的人机识别体系，它从6个维度对一次实际登录行为进行不同维度的判定。比如在手机端，通过手摁在屏幕上的力度来判定是不是本人；在PC端，则通过评估鼠标的轨迹是否规整，来判断是否真正遇到恶意攻击。

谈到异常登录模型，沈晓春表示，京东金融的账户安全模型是由多层架构组成，异常登录模型就是接近于顶层架构的分类模型。据介绍，京东金融异常登录模型结合了前端收集的设备特征编码、生物信息ID与历史数据规律，在京东金融在线算法系统支持下，可以在毫秒级时间内就完成数百项数据的特征加工与模型计算，是用于保护用户安全的核心模型。

可见，借助人工智能，金融行业的发展日新月异。但作为一个新兴学科，人工智能的应用领域有限，在金融领域的应用也处于起步阶段。“金融人工智能在跨学科复合型人才、研发实力、资金投入、数据积累等方面要求都比较高，能够熟练应用相关技术的企业还不是很多。”周治翰表示，不过，一项技术都有一个从起步到推广，再到成熟、普及的过程，随着技术的成熟，应用成本可能也会逐步降低。相信人工智能未来在金融领域会有更广泛的应用。