但是，随着互联网的推动和金融科技的渗透，在“90后、00后”的生活中，银行可能就是一部手机，安全的基于信任的数据交换才是它的驱动力量。现在，随着人工智能（AI）风口的到来，银行又将面临一次更大的颠覆。
人工智能技术与金融业务场景深度融合
现在还有一些非常成熟的人工智能技术用于银行的前端营销，银行营业厅中的智能机器人就是一例。其实，大部分金融机构都基于人工智能技术做到了金融产品和金融服务的千人千面，消费者可以拥有越来越个性化的金融定制产品和服务。比如，在此次疫情中，无感、无接触式服务已经成为一种“新常态”。
“人工智能未来在消费信贷领域，一定会有更多的应用价值和机会。”民生银行信用卡中心大数据分析与应用部副总经理刘轶琳表示，民生银行信用卡中心将在以下几方面加大投入：数据资产的建设和数据治理；将一些新兴技术快速应用到具体的业务场景中，解决实际的业务痛点问题；持续关注技术的安全性与合规性；加强专业化的人工智能团队建设。
2019年11月，“民生信用卡-华为”大数据联合创新实验室在京揭牌。双方共同建设了机器学习研发平台，并在基于APP的推荐算法研究等方向展开了联合创新。“通过联合创新的方式，双方能够发挥各自的特长和优势，提升研发的效率，实现1+1大于2的效果。”刘轶琳表示，“华为的拼搏精神、优秀的专家团队和研发人员，以及过硬的专业技术给我们留下深刻印象。”
从技术的角度，张松分析了人工智能技术落地面临的挑战。数据质量和数据安全是人工智能应用的基础。对此，华为拥有一个专门的大数据治理平台，在其上提供非常完善的从数据定义、数据规则、数据资产治理，一直到最后数据资产服务的全生命周期端到端平台，再加上业务专家的参与，从而构建起一个高质量的数据体系。人工智能的公平化目前来讲确实是一个难题。针对金融业务的特点，华为采用了以下举措：比如使用可解释性相对较高的一类模型，如树模型，完成业务动作；或基于华为云EI平台框架开发一些模块，将行业先验知识沉淀下来，结合知识图谱、算法平台，改善模型的可解释性。
从人工智能技术和服务提供商的层面，以华为云为例，它愿做金融AI智能化转型的“黑土地”，为金融行业的AI智能化转型提供全面的技术、解决方案和服务上的支持。
其次，数据资产与算力缺一不可。无论是机器学习，还是深度学习，都是建立在对数据不间断的计算基础之上。2019年，随着AI芯片、全场景AI计算框架MindSpore、Atlas全系列产品等的推出，华为完成了全栈全场景AI解决方案的构建，以极其强大的算力，支撑金融客户完成各种各样复杂场景的业务计算，第一时间呈现人工智能推理的结果。
在金融行业，数据的爆炸式增长是不争的事实，它对数据的处理、存储、分析和挖掘提出了更高的要求。为了在数据资产的基础上进一步提升智能化的能力，金融行业迫切需要更强大的算力，并对人工智能算法的精度、准确率和产生的效率提出了更严苛的要求。另外，越来越多的人通过手机、平板电脑完成金融交易，这就对边缘设备与人体生物特征相结合，确保交易安全提出了新的要求。
人工智能技术与金融业务及场景的深度融合将成为决定金融行业智能化升级成败的关键。
背后的力量
最近两年，包括机器学习、深度学习等在内的人工智能技术在金融行业中的应用越来越广泛，同时也更加深入。
仍以金融行业为例，华为云能够为客户提供多层次的技术和服务支撑。
