人工智能如何顛覆金融業

執行摘要

通用技術是經濟學家為刺激長期經濟增長和社會進步、徹底改變家庭和企業運營的技術而保留的術語。 一個示例通用技術是電力。 電力催生了許多產品和部門，包括冰箱、洗衣機、火車，當然還有電腦。 電力的出現徹底改變了世界。

哈佛商業評論最近的一篇文章將人工智能 (AI) 指定為我們這個時代最重要的通用技術。 我們熟悉人工智能的力量。 它以機器人擊敗世界知名棋手的形式表現出來。 可以平行停放的汽車。 當我們詢問時響應明天天氣的設備。 但我們與人工智能的大部分接觸和理解都圍繞著影響我們作為消費者日常生活的產品。 在組織層面，關於人工智能將如何顛覆行業，特別是金融服務將如何利用人工智能存在更大的問題。

下一篇文章將定義人工智能、其相關技術的領域、整個人工智能產業的規模以及人工智能在金融中的應用。 本文無意對人工智能發展提供規範性判斷； 相反，它將關注人工智能如何顛覆金融業。

人工智能：什麼是人工智能？

人工智能是計算機科學的一個領域，專注於創造像人類一樣運作的智能機器。 人工智能計算機旨在執行人類功能，包括學習、決策、規劃和語音識別。

人工智能使機器能夠不斷提高其性能，而無需人類提供有關如何做到這一點的說明性說明。 這很重要，有幾個原因。 首先，人類知道的比我們能說的要多。 也就是說，人類可能能夠在國際象棋遊戲中識別人臉或執行智能策略。 然而，在先進的人工智能技術出現之前，人類無法表達我們的知識意味著我們無法自動化許多任務。 其次，人工智能技術在執行方面是超人的，比人類運行得更快、更準確。

人工智能技術

人工智能包含多種能力和技術。 諮詢公司普華永道強調，人工智能“不是一個單一的主題領域。 它包含許多東西，所有這些都增加了我們對“智能”意味著什麼的概念。”以下是一些最受歡迎的人工智能領域：

• 機器學習是一種自動化分析模型構建的數據分析方法。 使用從數據中迭代學習的算法，機器學習使計算機能夠找到隱藏的洞察力，而無需明確編程到何處查找。
• 深度學習是機器學習的一個子集。 它促進了圖像、視頻標記和活動識別中的對象識別，並在感知（包括音頻和語音）方面取得了進展。 例如，Facebook 的深度學習應用程序 DeepFace 已經過訓練，可以識別照片中的人物。 許多人將深度學習技術與生物學進行了比較，但專家們普遍認為，雖然受到人腦的啟發，但不一定以人腦為模型。
• 自然語言處理是計算機程序實時理解人類語音的能力。 研究和開發正在轉向能夠通過對話與人互動的系統，而不僅僅是對程式化的請求做出反應。
• 物聯網 (IoT)致力於將各種設備（包括電器、車輛和建築物）互連起來。 例如，如果您的鬧鐘在早上 7:00 響起，它會自動通知您的咖啡機開始為您沖泡咖啡。 在佩戴時充當傳感器的可穿戴技術也是這一更大趨勢的一部分。

當然，這份清單並不全面。 有關更廣泛的人工智能主題和技術，請參見下文。

人工智能市場規模

前面提到的哈佛商業評論文章預測，“人工智能的影響將在未來十年被放大，因為製造、零售、運輸、金融、醫療保健、法律、廣告、保險、娛樂、教育以及幾乎所有其他行業都會改變他們的核心流程和業務模型以利用機器學習。 瓶頸在於管理、實施和商業想像力。”

人工智能在各行各業的廣泛採用預計將推動 2017 年和 2020 年的全球收入分別為 125 億美元和 470 億美元，2016 年至 2020 年的複合年增長率 (CAGR) 為 55.1%。具體而言，投資最多的行業是該技術是銀行和零售，其次是醫療保健和製造業。 總體而言，這四個行業將佔 2016 年全球人工智能收入的一半以上，銀行和零售行業各貢獻近 15 億美元。

縱觀各行各業，2017 年最大的人工智能投資將集中在自動化客戶服務代理、自動化威脅情報和欺詐分析等領域（見下表）。 市場研究公司 IDC 的項目主管 Jessica Goepfert 表示：“認知系統的近期機會在於銀行、證券和投資以及製造業等行業。 在這些細分市場中，我們發現了大量非結構化數據，渴望從這些信息中獲得洞察力，並且對創新技術持開放態度。” 本文的下一部分將深入研究金融服務行業中人工智能的各種用例。

