对中国金融业来说，2019年是相当不稳定的一年。从今年1月一个专门小组发布“175号”文件，正式启动互联网金融退出，到10月黄发布中国人民银行可能率先推出数字现金的消息，再到12月对金融应用的信息隐私进行严格审查。可以说，2019年中国金融的主题是“偿还假技术，增加真技术”。Fintech旗下的小额贷款公司纷纷推出，人工智能、大数据、区块链等先进技术不断进入商业落地阶段。

尤其是对人工智能来说，金融业一直是技术输入的“尖子生”。金融业凭借其高度数字化和信息化的良好基础，比其他行业更容易通过技术入口。尤其是金融业的前台环节、业务接待、产品销售等流程也是劳动密集型产业，人工智能应用带来的成本降低和效率提高效果将更加显著。此外，金融业在技术上做了更积极的尝试，大量金融机构都有自己的技术研发部门，这使得整个行业在接受人工智能授权方面有了更好的基础，不需要长期的市场教育。

因此，金融业自然成为人工智能产业化的重要阵地，2019年也将如此。

从验证开始，人工智能打开了金融渠道

总体而言，2019年金融业人工智能的落地发展仍然运行平稳，基础良好。我相信许多人可以直觉地感觉到，即使作为一个简单的终端用户，他们也能深刻地感受到技术变革带来的便利。

从金融前台来看，“验证”几乎是一个必要的环节。此链接包括人员、账单、证书和其他信息的确认。它仅用于处理众所周知的“证明你是你自己”的问题，但正是这些问题占据了金融业的大量劳动力。

从技术角度来看，解决这些问题并不复杂。通过人脸活体检测、光学字符识别、图像识别模型等。可以满足验证过程中的去人工化要求。因此，许多业务可以远程处理，只需拍照并上传到手机上。

然而，在金融行业中应用人工智能来完成验证的困难并不在于简单的技术能力。

首先，从金融业的特点来看，其对数据安全和隐私问题的要求自然高于其他行业。例如，今年年底，工业和信息化部审查了应用程序数据的授权，并删除了大量银行和金融产品应用程序，其中许多都是从数据安全的角度考虑的。另一方面，如前所述，金融业拥有比其他行业更完善的数字化和信息化基础。特别是银监会在《中国金融业信息技术“十三五”发展规划》中指出，到“十三五”末，银行业所有面向互联网场景的重要信息系统都将迁移到云计算架构平台，其他系统的迁移率不低于60%。从2016年到2017年，金融业出现了普遍的云趋势。

当金融行业已经具备云基础和相对较高的数据安全性要求时，人工智能应用的难度就会从技术能力转变为部署模式。对于其他行业，人脸识别、文本识别等模型可以直接应用到应用编程接口，但是对于金融行业，这种部署模式可能比较粗糙。

因此，在2019年中期，整个行业有两个显著的趋势。一是技术服务提供商通过私有云和混合云等多种部署调整其云计划，以满足金融业的特殊需求，与原始数字基础磁盘形成平稳对接。另一种是金融机构选择自己的研发或采购技术，用人工智能来更新他们的云平台能力。

或许金融业对人工智能技术的掌握已经变得更加高效，或许科技企业的服务意识正在不断提高。总之，这两大趋势极大地推动了人工智能在金融业的应用。我们可以看到，在“验证”过程中，大多数银行和互助金产品都可以依靠人脸识别和图像识别来实现身份验证，完成远程在线开户，从而降低身份盗用和证书盗用的风险。

金融人工智能2019:写红利点数

我们之所以要强调金融业在2019年年中突破了人工智能部署的难题，是因为这一举措就像是打开了一条运河，不仅带来了一些识别算法，还带来了大量技术不断流入良田的可能性。

所以我们可以看到，除了最常见的验证场景。金融业在2019年也做了更多尝试。这些尝试与过去“摩根大通人工智能管理基金”的噱头和实验行为不同，但更接近于提高实际收益和开辟新的业务场景。

其中最典型的是智能客户服务。客户服务部门作为各行各业的广义劳动密集型部门，自然也是人工智能的首要目标。然而，与金融行业不同，智能客户服务不仅用于普通产品推广、售后咨询等流程，还广泛用于收款流程。

如果通过比较智能客服代理的数量和普通员工的数量来计算“人工智能含量”，我们可能会发现收款公司的“人工智能含量”在金融企业中是最高的。原因是收集工作严重依赖电话联系，通过智能客户服务和用户对话，然后使用大数据分析用户声音并对其进行分类，以帮助员工做出决策，并为不同类型的用户提出不同的策略。它不仅提高了效率，而且使整个工作流程更加稳定和可控。可以说，收藏工作的运作模式已经完全改变了。

例如，在今年监管发挥主要作用的时候，人工智能辅助金融监管也开始了各种尝试，监管技术一词应运而生。

在监控技术中，综合应用了各种人工智能技术。例如，澳大利亚证券投资委员会(ASIC)和新加坡金融管理局(Singapore Monetary Authority)正在应用大数据分析来识别交易轨迹中的异常现象。上海证券交易所使用机器学习来收集和模拟投资者信息，以识别非法用户。东京证券交易所还使用日立的“日立人工智能技术”来识别市场操纵等非法行为。

简而言之，监管技术的应用使人工智能不仅能够提高单个企业的收益，而且能够参与防范金融系统风险。特别是，它可以缓解监管滞后的局面，这一直是金融业的咽喉。

最后是场景创新。

有趣的是，2019年，许多科技企业不再满足于金融业转型中的虚拟数字层面，而是开始接触真实空间。腾讯、JD.com和其他公司引入了类似“金融无人机舱”的概念，并通过麦克风阵列和智能摄像头在终端部署了人脸识别和语音交互等技术。

通过端侧部署，该技术模型不再面临由于通过统一硬件配置使移动终端设备多样化而导致的提高健壮性的问题。例如，由于不同设备的前置摄像头配置不同，用户的环境也会影响光线。因此，人脸验证和证书验证算法应该提高鲁棒性。但是，有了集成的硬件配置，就没有必要担心这些问题了。

与此同时，“无人机舱”概念的出现绕过了银行应用的入口，将人工智能的联系点直接转移到了线下，使得许多不习惯使用应用的用户能够在线下满足人工智能的能力，不仅减轻了劳动负担，也使得业务管理更加统一。

以上所有都只是例子。事实上，在2019年，金融人工智能在普及和创新方面都将非常密集。在国际数据中心的0

看到2019年人工智能在金融业取得的成就，我们似乎也看到了其他行业可能的发展道路。人工智能在行业中的作用是为更高层次的监管和开发问题做出贡献，从逐帧图像识别到业务逻辑的完全转换。

尽管这一年，我们仍然可以看到人工智能在金融行业制造了很多“笑话”，比如许多银行的智能手机客户服务仍然是笨手笨脚的付富听不懂人们的话，或者总有一些小额贷款公司销售P2P产品披着人工智能区块链量子计算的外衣，但我们仍然在坎坷中走向希望。