人工智能在金融行业中的创新应用分析报告

人工智能在金融行业中的创新应用2023.11.19CONTENTS1.人工智能与金融行业：正当其时，大有可为2.开始的结束：厚积薄发，传统式人工智能驱动金融业务3.开始的开始：另辟蹊径，生成式人工智能重塑金融业务4.未来展望：传统与新兴融合，人工与AI协作CONTENTS1.人工智能与金融行业：正当其时，大有可为2.开始的结束：厚积薄发，传统式人工智能驱动金融业务3.开始的开始：另辟蹊径，生成式人工智能重塑金融业务4.未来展望：传统与新兴融合，人工与AI协作从业务支撑到创新驱动，技术助推金融进入数智化时代信息化数字化数智化IT+金融互联网金融2016AI+金融2004技术作为基础设施形成业务支撑科技转向前台进入金融业务核心环节技术与业务融合技术创新驱动业务变革•

信贷系统•••网上银行•

智能承保、智能理赔•

线上保单管理•

理财信息化管理在线投保、查询、理赔在线理财咨询、投资规划•

智能投顾、智能投研•

智能获客、智能风控、智能运营驱动后台驱动前台驱动创新与变革金融数智化时代，机遇与挑战并存把握机遇直面挑战传统式人工智能厚积薄发，加速价值释放生成式人工智能另辟蹊径，打开创新空间技术变革对人才和组织形成挑战机遇一：鼓励发展科技金融，以数智化增加金融的科技含量2023年中央金融工作会议2023/10•

把更多金融资源用于促进科技创新，做好科技金融、绿色金融、普惠金融、养老金融、数字金融五篇大文章，推动金融高质量发展。《数字中国建设整体布局规划》•

做强做大数字经济，特别是推动产业数字化——在金融等重点领域，加快数字技术创新应用2023/22022/9中国人民银行、市场监管总局、银保监会、证监会印发《金融标准化“十四五”发展规划》•

强调发展数字金融产业、推动个人金融服务数字化转型…构建安全高效的金融服务生态、提高数字化风控能力2022/1《金融科技发展规划〈2022-2025年》•

八个重点任务中。强调深化数字技术金融应用国务院《“十四五”数字经济发展规划》•

加快金融领域数字化转型，合理推动人工智能、区块链、大数据在银行等领域的应用2022/12017/7国务院《新一代人工智能发展规划》•

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机遇二：数据、算力、算法共同推动AI技术进步算法推动AI技术进步三驾马车数据算力数据规模更丰富、利用更深入，为AI技术进步提供充足燃料宏观层面，微观层面，随着数字化转型不断深入加速金融场景下的数据生产和使用，数据飞轮加速转动市场数据规模不断增长，数据不断丰富，流通制度更加清晰更多数据更多用户更多用户反馈更好产品更准确模型算力稳定增长，为AI技术进步提供坚实支撑我国算力持续稳定增长，加速AI能力提升与应用进政策支持下，中国算力将进入新一轮发展期程•

算力基础设施高质量发展，规划明确目标——到2025年，计算力方面，算力规模超过300EFLOPS，智能算力占比达到35%，东西部算力平衡协调发展。运载力方面，国家枢纽节点数据中心集群间基本实现不高于理论时延1.5倍的直连网络传输，重点应用场所光传送网（OTN）覆盖率达到80%，骨干网、城域网全面支持IPv6，SRv6等创新技术使用占比达到40%。存储力方面，存储总量超过1800EB，先进存储容量占比达到30%以上，重点行业核心数据、重要数据灾备覆盖率达100%。应用赋能方面，打造一批算力新业务、新模式、新业态，工业、金融等领域算力渗透率显著提升，医疗、交通等领域应用实现规模化复制推广，能源、教育等领域应用范围进一步扩大。每个重点领域打造30个以上应用标杆。4个方面保障措施：加强统筹联动，加大金融支持，深化交流协作，强化平台支撑。算法持续创新，为AI技术进步提供强劲动能算法持续创新，为业务带来新可能应用场景和业务需求加速算法创新模型区分度显著提升（数据处理、特征处理能力更强）变量全集剥离混淆因子因果因子因果效应深度学习模型区分度大幅提升决策精度相对提升，判断未知风险能力弱算法&业务互相驱动持续创新机器学习通过多层非线性变换，深度学习可以从数据中学习到更加抽象和高级的特征表示，进一步提高风控的精度和性能结果变量线性回归处理时间长、无法自动更新，决策误判高通过机器学习提高型的性能和泛化能更加准确地识别和估风险。人

