首页 > 观点

激辩零壹财经金融科技峰会:人工智能离金融还有多远?

观点 零壹财经 零壹财经 2017-07-21

关键词:金融人工智能金融科技风控FinTech

目前人工智能还是基于弱人工智能和强人工智能中间的阶段,前方的路虽然还不甚清晰,但可以预见的是,那可能还是一段艰辛的旅程。
7月21日, “2017·零壹财经新金融夏季峰会——解码金融科技蓝图”在北京召开,会议独家发布了《金融科技年度发展报告2017》。零壹财经(微信ID:Finance_01)邀请了智能信贷、智能理财、智慧银行、征信、保险科技、互联网众筹、第三方支付、金融区块链等领域的专家和高管,共同探讨金融科技的实践与蓝图,并重点交流智能金融和风控技术的发展与应用。

短短数年间,我国的新金融浪潮此起彼伏,行业主旋律逐渐从互联网金融切换到金融科技。在这背后,新金融从监管套利走向拥抱监管,从强调商业模式到强调技术创新,一个规范发展的金融科技时代正在来临。

在监管层面,以中国人民银行成立金融科技(FinTech)委员会为标志,金融科技正在成为我国金融监管的核心议题之一,得到了前所未有的关注。

此次峰会上,零壹财经主编雷群涛、贵阳银行大数据金融事业部总经理郇公弟、华创资本合伙人熊伟铭、明特量化创始人兼COO刘轶、百融金服董事长CEO张韶峰、包商银行消费金融公司总经理助理汤向军出席并参与了“人工智能+金融:AlphaGo称雄金融还有多远?”的圆桌论坛。

以下为圆桌论坛演讲实录:

雷群涛:7月20下午国务院发布了《新一代人工智能发展规划》,其中提出“智能金融”概念,这一段的原话是这样的:在智能金融方面,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。接下来请各位做简短自我介绍和业务介绍。

刘轶:我是明特量化的刘轶,我们公司的业务是利用人工智能和大数据分析的智能信贷业务,我们业务的核心就是利用数据分析以及人工智能方式为客户和银行打通一个渠道,我们的愿景用我们的技术能力为中国广大的客户,提供一个真正的融资和借贷的通道。

汤向军:我来自于包商银行消费金融公司的汤向军,我们是推出一个小额信贷产品,我们所有的客户来自于线上,线上审批线上放款,用户通过3到5分钟时间就可以获得贷款,我们30秒之内给予一个风控决策的结果,用户可以1分钟之内完成借款过程。

张韶峰:我们公司是百融金服,我们应用智能算法和大数据为金融提供提供各种服务,包括风控服务获客服务和产品服务,我们的服务包括信贷保险行业,基金证券行业,目前合作的机构达到2000多家,每天帮助金融机构审批贷款接近300万笔,包括保险公司进行核保核赔,每天有100多笔。

熊伟铭:我来自于华创资本,我们从2006年参与宜信的创立,2013年进行参与投资数据新兴的服务公司,我们投资主题是新金融新消费,我负责的是人工智能这个方向,这不是一个单独的行业而是一个工具,所以人工智能和金融进行结合有很大的潜力。

郇公弟:我来自于贵阳银行大数据金融事业部,我们做一些线上的理财信贷和支付,我们也跟中小银行合作开发一个直销银行平台,农商行有四五千家,中小银行是很大的一个群体,如何利用直销银行获取数据和风控各个方面的服务,我们建立了一个联盟。

雷群涛:我们谈到金融科技对银行的改变,核心在于使银行建立新的获客模式,汤向军总和郇公弟总都来自于银行,技术在金融领域的应用,都以其实现的核心价值来衡量,人工智能对银行的互金业务(小微贷、信贷)来说,以其实现的怎样的核心价值(或者说其服务的核心场景应该是什么),才能说其是成功的?

