人工智能與人類競技的比賽讓更多人關注到這個領域，目前，人工智能的熱度一直未退，并逐漸下沉到一些應用場景中。那么，人工智能技術在金融領域的應用程度如何？還有哪些地方待改善？未來的情景如何？對此，《中國經營報(,)》記者專訪了同盾創始人、董事長蔣韜。

基于算法建模

《中國經營報》：目前國內人工智能體系的發展如何？有哪些地方仍面臨挑戰？

蔣韜：如果說通用型的人工智能，那么從整體的人工智能與人類相比較而言，我覺得人工智能還處于早期階段。但是人工智能在特定的應用場景下可以起到提升效能，降低成本的作用，還能做一些替換人類的工作，比如客服、催收、智能投顧等，在特定的場景是做得非常不錯的。至于提升，目前在阿爾法、語義上的理解等方面，人工智能還面臨著非常大的挑戰。

《中國經營報》：人工智能在風控領域具體有哪些應用場景？

蔣韜：金融市場上有很多風險類型，包括信用類、操作類風險等。我主要從這兩方面來談，操作類的風險，即可以通過人工智能的算法發現用戶的操作是否有異常。操作上的異常，可以是用戶內部的，用戶操作是否合規；也可以是用戶外部的操作風險，比如操作議程、網絡欺詐，被別人盜用等，這些都會大量用到人工智能技術。此外，通過人工智能去分析用戶采購不同金融產品的可能性，提高用戶的交叉銷售率，可以大面積提升金融機構客戶的活躍度，有很多的應用場景。

《中國經營報》：人工智能的上述應用是基于大數據的場景還是其他？

蔣韜：算法當然很重要，所以需要有很多的樣本數據和表現數據，告訴這些機器哪些是對的，哪些是錯的。當然，現在也有一些算法，在沒有大量數據的情況下，也可以發現一些異常。但智能機器發現異常，也會難以辨別對錯。如果是有樣本，就可以學習這是什么東西，那是什么東西，然后再做相應的判斷。總體而言，數據越多越全，肯定越好。

《中國經營報》：如何把握用戶數據隱私的邊界？相比以前的人工風控有哪些優點及待改進的地方？

蔣韜：對于風控模型或系統而言，維度越多，效果越好。為金融機構做風控服務，需要有非常嚴格的用戶數據保護的流程。員工在做分析模型時，要非常嚴格遵守公司的一整套數據安全、數據保護等運營流程。再者，這些用戶數據也需要進行一些脫敏性的操作，個人沒有機會在線下接觸這些數據。

在歐洲、，也有很多這種分析公司，都是在云端服務于機構。因為一些比較大的電商機構或金融機構等，都會把它們內部的管理，或一些分析工作放到云端來進行。這時，就需要拿到個人的授權協議。

《中國經營報》：人工智能相比人工風控有哪些優勢？

蔣韜：主要是效果和效率的提升。一方面，在特定的環境下，機器比人的效果會更好。目前可以通過機器模擬人的方式去跟人交互，給它設定的人群、頻次，那么它會按照設定去操作。如果是真人去做，可能由于業績的壓力，會采取更情緒化的方式，比如語言暴力等。不過，目前機器只能在特定場景下做到簡單的交互，還不能完全和人類通暢無阻地交流。但即便如此，總體而言它的作業效果也比人更好。

《中國經營報》：怎么看待人工智能應用的未來？

蔣韜：在金融風控領域中，目前的人工智能技術已經能夠很好地幫助金融機構，去發現賬戶交易風險等問題。舉了個例子， 蔣韜：在金融風控領域中，目前的人工智能技術已經能夠很好地幫助金融機構，去發現賬戶交易風險等問題。舉了個例子，比如在信貸審核場景中使用人工智能技術，可以將人工信審復雜化、機械化、無標準化的弊端，變得簡單化、流程化和標準化，大大提高了效率。人工智能對金融效率和成本結構的影響將會非常深遠，特別是對銀行的營銷等各環節的提升將發揮重要作用。

需差異化設計

《中國經營報》：同盾科技在第三方智能風險管理服務方面，如何將人工智能與風險管理進行了結合？

蔣韜：主要有四個應用，智能信審、逾期管家、機器學習平臺、流計算平臺。智能信審主要面向貸前的信用審查和風險評測。用人工智能技術將人工信審復雜化、機械化、無標準化的弊端，變得簡單化、流程化和標準化，提高了效率和信審員的審核效率，延伸了他們的能力，使得傳統信審工作在精準性、高效性和體驗性上得以大幅提升。

逾期管家是基于智能決策和智能語音的機器催收平臺，背后以數據生態系統作為支撐，適用于銀行、電商、新金融和等各類場景，將貸后催收的各個標準化業務進行全面的智能化改造。

機器學習平臺，主要建立標準化的模型全生命周期管理，包括數據讀取、數據處理、特征工程、模型訓練、模型測試、模型部署、模型運行和監控，降低建模進入門檻，減少大量人工操作出錯的可能，大幅提升模型上線效率。

內置模型平臺，支持一鍵部署，模型開發完成后，可以一鍵部署到線上生產環境。可視化的建模平臺，內置多種常用機器學習算法，包括監督型、無監督型、半監督型，通過簡單的拖拉拽及參數配置，就能完成模型的開發，即使初級的建模人員也能快速開發出高質量的機器學習模型。

流計算平臺，可以實現事件驅動，實時處理和計算，無需等待數據積累到一定程度；非阻塞型的異步處理機制，支持毫秒級處理，支持千億/日級別的并發請求量處理；同盾的流計算平臺也支持水平擴展，可以支持上千萬/秒的吞吐量。

《中國經營報》：目前同盾的服務線已經覆蓋了很多領域，在垂直領域中如何對機構提供差異化的服務？

蔣韜： 方法論和工具本質上都相同，但用一套模型去服務所有的客戶，還是不太容易，所以還是會做差異化設計。因為，即使同一家銀行，它們自己的業務類型也有不一樣的；即使只是針對它們要做，或者做消費金融場景，具體服務的客群和風險都是不一致的；所以在為客戶提供服務時，公司會去討論銀行的業務，push到我們的模型，根據具體情況去定做。

《中國經營報》：除了應用于風控外，人工智能在為b端用戶提供c端用戶產品的推薦方面如何應用？

以上是網絡信息轉載，信息真實性自行斟酌。