规通过建立线性回归型，对风险进行量评估和预测KS通过分析历史数据风险案例，专家总出一些规则和模式用于识别和预测风以大数据风控为例机遇三：生成式人工智能迅速演进，打开金融创新空间金融+AI,赋能金融业务营销服务运营风控…生成式AI技术爆发挑战：金融数智化时代，需坚持以合规为基础、以人为中心合规发展▪

数据合规：如何适配快速变化的数据收集、处理和存储相关合规要求▪

隐私保护：如何应对好金融行业严格监管要求下的数据泄露、数据滥用等数据隐私问题以人为本CONTENTS1.人工智能与金融行业：正当其时，大有可为2.开始的结束：厚积薄发，传统式人工智能驱动金融业务3.开始的开始：另辟蹊径，生成式人工智能重塑金融业务4.未来展望：传统与新兴融合，人工与AI协作目前金融已深度集成AI，AI创新可对业务形成巨大驱动身份核验客户服务营销获客投研投顾合规风控业务发展金融已深度集成AI金融业务+驱动AI+金融AI技术AI技术进步计算机视觉

智能语音

自然语言处理机器学习……知识图谱以信贷为例，传统人工智能驱动信贷全价值链升级全流程的决策优化全方位的降本增效提升获客决策精度，实现有效率的增长提升风控决策精度，降低信贷风险模型辅助运营，提升经营效果智能信贷精准客户定位个性化推荐智能营销策略…征信数据解读大数据风控智能信审......差异化定额个性化定价多样化还款方式......传统人工智能自然语言处理因果推断机器学习计算机视觉智能语音…传统信贷模式：推广人员广撒网覆盖主流流量渠道，投放策略多基于经验，效果强依赖平台流量供给问题：不确定性强，效率低成本高模式：大量信审人员，依靠有限的结构化数据，基于规则与经验做出风险判断问题：风险隐患大、效率低成本高模式：运营人员只关注群体用户的关键指标，依靠经验和少量实验判断用户偏好，做出经营决策问题：运营决策偏主观，重视群体忽视个体获客风控经营信贷风控：NLP技术演进，提升文本解析和风控决策精度业务问题借助自然语言处理技术迭代发展，实现风险区分能力大幅提升业务场景文本信息解读风险风险区分能力提升12%15%18%26%29%KS信贷风控用户大量的风险信息以文本形式存在，如客户征信、合同、社交媒体信息等,依赖精准高效的文本解读能力词袋模型注意力机制Bert微调分片式序列模型预训练传统解决方案人工经验应用于智能风控业务根据专家经验，利用简单规则或者关键词库，从文本中提取信息,难以充分提取用户相关文本数据中蕴含的信息，Case：谁是坏人？用户A用户B风控效果差强人意关键词表人工文本传统、可人工统计黑话、文本更有效的新词发现精准的语义表示信贷风控：图机器学习，提升征信解读和风险区分能力结合图机器学习，实现征信报告智能解读，显著提升风险区分能业务问题力风险变量信贷风险降低业务场景度小满智能化征信解读中台获吴文俊人工智能科学技术奖深度解读征信40万+25%征信报告信息丰富，是信贷风控主要数据之一征信解读的五个发展阶段人工经验人工特征衍生机器自动衍生深度学习图机器学习同数据集下效果KS

Baseline22%24%26%27%贷款记录••组织、额度等过去60个月还款记录记录1记录2个人信贷记录（准）贷记卡记录组织、额度等过去60个月还款记录图算法进展和效果••记录1记录2阶段1：单报告内部关系图