人工智能作为一种新的通用目的技术，将改变每个行业和每个组织，金融行业首当其冲。从政府层面看，人工智能已经被提升到国家战略的高度。2017年，国务院印发了《新一代人工智能发展规划》，提到将金融业作为发展人工智能试点示范的重点行业之一，同时提出要建立金融大数据系统，提供智能金融服务等一些具体举措。从行业层面看，2019年，人民银行公布了《金融科技（FinTech）发展规划（2019-2021年）》，明确提出了金融科技工作三年的指导思想、基本原则、发展目标、重点任务和保障措施，其中提到要统筹优化数据资源、算法模型、算力资源这些核心的人工智能资产，为广大消费者提供更好的服务。从金融企业层面看，以民生银行信用卡中心为例，它将紧抓机遇，依托新兴技术，加快数字化转型，为其客户提供更好的服务与更优质的产品。
金融欺诈、银行卡盗刷，这些以前只出现在电影电视剧中的情节，如今却真实地发生在我们身边。殊不知，人工智能就是抵御这些金融风险的利器。银行内部有一套基于数据驱动和各种智能算法建立的交易监控体系，通过对数据进行多维度的分析，比如单笔交易金额、交易时间、交易场景、交易渠道等，同时应用一系列有监督或无监督机器学习技术，以保证客户交易的安全。这是典型的人工智能应用于风控的场景，处于业务后台。
从应用的广泛性来看，以前，机器学习主要应用于传统的智能风控和精准营销，但是现在，应用多元化的趋势非常明显。民生银行信用卡中心就尝试着将机器学习技术用于优化客户体验和产品设计，甚至是提升内部的管理效率。比如，采用自然语言处理技术，对民生信用卡全民生活APP中客户的留言进行快速精准、自动化的主题分类，根据客户的反馈优化APP的功能，或者制定客户经营策略，为民生银行信用卡中心的业务创新开拓了更多思路和方向。
从应用的深度来看，以前，民生银行信用卡中心更多采用一些有监督的机器学习技术解决传统的智能风控问题，但现在在技术上有了更多选择，还可以借助图算法、社团发现等新技术，在贷前、贷中识别有风险关联的团体，进一步优化整体风控策略，做到更精准的风控。
首先，针对金融业务海量数据的特点，华为云建立了非常完善的大数据支撑体系，在此基础上，可以提供强大的数据存储、计算等能力，保证金融机构数据的安全。
“将很单纯的人工智能技术与金融业务相结合，可以挖掘甚至创造出很多新的业务场景。”华为云EI服务产品部解决方案总监张松谈了他的切身感受，“很多创新机构尝试将多种人工智能的技术和能力整合在一起使用，这被称为跨模态或多模态创新。比如，在手机端完成面签业务，除了使用视频采集人脸数据之外，还会用到知识图谱、信息提取等技术，将用户本身的信息、历史交易记录、互联网上的行为记录等统统纳入进来，同时结合面签人的生物特征，最后完成交易。这种多重知识、多模态的技术融合可以更加精准地满足业务场景的需求，也是未来人工智能技术与金融业务深度结合的一个方向。”
现在，我们经常能够听到“人工智能的应用门槛降低了”的说法。这是因为随着开源社区的蓬勃发展，越来越多优秀的厂商投入到人工智能技术领域，数据挖掘、机器学习平台等变得日益成熟，同时企业中丰富的业务场景、专业的数据科学家和数据工程师团队，为人工智能技术的应用提供了适合的土壤。人工智能赋能千行百业不再是空中楼阁。
最后，在服务金融客户的过程中，华为云还利用自身人才的优势，让金融业务专家、算法科学家等参与其中，形成人与数据、平台的完美结合，为客户提供一个端到端且便捷的开发平台。
每个月发工资的时候，总能在各个银行营业厅外看到排起的长龙，而且排队的几乎都是白发苍苍的老人。对于这些上了年纪的人来说，银行最值得信任，因为它有一个“实体”，将每月的工资取出来或转存，他们才会真正安心。
“通过上述三个层面的布局，我们的技术和服务能够更好地支撑金融客户智能化升级的诉求。”张松表示。
声明：本文系信软网原创文章，转载请注明出处、作者和本文链接。若违规转载使用，本网站将保留追究的权利。
民生银行信用卡中心大数据分析与应用部副总经理刘轶琳（中）与华为云EI服务产品部解决方案总监张松（右）在华为Cloud&AI Live直播节目中畅谈人工智能在金融行业的实践应用