郇公弟:我来自于传统的银行,今天讲新金融,我来自于旧金融。首先我们所有的创新是问题导向,现在中小银行包括银行的零售业务面临很多的难题,如果人工智能解决这些问题技术的价值有多大?第一风控、第二获客,第三业务的连接。

大数据风控已经发展的比较成熟,但是这个行业离人工智能还是比较遥远的,我们的风控查一些银行的征信,是根据你过去违约的行为判断你未来可能的违约行为,这离人工智能比较远。现在违约一个X变量和Y变量,我们掌握一个人有几万条X的变量,但是怎么推断基于10万的X变量判断一个人是否会违约?人工智能下一步发展解决这个问题可能是一个很好的方向。或者风控领域人工智能用的方向比较多。第二个获客,包括银行的零售业务做的比较单薄,产品非常的少,包括现在一些互联网金融公司就是做一些现金贷,但是美国的数据富国银行覆盖了美国1/3的家庭,平均每个家庭有6.18个产品交叉销售,你能够分析出一个家庭的基本情况以及配制需求,现在我们远远达不到智能投顾的目的。

现在中国的民政数据不开放,夫妻关系不开放,如果把家庭关系理清楚我们的价值也会很大。包括同业合作,我们做中小银行的直销银行的平台,涉及到这么多银行的合作,这些客户的智能分配划款结算如果人工智能能解决这些问题价值是很大的。

汤向军:我们包商银行金融公司是去年底成立的,我们是以金融科技驱动我们的发展,我们公司科技团队基本上在公司占比占了一半。科技怎么驱动公司业务的发展?主要三个方面:第一就是获客,第二就是风控,第三个就是运营效率。

首先我们包商银行消费金融公司,如果大量的客户在线过来申请产品,这考验你的后台平台能否承载,第二考虑你的客户体验问题,客户的身份信息存款信息等等,一旦你的产品体验相当差,好客户很快的就会走人,留下的都是坏客户,现在我们平台客户第一个使用人脸识别,辨别这个用户你是你的问题,第三个客户的实名信息,通过四到五步就可以完成客户的身份识别问题,这就涉及到前端的客户承载问题。

第二个问题就是风险,用户在那么短的时间填很少的信息,如何在这么少的数据完成对用户的审批?我们目前基于大数据风控的自动结合引擎完成绝大部分用户的审批,然后用户可以提款。我们的风险模型从去年开始建立,包括一个季度的运行,基本上我们模型达到验证,我们数据来源很多,第一用户的数据,第二在用户使用产品中采集的数据,还有第三方合作伙伴的数据,还有央行征信的数据。这些数据在反欺诈和用户识别上起到了比较大的作用,它能够显著提高金融公司的风险识别的能力,降低风险的不良率,我们的自动决策规则也得到了显著提升。

第三个是我们的运营效率,如何使公司很短的时间内针对你的客户变化,市场变化能够快速的改变的你的产品,这也考验你的公司的产品能力运营能力,短时间内响应市场推出产品,我们完全依靠金融科技团队,我们以金融科技和AI驱动我们的公司进行迅速的发展,快速的响应市场的竞争。

雷群涛:我总结一下两位说的金融科技对互金业务的改变,一个是效率一个是风控还有一个体验的问题。说到效率,我之前做采访的时候了解过一家做网贷的,我们所说的审贷效率的提升,是一种资产获取的提升效率,我了解到他们使用大数据系统,比他们之前做的人工审核的业务,之前效率一天十几笔,现在他们的业务一天是150笔左右,大家可以看到效率提升明显的进展,对我们互金业务有很大的改变。现在我们的数据处理方面还远远达不到人工智能的程度,我们张韶峰张总也是做互联网大数据系统这一块,您回应一下,我们国内大数据和国外大数据对风控这一块有很大的不一样,就是征信的数据国外多,但是国内信用数据少,社交行为数据特别的多,我们的很多平台重视弱关联数据,我们两块数据中美两国导致的底层数据对人工智能的应用是否有不同的体现?能否它所处在的阶段能否做一个解答。