阶段2：多个报告之间关系图

阶段3+动态图、时序图传统解决方案以查询/借还款行为和机构为节点构图，捕捉同样行为在不同关系场景下的不同含义利用工作单位、居住地址信息，结合股权关系等外部数据，将不同征信报告关联成一张图人工解读动态预测节点之间的关系，图网络结构不断演进，节点与边的属性实时更新依赖解读征信的人员专业知识和经验——风险挖掘能力不佳•难以捕获其他人对用户的风险影响•难以处理用户风险随时间动态漂移的问题图模型效果超大规模特征，特征效果超银行评分卡信贷风控：CV技术升级，支持信贷审批提效降本业务问题计算机视觉支持信贷风控审批流程提效降本业务场景↓

千万相对审核人力成本↑

70+%应用于信审秒批，相对审核效率信贷审批提效信贷风险管理需要大量用户信息收集工作，流程长，需要大量的人工投入文档智能技术创新多模态特征表示内容阅读图像/视频识别识别与理解版面还原分析与决策内容审核融合图像、位置、布局等多源信息，建立不同level的提取模型，提升复杂场景下关键信息识别理解能力，平均准确率达到95%+内容解析信息提取成本高效率低易出错非结构化分析与处理解析与识别还原与转换提取与理解校验与标准文档预训练模型用户数据种类繁多交易流水基于多模态文档预训练+场景微调，只需数10张样本，即可完成模型训练，提升小样本的建模能力企业财报PDFOFFICE图片字段内容图像分类篡改检测质量评估风险类型EXCEL抽取PDF内容解析图片识别元素提取布局分析表格检测表格重建实体识别标准化结果映射字段规范化校验内容加工与比对内容纠错与审核图像质量图像风险内容恢复关系提取风险识别文档分类图像标签基于ELA误差等级分析，借助视觉Transformer，挖掘像素级篡改特征，构建文档、证件篡改检测模型，准确率达96%报销票据店面门头视频视频OCR信贷经营：应用因果推断技术，实现个体额度最优业务问题什么是关联关系？什么是因果关系？需求表象：观察整体洞察：观察局部业务场景经营决策优化悖论：体数据的统计关性，可能与分数据的统计关性相反信贷经营场景存在大量复杂决策场景和复杂数据，决策归因、优化难生活中的一个例子找到控制胆固醇变高方法•

什么是导致决策最优的决策因子？•

做什么经营动作可以支持策略最优？们观测到的变本身之间未必直接的因果关，背后是由一因果因素产生来。——运动越少胆固醇越低？(反事实)——不同年龄组下，运动越少胆固醇越高业务中的一个例子以往解决方案机器学习-关联建模找到降低风险策略真正可以影响果的因果关系什么？什么是响决策的真正效变量？传统机器学习关联建模，虽可以找到关联关系，但无法用于决策——观察局部(额度近似用户)，调整额度越高，其逾期率有上升趋势——额度越高风险越低？(反事实)信贷经营：应用因果推断技术，实现个体额度最优解决方案：基于因果推断技术，实现额度策略优化之前的给额框架因果推断技术演进额度策略1.Meta-Learners框架工业代表算法Xlearner2.DebiasedLearning框架工业代表算法DoubleML3.表示学习框架DXM自研算法Mono-CFR实验组实验组ꢄ1对照组对照组ꢄ0FeaturesConfoundersTreatmentOutcome�ꢀ

ꢁꢂ

=

ꢃꢀꢁꢂꢄ

ꢀ

ꢁꢂ

+

ꢃ−ꢅꢀꢆꢂꢄ

ꢀꢁꢂ创新解决方案业务收益

分别学习因果关系：通过因果学习算法，构建原因与结果间的稳定关系

目标最优化：结合目标需求，搜索客户个体维度决策最优的额度，直接给出最优额度15%↓额度变化后，用户的风险会变化——无法衡量额度变化后的风险迁移情况额度复购模型额度借款模型最优额度额度风险模型金额逾期率CONTENTS1.人工智能与金融行业：正当其时，大有可为2.开始的结束：厚积薄发，传统式人工智能驱动金融业务3.开始的开始：另辟蹊径，生成式人工智能重塑金融业务4.未来展望：传统与新兴融合，人工与AI协作生成式AI以Copilot方式，从点到面重塑金融价值链重塑营销重塑服务重塑运营重塑研发重塑办公重塑风控•