华为云EI通过其强大的EI智能体、丰富的EI服务，以及一站式AI开发与管理平台ModelArts和多模态AI应用开发平台HiLens等，为包括民生银行在内的多家金融机构，以及制造、能源、医疗、交通、工业等诸多行业的用户提供了全面的智能化服务。
作为人工智能技术的赋能者，华为云的使命是利用自身的技术和解决方案特长，包括5G、全栈全场景AI解决方案、核心算法、联邦学习框架等，帮助金融机构乃至各行各业更高效地实现智能化升级。
举例来说，某保险公司IT系统调用华为云EI服务中的OCR服务，自动识别材料中的身份证/银行卡/医疗单据后，自动录入到系统中进行理赔，极大提升了理赔速度。华为领先的OCR算法能够处理医疗单据中的错行、文字覆盖、盖章干扰等问题，并能识别少数民族文字等各种复杂场景，降低了对理赔人员的技能要求，理赔处理时间从分钟级降低到秒级，同时降低理赔人工成本。
另外，上海某银行国际结算中的海运提单、空运单、信用证开证申请书都需要通过人工对提单/信用证的信息进行录入、核对，不仅人力成本高，而且效率很低。该银行通过使用华为云的AI能力，可快速识别贸易风险，满足银行客户业务的合规性要求，同时将业务处理效率提升10倍以上，还减低了成本。
金融业务的快速发展，为人工智能提供了更多用武之地；反过来，人工智能技术的创新与进步，为金融客户开辟了许多新的业务空间。两者相辅相成，相得益彰。
循序渐进导入人工智能
人工智能技术在金融行业的应用机遇与挑战并存。刘轶琳从业务的角度谈到了几点关键挑战：无论多么先进的算法或技术，都要经过严谨的数据训练，所以数据的全面性、准确性、稳定性都必须得到切实保障；2018年颁布的《银行业金融机构数据治理指引》体现了银行监管层面对数据质量和数据管理的高要求，因此如何保证数据的全面性、有效性、合规性和安全性也是一个关键问题；另外，在一些特定的场景中，如何判断哪些数据是可以用的、如何应用，以及如何保证在消费信贷行业使用人工智能技术时的公平性，也是新的挑战。
用新技术赋能产业和应用，首先要明确这些新兴技术能够帮助我们解决哪些具体业务场景的问题。在采用人工智能技术之前，我们必须做调研和论证，将适合的技术快速转化成为生产力，让其充分发挥自身的效能。“在这个过程当中，我们应该重点关注技术的投入产出，做到成本可控，以及结果的可量化、可评估。”刘轶琳再次强调，“在采用新技术时，一定要进行全面的风险评估，从而保证技术使用的合规性与合理性。”
人工智能的导入，本身就是一条试错成本很高的赛道。站在金融行业的角度，它在引入一项新技术的时候，优先考虑的就是金融风险问题。张松介绍说，华为在帮助金融客户导入人工智能技术时，形成了一套自己的方法论：首先，组建AI治理小组，与客户一起调研技术与业务场景的匹配度，选择正确的场景；其次，明确了场景之后，接下来就是帮助客户快速试错，比如通过“民生信用卡-华为”大数据联合创新实验室这样的模式，针对具体场景进行小步快跑式的试错，在实验室中先完成模型的迭代，待论证通过后，再放到生产环境中；最后，将之前经过验证的这些步骤、方法，结合客户的实际情况定义出标准，为后续的场景和能力的导入打造一个样本，使得人工智能在进入企业时可以更加顺畅。
正是基于这套严谨的方法论，再加上持续不断的创新、在基础数据方面的积累，以及基础数据平台及相关能力的构建，民生银行信用卡中心依靠一支包含了机器学习、数据挖掘、大数据开发、数据治理等领域的近百人的专业技术团队，将大数据与机器学习、人工智能技术应用于业务中，不断增强对客户的精细化运营，同时加速了企业自身的数字化转型。