张韶峰:不光是中美,而是中国和西方发达国家的差异,因为他们信用体系的建设长达上百年的时间,常规的征信系统能够覆盖美国85%的人口,剩下的那些人很少,所以大数据和人工智能算法在美国信贷领域的应用没有那么广泛,美国有一家公司在中国的知名度远远超过美国,我们的一个投资人去了之后,说这家公司是一个家属楼(音)的公司,但是没有想到它服务覆盖了美国15%的人口。美国的FICO,是基于过去的行为表现来预测你将来的行为表现,这是比较准的也是比较容易的,根本不用什么大数据和人工智能算法,他们用的算法核心叫逻辑回归的算法,一般用10-15个变量处理就可以了。

但是在中国这种情况下,金融强变量的缺乏,我们用一些弱数据和强变量结合来做,如果你变量足够多模型的效果就比较稳定。变量足够多传统的算法就失效了,很多时候就要用上一个变量,比如说机器学习最早来自于美国的军方,后来大行其道是是在Google公司广告点击的相关性预测,一旦点Google公司就能收到费用。每一个变量预测就是点击不点击,你不用一些大数据和机器学习的算法就无法做,中国情况下导致我们被迫用大数据,大数据就好比原材料,但是算法好比刀具,这两个优势相辅相成,有了大数据你用传统算法算出来,如果光有算法没有原材料又炒不出菜。我们接触的金融机构,大量的人士是缺乏人行的征信报告,你做百分之一二十的人你跟招商银行工商银行抢客户是抢不过的,你只能抢剩下的大部分的烂人,大银行不敢放贷给这些人,实际上就是这样的。我不知道是否讲清楚了!

雷群涛:刘轶总,我知道明特量化在美国也有实际的业务的开展,您认为中美两国人工智能的应用在场景和技术上,技术涉及到算法和软硬件,你给我们做一下比较,这两块有什么不一样的地方?

刘轶:明特量化是在中国和美国两个国家都开设了业务,我们在机器学习上也有深刻的认识。我先不说人工智能硬骨头,我们先讲中美两国的情况,美国是一个成熟的市场,具有完善的征信系统,这个数据非常的丰富,纯粹从信贷角度来讲它的强变量不给大数据更大的空间。但同时还有一点,中国是相反的,我们的征信数据相对比较少,但是我们有更多的其他的数据,给我们留下了空间,这是第一点,第二在数据信贷上,美国的消费者对数据隐私的保护性非常的强,中国作为一个开放中的市场,我们可以获取更多的非征信的数据,能够帮助我们的信贷。美国是一个高度发达的市场,有很多的传统公司在耕耘和运作,在国内有很多的领域因为是高速发展过程中,还不完善,这给大数据和人工智能很大的一个帮助。

我个人对人工智能应用的场景数据,数据在哪里应用?美国因为有了详尽的数据,其实在信用风险上作用并不是特别的大,我以前在美国测过,有两个领域是有很大的作用,第一就是欺诈,反欺诈这个领域在大数据上美国也有很多公司讲大量人力投入到大数据的分析,以获取对人和欺诈客户的认识做反欺诈,反欺诈是一个实时的过程;第二就是获客,金融在获客领域大数据在美国这方面也是相当于比较深,现在没有一家公司能把全国的人口关联起来,美国的很多公司通过它的这种客户的网上购物数据,浏览网站的数据能够区分开。这为金融公司和银行提供精准的客户服务。现在我们国内已经做延伸了,比如说反欺诈,中国欺诈风险远大于美国欺诈风险。在获客来讲,我们现在明特量化在美国和量化都是纯线上获客,它直接反映到获客成本上,中美有区别都有共通性。数据的使用和算法上因为数据本身不同也有很大的区别,中国有更多各种各样的数据,但是它数据源覆盖率很高,我们用缺失的数据把它拼凑在一起,凝聚成一个有效的强变量,帮助我们做一个决定。这里面它所用的算法和实际的操作有很大区别,这是算法上和计算应用上的不一样的地方。

雷群涛:我们的熊伟铭是投资机构,如果我们真的要投的话,来看人工智能在各自的领域和场景应用来讲,我们怎么判断其他的机构这种商业价值和前景?