智能搜索•

知识助手……•

智能信审•

风险模拟……•

传播洞察•

智能投放……•

客情摘要•

客服助手……•

NL2SQL•

投研投顾……•

代码生成•

单测生成……大模型核心能力个性生成交互增强预测模拟强自动化理解|

生成|

逻辑|

记忆营销：个性化素材结合差异化产品，重塑开放获客新模式获客：根据用户特征生成个性化素材转化：结合用户需求提供差异化产品征信报告用户画像&行为特征征信报告&行为数据&需求表达行为数据需求表达用户流量平台金融APP地理位置素材平台需求平台预期职业定制方定制方……借8万吧，借个四、五个月，个性化营销素材这样吧，如果您借满6个预期职业月呢，利息可以给您打个9折；如果提前还，您还按原来的价格，您看可以吗？服务：提质降本，营销服务一体化营销服务一体化生成式AI营销服务成本中心利润中心服务过程中可以将人力投入到更有价值的业务上，提升服务的同时，实现利润目标。生成式AI串联起了原本分散的业务环节，实现营销服务一体化成为可能服务质量和服务能力提升服务成本降低人工坐席模型直接对客人力密集技术密集内部提效25%服务能力有效隐形增员空间巨大模型辅助人工创新技术应用将释放大量人力，降低服务成本大模型辅助的水平，持续提升服务承载能力和平均服务质量运营：数据驱动的业务运营新范式这个新客户非常重要，项目可以承受一定程度的亏损，但是要保证公司整体利润底线不受影响，那么报价最低是多少？基于大模型的BI新范式架构增强数据增强分析增强本季度目标利润率是10%。根据最近三个月的财务数据统计，总营收为2.1亿元，毛利3360万，实际利润率为16%；我们的投标价格底线最低下降至3849万时，不会影响公司整体毛利率目标。大模型原生架构全模态数据自动获取自动决策AI方法+AI能力发生即获取基于数据自动优化运营Q3实际实际营收(万元)实际毛利(万元)实际利润率21000336016%集成大模型能力主动收集数据降低分析门槛基于项目中标的Q3预测BI方法+AI能力主动按需收集业务数据自然语言即可分析实际营收(万元)实际毛利(万元)实际利润率10%280002800传统BI数据架构数据获取数据分析研发：基础代码自动生成，业务代码人人可写代码采纳率超40%，体感研发效率提升近20%覆盖Python、java、sql、javascript、go、html、c++、css等多种编程语言更好的开发体验更快的迭代速度更精益的组织结构单点提效→

全流程重塑帮助思考帮助编码帮助修改规划编写测试维护理解需求做开发计划代码生成和补齐，识别错误并自动修复生成测试用例和测试数据，提升测试质量结合系统日志、用户反馈来帮助诊断问题办公：无处不在、无缝衔接的办公助手多层次、全方位的能力辅助度小满-

ChatMan办公助手私人顾问：个人决策助手，基于个人可获取信息，帮助决策，提升价值决策能力业务能力真实问答场景全面辅助：实时、全面和准确地辅助解决业务、政策、资讯等等复杂问题用户满足率从金融监管治理涉及的四个核心要素是：独立性、问责制、透明度、操守。操作提效：大模型驱动的知识抽取与信息处理等工作，提升基础操作性工作的效率通用能力首先，独立性指的是监管机构具有一定的自主权，使其能够免受政治层面和被监管实体的干扰，以确保公平、有效地进行金融监管。监管机构的独立性不仅要求专业性技能，以便在复杂情况下迅速做出反应，还要求其能够使自身免受政治干预，增加监管行为的透明度和稳定性，由此提高政策制定的可信度。助力提升内外部协同效率提升至其次，问责制是监管治理的重要环节，……然后，透明度也是极为重要的，……最后，操守是指监管机构和监管人员需要坚