2019年对于中国金融来说，是一个相当不平静的年份。从1月份由专项小组发布“175号文”，正式开启了互联网金融的清退行动，到10月份黄奇帆放出消息称中国央行或率先推出数字货币，再到12月份对金融类App信息隐私的严格审查。可以说2019年中国金融的主旋律就是“清退假科技，加码真科技”，打着Fintech旗号的小贷企业倒了一批又一批，与此同时AI、大数据、区块链等先进技术却在不断进入商业落地阶段。

尤其对于AI来说，金融产业一贯是技术输入的“优等生”。金融产业凭借自己高度数字化、信息化的良好基础，相比其他产业更容易打通技术入口。尤其金融产业的前台环节，业务接待、产品销售等流程，同样也属于劳动力高度密集的产业，应用AI所带来的降本增效效应也会更加显著。加上金融行业在技术方面的尝试更加积极，大量金融机构都拥有自己的技术研发部门，使得整个行业在接纳AI赋能上拥有更好的基础，不需要长时间的市场教育。

如此一来，金融产业自然成为了AI产业化的重要阵地，在2019年同样也是如此。

从核验开始，AI打通金融之渠

总的来说，2019年金融产业AI落地发展还是在良好的基础上平稳运行。相信很多人也能直观地感受到，即使作为单纯的C端用户，也能深刻地感知到技术变革所带来的便利。

从金融的前台业务来讲，“核验”几乎是一个必须的环节。这一环节包括了人、票据、证件等多种信息的确认。无非用来应对我们所熟知的“证明你是你本人”一类的问题，但往往就是这些问题，占据了金融产业的大量劳动力。

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、OCR识别、图像识别模型等，就能满足核验过程中的去人工化要求。这样一来很多业务的办理都可以远程执行，只需在手机端拍照上传即可。

但金融行业应用AI完成核验问题的难点，并不在于单纯的技术能力上。

首先从金融行业的特征来说，其对于数据安全和隐私问题的要求天然要比其他行业更高。像今年年末工信部严查App数据授权，下架了大量银行、金融产品App，很多都是从数据安全角度考虑。另一方面，正如前文所说，金融行业的数字化、信息化基础相对其他行业更加完善。尤其当银监会在《中国金融业信息技术“十三五”发展规划》中提出：截至“十三五”末期，银行业面向互联网场景的重要信息系统全部迁移至云计算架构平台，其他系统迁移比例不低于60%。在2016年到2017年间，金融行业中出现了普遍的上云风潮。

当金融行业已经拥有了云化基础，对于数据安全的要求又相对较高时，AI应用的难点就从技术能力变成了部署方式。对于其他行业来说，可能直接对接API就能应用上人脸识别、文字识别等模型，但对于金融行业来说这种部署模式可能还相对粗糙。

于是在2019年中，整个行业显著趋势主要有两个，一个是技术服务者调整自己的云化方案，通过私有云、混合云等多种部署，满足金融行业的特殊需求，与原有数字化基本盘形成流畅的对接。另一个是金融机构选择自己研发或采购技术，对自身云平台的能力进行AI更新。

或许是金融行业对于AI技术的攻克变得更加高效，又或许是技术企业的服务意识不断增强。总之这两种趋势给金融行业应用AI带来了巨大的推助力，我们可以看到在“核验”这一环节中，大多数银行、互金类产品都能实现依靠人脸识别、图像识别的身份核验，完成远程网上开户等工作，也因此减少了身份冒用、证件冒用等方面的风险。

金融AI 2019：写出加分题

我们之所以要强调2019年中金融行业突破了AI部署的难题，是因为这一举动如同打通水渠，带来的绝不仅仅是几个识别算法，而是让大量技术有了源源不断流入良田的可能性。

于是我们可以看到，除了核验这一最通用和普遍的场景之外。金融行业在2019年还进行了更多的尝试，这些尝试并不同于以往“摩根大通利用AI管理基金”这样偏于噱头和实验性的行为，而是更接近于提升实际效益和开拓新的商业场景。

其中最典型的有智能客服。客服部门作为各行各业中普遍化的劳动密集部分，作为被AI“针对”的首要目标也是自然。但在金融行业不同的是，智能客服不仅仅被作用普通产品推销、售后咨询等流程，还大量的被应用在催收这一环节里。

如果以智能客服坐席与普通员工人数对比计算“含AI量”，我们很可能会发现催收公司的“含AI量”是金融企业中最高的。原因就是催收工作高度依赖电话联系，通过智能客服与用户对话，再利用大数据分析用户语音并进行分类，辅助员工进行决策，针对不同类型用户提出不同的策略。不仅提升效率，也让整个工作流程有更高的稳定性和可控性。可以说是彻底改变了催收工作的运行模式。

又比如在这个监管唱重头戏的年份，AI辅助金融监管也开始了种种尝试，出现了Regtech——监管科技这一名词。

在监管科技中，多种类的AI技术被综合应用。像是澳大利亚证券及投资委员会(ASIC)和新加坡货币当局正在应用大数据分析可被用于交易轨迹的异常识别。上交所则应用机器学习对投资者的信息进行搜集建模，以识别出违法违规用户。东京证券交易所也利用的日立的“日立AI技术”来识别市场操纵等不法行为。

总之监管科技的应用，让AI不仅仅用作提升单一企业的效益，更参与防范金融的系统性风险。尤其尤其可以让监管滞后这个一直扼住金融行业咽喉的情况得以缓解。

最后还有场景的创新。

有趣的是，2019年很多技术企业对于金融行业的改造已经不满足于虚拟的数字层面，而开始着手接触现实空间。腾讯、京东等企业都推出了类似于“金融无人舱”的概念，将人脸识别、语音交互等技术通过麦克风阵列、智能摄像头等方式部署在端侧。

通过端侧部署，可以通过统一的硬件配置，让技术模型不再需要面对因移动端设备多样化而提升鲁棒性的麻烦。像是因为不同设备前置摄像头配置不同，用户所处环境也会影响光线。因此人脸核验、证件核验的识别算法都要提升鲁棒性。但整体化的硬件配置，就不再需要担心这些问题。

同时类似“无人舱”概念的出现，绕过银行App这一入口，把AI的接触点直接搬到了线下，让很多不习惯使用App的用户，在线下也能与AI能力相遇，不仅减轻了人工负担，也让业务管理更加统一化。

以上种种只是示例，实际在2019年中，金融AI不论从普及还是创新都是非常密集的。在IDC出具的《中国AI落地白皮书》中也提到，金融产业对于AI的应用最为积极，不论项目落地数量还是成熟度也相对更高。这位优等生做完基础题又做加分题，总之给出了一份很是优秀的答卷。

结束语

看到金融产业AI化在2019年所获得的成绩，我们似乎也看到了一条在其他产业中也有可能出现的发展路径，AI对于产业的作用，就是这样从一帧帧画面的图像识别，再到对业务逻辑的彻底改造，甚至在更高层的监管、发展问题上做出贡献。

虽然这一年中，我们仍然能看到AI在金融产业中闹出了不少“笑话”，像是很多银行的智能电话客服依然傻乎乎的听不懂人话，或者是总有些小贷企业披着AI区块链量子计算的皮卖P2P产品，但磕磕绊绊中，我们仍在走向希望。