熊伟铭:大家说的我学习到很多东西,大家说的也非常的对,我没有办法直接判断,我们只能解决部分的问题,离我们说明的强智能还是十万八千里的。我见过的产品还没有到进去之后,我完全依赖于系统给我的一些方案告诉知道在哪里投放,现在只能说是一个尝试,当然还有一些非常接地气的应用,比如说身份确认技术,减少了人力的参与,减少了人力成本和管理成本。但是核心来讲,我们觉得如果真正实现技术驱动的风险判断就实现了银行金融产品和金融机构核心的价值,这个问题就是人做的更好一点还是机器做的更好一点?这取决于数据的完整度,我们的数据维度有很多,但是中间有很大的缺失,我们能否实现像20年ING第一次做线上银行的时候,那时候也是一波冲击,我们全部是线上获客,那时候线上流量极为便宜,现在流量非常的贵。你的人工智能也许过3、5年体系会更完善一点,从投资角度来讲,我们这个行业都愿意投资在人工智能,这是比互联网大几十倍的机会,互联网只是保证了连接,人工智能使整个基础设施上了一个台阶。

雷群涛:那您建议一个人工智能企业倾向于做细分业务还是做全产业服务呢?

熊伟铭:我可能建议最后还是做业务,之前有一个小团队叫量化派,我们脸对脸做了半年的时间,后来发现它取费极低,但是它最终价值提供了很大的依据,所以按劳分配它的收入是不合理的,最后咬牙说我做业务吧,B轮融到了,C轮也融到了,发展很快。有时候更多的是美国回来的创业者,它更谨慎或者更愿意说从整个里面挑我最擅长的,但是在中国里面你做完自己的,发现上面不给力,下面也不给力,你还要自己去做,这也是我们国内的一些机会。尤其像人工智能发展飞快的行业,算法在五年前是非常稀缺的。

雷群涛:熊总说倾向于业务,但是有干活的也有卖水的,张总一直说我们的大数据算法,还有我们的策略,这个问题有点太细了。到底是算法重要还是策略重要,就是这种技术和模型之间的比较?怎么看呢?

张韶峰:这个问题,我觉得好比对一个人来讲是空气更重要还是水更重要?非常的难以回答。一个人如果没有空气很快就死,没有水可能活的长一点,但是最终也是死掉的。这两个确实不一样,但是不能同一维度比,这是两个不同的维度,算法是细节方面提升效率,算法不能决定方向,方向要靠策略,但是光靠有策略执行效率很低,你做到最后也是失败的。

雷群涛:更重要的是两个关系的平衡。

张韶峰:这是两个不同维度的东西,缺一不可。

雷群涛:接下来请问郇公弟总,现在传统银行和互联网银行在技术应用上层次上深度上不一样,您觉得人工智能概念深入或者深层次应用到业务当中,我们对传统银行和互联网银行这种竞争的格局会有怎么样的改变?

郇公弟:关于传统银行和互联网银行,现在的互联网银行主要是民营银行,民营银行前几年批的就四五家,现在微众啊,这些银行刚成立的时候大家还是狼来了,新的模式出来了是否对传统的银行有冲击?这几年传统银行跟互联网银行合作比较深,像微众银行很多的业务来自于传统银行,可能二八开,像蚂蚁金服,像BAT和四大行纷纷联姻了,大家可能想着传统银行和互联网银行打起来,但是没有打起来,还联姻了。

原来线上获客成本比较低的时候线上银行有比较好的优势,现在线上获客成本比较高了,工商银行有2万个网点,像邮储和农村信用卡有那么大的网点,它覆盖这么多的客户,中国金融广度还可以,但是金融的深度远远不足,包括家庭的理财家庭财富管理,这个空间和深度是足够传统银行和互联网银行合作为客户群提供更好的服务,竞争方面这是很大一个基础。传统银行资金比较多,整个中国金融体系250万亿,互联网银行获客有一点的优势,大行跟BAT合作了,那么小行找谁合作?发现很难找到。像百融这样的公司,可能从20、50个公司找到数据,我希望你分配到20个县,未来这些数据传统银行跟现代银行还是一个合作,进行一个深度融合,这条路应该走的更深一点,不仅是竞争还有合作。

雷群涛:人工智能应用的比较浅,很多公司都在投入技术,但是我们的收效和成效并不是很高,包括我们的智能投顾的产品输出体验并不是很好,熊总你怎么看待人工智能初期的阶段性存在的价值?

