图片来源@Unsplash

钛媒体注：本文节选自薛洪言于2019年世界人工智能大会主题论坛“金融科技新生态：开创与变革”上的发言，有改动。

整体上看，人工智能在人类社会中的应用还处于初步阶段，但金融业可能是个例外。金融行业是信息化程度最高的产业之一，本身就适合进行科技改造和流程重塑，再加上金融业竞争激烈却又利润丰厚，金融机构有动力、也有实力探索科技驱动金融的新模式。

比如说，工业领域为推动智能制造，在探索信息物理生产系统（CPPS），要实现比特和原子的相融，金融业，基本都是比特，不存在这个障碍。现阶段来看，AI在金融业的应用已取得明显效果。如智能风控、智能客服、智能催收、智能投顾等，不仅用于金融机构内部的降本提质，还可以作为成熟的解决方案在业内输出，不少机构已经单独成立科技赋能公司，来抢占这个市场风口。

辩证看待人机互动

谈到人工智能，就不得不谈到人机互动。关于人工智能，有一个著名的自动化困境理论，大意是讲软件和系统是人做的，既然是人做的，就可能犯错；此外，自动化之后，人类被开发者摆在了一个很重要的位置（关键时刻的救火先生），却很可能因缺乏实战（自动化过程中，人从操控性工作中解放出来，慢慢失去了实践能力），让人类失去履行这一职责所必需的能力。

自动化困境，讲的就是人机互动的问题。在金融领域，对人机互动的要求更高。制造业生产标准化产品，强调稳定性和可控性；而在金融行业，面对的是动态的环境——动态变化的用户、动态变化的监管、动态变化的产品等——更强调人工智能的进化与迭代。系统部署上线只是第一步，后续的迭代与优化才是关键。

金融业的人机互动，主要是人与系统/模型的互动，系统模型的底层是数据和业务场景，所以，人机互动，本质上是人才、数据、业务场景三者的协同问题。模型的进化需要业务场景的实时反馈，基于数据进行优化，人才则自始至终承担着统筹者、把控者的角色。

人机互动，还可从单个企业层面和行业层面两个视角来看。单个企业来讲，人机互动要更多地发挥科技降本提质的作用，助力金融业务更好发展；站在行业角度看，则需要考虑一些系统性问题，即人工智能的应用对行业带来的潜在影响。

比如趋同性，模型的趋同性会加大市场共振，让周期变得更短、更剧烈，波动性加大。典型的案例来自量化投资领域，机构部署相近的策略，同步买入或卖出，交易对手方稀缺，结果就是价格的暴涨暴跌。

再比如不可解释性问题。人工智能模型，在外面来看，就像一个黑箱，输入、输出，但期间的运算过程太复杂，理不清楚，所以只是一种统计关系而非因果关系。统计关系是不稳固的，是可变的，这就给系统模型带来风险隐患。一旦某个外部变量发生变化，导致统计上的相关关系不复存在，则模型就面临骤然失灵的问题。

对于这些行业性的问题，需要宏观审慎监管的介入，以调控之手引导行业资源配置的流向，来规避一些潜在风险隐患。

科技与金融的融合催生新生态

借助金融科技的全方位应用，很多金融业务已经实现了全部自动化。以消费金融为例，智能获客及获客后的智能客户服务；智能风控及风控后的实时贷后及逾期后的智能催收等。此外，科技还在不断促进产品本身的进化，达到某个临界点，就形成了全新的服务模式，最典型的就是智能投顾。

科技之所以能深刻改变金融业，受行业追捧，究其根本，与其两大角色有关。

一是催化剂，激活了金融生态原有资源的价值。最典型的就是激活数据活力，在智能获客和智能风控两个环节尤其明显。

在智能获客运用中，金融机构以科技和数据之力，实现了降低获客成本与提供用户匹配度的两全。一方面用于为人工获客赋能，降本提效。如用于电话营销，先利用智能语音助手拨打一圈电话，找到有成交潜力的用户交给电销人员后续开发；如用于线下拓客，也可以借助大数据技术提前筛选出目标用户清单，提高线下拓客的针对性。另一方面则用于解决产品营销和平台导流过程中的匹配度问题，降低对用户的无谓打扰，千人千面，实现精准推送。

在智能风控应用中，用户行为数据成为大数据风控的原材料，大大拓宽了风控的边界，继而拓宽了用户边界，把消费金融从聚焦于特定用户群的小众产品，变成了一款大众金融产品。以央行征信中心的数据为例，2015年末，央行有信贷记录为3.8亿人，现在已经超过5亿人。有超过1亿人口从无贷户变成了有贷户。考虑到不纳入央行征信的互联网信贷，合计有2亿人从无贷户变成有贷户。