人工智能冲击银行是怎么发生的?

金评媒（https://www.jpm.cn） 编者按：一个让人无法忽视的事实是：人工智能正前所未有地重度冲击银行业(含与银行业务存在重合的非银持牌机构如消费金融)，对一些标准化的、常规流程化的、低附加值业务岗位展现出一定的迁徙替代效应——比如VTM等远程智能作业方式对某些零售前台业务岗位(柜员、客服)的替代，大数据模型对人工信审等岗位的替代。

6月28日讯，来探讨一个问题——IT提高金融效率、降低业务成本大家都知道，但这一切究竟是怎么发生的?

一个让人无法忽视的事实是：人工智能正前所未有地重度冲击银行业(含与银行业务存在重合的非银持牌机构如消费金融)，对一些标准化的、常规流程化的、低附加值业务岗位展现出一定的迁徙替代效应——比如VTM等远程智能作业方式对某些零售前台业务岗位(柜员、客服)的替代，大数据模型对人工信审等岗位的替代。

当然，我们要在此强调的是，虽然人工智能正在优化甚至重塑银行业务流程，但对一些非标转化的、对专业性要求更高的岗位，比如资产管理、金融市场、投行业务等业务岗，仍旧望尘莫及。

总而言之，如果你的岗位被KO 掉了，那是因为它本来就不产出多余价值。

所以这就是为什么，银行在不同场合说着要拥抱fintech;然后争先恐后一改姿态要大肆渲染跟互联网巨头的合作(哪怕合作的方向还不够具化，但态度是万万要隆重的);再然后，每年数十亿真金白银砸到IT研发、运维和人力。

大数据VS传统信审

来看正在发生的几个事实：

(1)“我们现在要将服务下沉，很多零售客户的小额消费信贷需求，我们也要满足。所以我们都推出了相应的产品，工薪贷啊、个税贷等等纯线上授信产品。这些高频的服务我们当然不像以前一样用人工去满足，取而代之我们会用系统，这样才能把服务单个客户的成本将下来。而只有成本降下来，才能服务更多的客户。目前我们还只针对存量客户推出快速授信服务，这跟我们掌握的用户交易数据的多少有关，未来我们接入了更多外部数据以后，才会逐步扩大受理客群”——A股份行零售业务人士

(2)“我们现在统一由手机银行为入口，客户只需简单录入信息，然后启动人脸识别功能，我们后台就会自动调用多个系统平台运作，审批、授信半小时内完成。根本不用人工再去做信审，但这只针对我行持卡人”——B城商行互联网金融部人士

(3)“我们在别的地方完全没有获客网点，我们目前和某互联网银行有联合贷款合作，一部分需求通过他们给我们的接口反馈到他们系统上，他们系统负责跑完这个需求(指审核的意思)，然后我们再以联合资金放款。对于我们来说，这也是很高效的一种借力模式”——C小型城商行人士

(4)“我们目前当然还需要用到人工，但那只是在核实身份环节。当一个借款需求反馈到我们系统上的时候，我们客服会第一时间打电话给借款人。当然，除了这个环节，其余几乎都可以做到由系统来审核，‘信贷工厂’模式越来越自动化。人工智能并没有让我们的信审员失业，而是辅助他的工作”——D消费金融公司人士

(5)“我们是分借款人类型。如果借款人是从场景来的，比如我们跟国内一些家装网站和芝麻信用有合作，如果是从这些特定合作渠道来的，只要达到了放款标准(比如芝麻信用分达到约定标准)，我们后台系统就会自动实时授信，完全不用人工”——E消费金融公司人士

以上五位跟信贷业务离得最近的人士的话，串联出一个正在发生的事实：信审，这一传统的、曾经要在线下操作、耗费人力时间成本的岗位，正在部分场景和在面对特定的存量客群的情况下，正在被人工智能取代。那是因为现在上述机构的数据模型，已经接入了金融交易记录(含信用偿还历史)、信用账户数、使用信用的年限、诉讼信息等，同时还不断新增社交数据、运营商数据等。