熊伟铭:我们听说所有的银行都在上人工智能,前两年人工智能公司找到银行,但是银行就说我们很同情你们,但我们肯定没有这个预算给你们,现在我们大家都在尝试。我们看到一些案例分析都是正向的,大家至少觉得投放有据可循,这是一个开门红吧,你说一下子提高多少人力以及ROE可能太高了,风控这块我同意张总提到的央行的征信报告还是太单薄了,大家做P2P的时候就有这个呼声了,那时候还没有说到人工智能机器学习,我们就说数据怎么打通?可能真正民间的消费和信用数据能够积极的起到主信用数据的补充作用,这还是很大的贡献。本身对于人工智能,它就像96年出了一个雅虎,互联网这个词就是从96年到2014年互联网+之后就没有新的互联网词,但是人工智能可能是长期存在的不断提高的一个产物。大家可能应用在金融,明天应用在农业或者工业上它会有无数新的东西出来。从我这个行业观察,大家对人工智能早期的成功还是很满意的。你看Google花了4亿美金买了deepmind三个季度就赚回来了,所以大家都应该尝试一下人工智能,在自己的领域里。

雷群涛:我们说的风控,一个是人工,一个是大数据模型系统,这两个在风控业务里面少不了。现在一个问题:我们怎么平衡人工审核和大数据系统模型两块审核的两者关系,达到风控最优的效率?这个问题请教汤向军总和刘轶总两位。

汤向军:大数据和机器学习比较流行,现在做消费金融和现金贷的公司都基于大数据的决策引擎,自动决策这块主要是件均(额度)这一块,一万块钱左右和一万以下的很多公司自动决策达到80%或者90%,在3万左右自动决策贡献率相对低一些,在5万到10万以上自动决策的东西很少,甚至起到了一些辅助的作用。很多公司件均很低,绝大部分基于消费金融贷款在线申请首先要件数非常的多,如果靠人工基本上不太可能,这不可能在小额分散的产品中进行生存。所以这种小额分散的风险流程从一开始创建到成熟以后,基本上均件率都在80%到90%以上,其他的数据不够完善也不饱和。所以这个靠行业数据的完整性和准确度才能填补空缺,机器学习和人工智能风险决策,不管AI也好还是大数据也好不光是本地,只是在目前的市场过程中提供更高效更准确的手段工具,它本身存在很到的缺陷和问题,所以需要人工来弥补。对于这些自动过件的一些问题件、疑难件人工要做过滤,第二对于数据缺失的这一部分,也要做相关的人工信审。同时人工信审要看相关的案件,同时优化自己的信审流程和决策引擎,我认为大数据风控决策这一块只要数据相对完整一些它的自动决策通过率会越来越高,但是要达到98%或者100%还是比较难的。人工信审和机器信审未来几年还是会并存的,他们并存的时间在一段时间内是会存在的。

刘轶:我基本上也赞同汤总的意见,人工在信贷中分两个部分:一个部分让大家认识到我们的人工审核,还有一部分是人工在机器智能决策中起到的作用,它永远是用过去预测将来,人有能力跟过去的数据加上机器不能判断的对未来进行判断。所以第一点人工判断在对大数据机器人工智能政策制订中有一个难以取消的作用,这是我想强调的一个观点。

回到我们说的人工审核这个阶段,我的观点跟他们不一样,我不认为这是一个你有无他有他无你的过程,我们认为更多的取决于你的产品客户的运用的客户对象。我说的更明确一点是取决于它的成本和价值,这是一个动态的过程,我们决定是否要做人工审核,我们加入人工审核之后我们的成本是多少?我们过滤到的坏账是多少?我们可能误差的客户是多少?机器审核也有同样的问题,也有筛掉坏的客户,也可能筛掉好的客户,加上成本考量最终在你的产品人群和阶段之后它哪一个创造了更大化的价值,这才是你机器审核和人工审核的核心。为什么小额信贷人工审核比例这么大,这是最终核心的考虑机制。未来的发展方向人工智能处于第一波,正是早期的过程。我们很多的情况也可能在现有的技术的能力下,现有数据情况下是无法做出更为准确的判断,在成本收益率合理的情况下做出人工审核。但是过去人工智能发展,互联网发展,我们相信数据源越来越丰富,我们的技术不断的发展,随着技术的发展,我们会将提高人工智能审核的准确度,人工智能发挥的作用越来越大,我相信将来人越来越贵,最终向一个全智能化发展,这是一个过程,取决于我们整个行业和基础设施发展的过程。

最后我强调一下:人在智能信用审核中永远发挥着不可取代的作用,这种作用超越了数据,以及过往数据给你的指示,而是进一步的判断未来行业人群发展的方向,这是任何一个做智能信贷的公司必须要把握的一个原则,这样才能够防止行业发生剧变的时候才能有一个提前的布局,才能不会陷入到人工智能永远自己学习自己的过程。

雷群涛:刘总的观点其实是想说人工和智能的平衡还涉及到你错过了多少错过了多少损失,张总可能对智能有更深入的理解,您能补充一下吗?

张韶峰:我觉得大的方向选择上,人工智能讲弱人工智能、强人工智能,目前人工智能还是基于弱人工智能和强人工智能中间的阶段。

有一些人认为这是纯弱人工智能,有不同的观点。在大的决策方向上,肯定目前要靠人工的。重复性比较高的上人工一定比不上机器算法,不同的环节我们要决策是用人工还是算法,另外算法也是工程师调优调出来的,那个调优的过程也是需要人工参与的,是否有一些业务不用人工也能做呢?我相信已经有了。有一些产品基本上前期的策略定了以后,有的可能真正做到百分之百机器决定。

汤总讲到1万块钱权重百分之七八十,我们也看到有一些公司开始突破,有一家公司叫平安普惠,谈到去年有一件事情让我很吃惊,十万额度的已经做到完全不见面,虽然平安是纯金融的机构,额度那么大,它已经做到完全不见面,今年它的目标是完全消灭人工,不见面不等于不需要人工,做到不见面已经很了不起的突破。你只要把这个事情搞定之后可以不要人工了,只要数据足够的丰富。在产业变革里面,大家讲相信投资人的话,对理解更深,一个新的技术出现的时候,大家可能给予很大的希望,后来发现这个技术没有那么厉害,大家马上又失望。60年代大家觉得人工智能很快就要机器人出来了,不需要人工了,五六年之后大家发现效果甚微,大家纷纷转行了。当时我在oracle,大家觉得你这个商机不多,现在大家又觉得商机又来了,甚至超过我的预期了,更多的人变平滑了,觉得这是天经地义的。

所以我觉得这个阶段是弱人工智能到强人工智能的过程,它其实已经到了临界点了,我搞这个领域已经超过20年的时间了,前面很艰辛。

雷群涛:张总了从弱人工智能到强人工智能的转变,我们希望今后一百万或者数百万的贷款不需要跑公证处或者跑其他的机构做抵押,时间关系,我们的这个圆桌论坛到此结束!
 

点击图片查看会议详情
5月10日,零壹财经·零壹智库在北京召开“2019零壹财经新金融春季峰会”。本峰会从全球金融科技数据分析与研判出发,聚焦风投、交易所、科技企业、监管层等众多领域精英,共同探索科技价值与资本力量。

上一篇>猛犸反欺诈CEO张克:人工智能将极大降低反欺诈系统的审核成本

下一篇>上海交大普惠金融中心费方域:技术不是单独出现而是创新的集聚


相关文章


用户评论

游客

自律公约

所有评论

主编精选

more

专题推荐

more

备战科创板(共10篇)


资讯排行

  • 48h
  • 7天



耗时 117ms