大数据，大数据，大数据——原因说三遍，这是发生一切的动因。现在已经有不少成熟的商业公司如北京“读秒”，专攻智能信贷服务，为两家银行提供助贷业务，重塑其零售乃至小微放贷流程。

而根据FICO(国际主流消费信贷风险测量标准)此前的一份研报显示，大数据在国际银行业的主要应用领域如下：

信用评估：10%;

风险建模(反欺诈): 16%;

投资组合管理:18%;

客户行为分析：15%;

行业预测分析：8%;

动态定价：7%;

运营绩效：12%;

行业监管：9%;

商业决策：5%。

毋庸置疑现在大数据对企业信用评级的渗透还不够深，那是因为基础的财务数据可以量化，但企业可持续性、流动性风险、杠杆结构和公司治理等数据不好量化，所以整体大数据对银行公司业务的冲击没有这么深。

最后，再次IT目前渗透的，是标准化、产品组合同质性高的部分零售业务岗位，而公司金融、投资银行、资产管理、金融市场、大零售条线的私行业务并不像零售业务那样受到巨大的冲击 。

除了银行这边的信审员，那一边保险业部分岗位也在遭遇暴击。

继日本寿险巨头富国生命保险计划裁减近30%的理赔部门员工，因其于今年1月引入人工智能系统，裁员30%将为其每年节省约1.4亿日元后;蚂蚁金服保险事业群拟推出“定损宝”，用深度学习图像识别检测技术来代替定损员的工作，在几秒钟之内给出准确的定损结果，包括受损部件、维修方案及维修价格。

看来受到人工智能冲击的领域，远不止银行。

IT 重塑金融流程

除了大数据，区块链也走出近三年的实验室验证和模式探索期，逐步进击银行业务场景——而这一波浪潮，我大中国没有落雨人后，而是跟国际同步。

近日，IBM宣布联合欧洲七家银行(包括德意志、汇丰等)，共同为中小企业搭建一个新的区块链贸易融资平台“数字商业链”，旨在提高中小企业国内和跨国贸易的透明度，降低交易成本。

而则这个平台，将会在IBM云上运行。

而我国早有实质性运作，是由天生互联网基因的互联网银行挑起。2016 年9月，微众联合华瑞开发出基于联盟型区块链技术的银行间联合贷款清算平台投入试运行，用于优化两家银行“微粒贷”联合贷款的结算、清算。作为国内银行业的首个区块链实际应用场景， 这个清算平台使得两个真实的银行机构可以通过区块链进行数据交换验证，完成实时清算，处理效率大幅提高。

最新数据表明，目前已有3家合作银行接入该系统，在生产环境中运行的应用数据记录笔数已达450万。

另外一个已落地实际应用的是招行，招行将区块链的首个应用场景框定在了跨境直联支付。因为传统跨境支付业务耗时长，支付到账时间少则数小时、动辄跨日，业务痛点多。招行认为，区块链技术可减少跨界支付对SWIFT(环球同业银行金融电讯协会)报文系统的依赖，减少查询对账操作程序。此外，还有非常重要的一点，跨境支付交易量适中，可规避区块链技术的性能瓶颈。

这个直联支付项目在上线两个月后，就完成支付额超过2亿港币，大大提升效率。

再下一个场景是票据交易与融资：由中信银行前副行长、微众银行前行长曹彤掌舵的区块链金服，首期与数十家银行及非银机构建立联盟，后台通过区块链技术集中实时处理票据交易与融资，降低运营成本并提升效率。

掐指一算，仅上述实质化应用场景，金融科技就已经全篇入侵联合贷款备付金管理及对账、跨境直联支付结算、票据融资、票据托管等银行业务。

(编辑：田跃清)

来源: 券商中国