人工智能在金融領域的現狀和未來應用

金融領域的人工智能可以提高從風險管理和交易到承保和索賠等領域的運營效率。 雖然一些應用程序與金融服務中的特定部門更相關，但其他應用程序可以全面利用。

金融中的人工智能：風險管理

在安全和欺詐檢測方面，人工智能已被證明非常有價值。 傳統的欺詐檢測方法包括計算機根據一組規則分析結構化數據。 例如，給定的支付公司可能將電彙的門檻設置為 15,000 美元，以便任何超過該金額的交易都將被標記為進一步調查。 但是，這種類型的分析會產生許多誤報，並且需要大量額外的工作。 也許更重要的是，網絡犯罪欺詐者經常改變他們的策略。 因此，最有效的系統必須不斷變得更加智能。

借助先進的學習算法，例如來自深度學習的算法，可以將新功能添加到系統中以進行動態調整。 Deloitte Transactions and Business Analytics LLP 的顧問負責人 Samir Hans 表示：“借助認知分析，欺詐檢測模型可以變得更加穩健和準確。 如果認知系統排除了它確定為潛在欺詐的東西，而人類根據 X、Y 和 Z 確定它不是欺詐，計算機將從這些人類洞察中學習，下次它不會以你的方式發送類似的檢測. 計算機變得越來越智能。”

PayPal 在人工智能和欺詐檢測方面的成功

以支付巨頭 PayPal 及其先進的欺詐協議為例。 由於其規模和知名度，PayPal“背上了一個巨大的目標”。 2015 年，它從 1.7 億客戶的 400 萬筆交易中處理了 2350 億美元。 然而，PayPal 已經能夠通過利用深度學習技術來提高安全性。 事實上，PayPal 的欺詐行為相對較低，僅為收入的 0.32%，遠高於商家看到的 1.32% 的平均水平。

過去，PayPal 使用簡單的線性模型。 今天，它的算法從客戶的購買歷史中挖掘數據，並審查存儲在其不斷增長的數據庫中的可能欺詐模式。 雖然線性模型可以使用 20-30 個變量，但深度學習技術可以控制數千個數據點。 這些增強的功能有助於 PayPal 區分無辜交易和可疑交易。 根據 PayPal 全球風險科學高級總監王輝的說法，“我們從更現代、更先進的機器學習中享受到的是它能夠消耗更多數據、處理層層抽像以及能夠‘看到’事物 [... ] 甚至人類也可能看不到。”

金融中的人工智能：交易

從人工構建的模型過渡到真正的 AI

多年來，投資管理公司一直依靠計算機進行交易。 大約 1,360 家對沖基金（佔所有基金的 9%）依賴於由通常擁有數學博士學位的數據科學家（也稱為“量化專家”）建立的大型統計模型。 然而，這些模型僅利用歷史數據，通常是靜態的，需要人工干預，並且在市場變化時表現不佳。 因此，資金越來越多地轉向真正的人工智能模型，這些模型不僅可以分析大量數據，還可以繼續自我改進。

這些新技術利用了複雜的技術，包括深度學習、一種稱為貝葉斯網絡的機器學習形式，以及受遺傳學啟發的進化計算。 人工智能交易軟件可以吸收海量數據來了解世界並對金融市場做出預測。 為了了解全球趨勢，他們可以閱讀從書籍、推文、新聞報導、財務數據、收益數字和國際貨幣政策到《週六夜現場》草圖的所有內容。

需要明確的是，上述內容與高頻交易 (HFT) 不同，高頻交易允許交易者在幾秒鐘內執行數百萬個訂單並掃描多個市場，以人類無法做到的方式響應機會。 上面討論的人工智能驅動的平台正在尋求長期的最佳交易，而機器——而不是人類——正在決定策略。

其中一些人工智能交易系統是由初創公司開發的。 例如，總部位於香港的 Aidiya 是一家完全自主的對沖基金，它使用人工智能 (AI) 進行所有股票交易。 “如果我們都死了，”聯合創始人 Ben Goertzel 說，“它會繼續交易。” 傳統機構也對人工智能交易技術感興趣。 2014 年，高盛領投了 A 輪融資，並開始安裝一個名為 Kensho 的人工智能交易平台。 Kensho 的 B 輪融資中，除標普全球外，華爾街最大的六家銀行（高盛、摩根大通、美銀美林、摩根士丹利、花旗和富國銀行）也參與其中。

交易表現比較

投資研究公司 Eurekahedge 最近進行的一項研究跟踪了 23 家使用人工智能的對沖基金在 2010 年至 2016 年期間的表現，發現它們的表現優於由更傳統的寬客和廣義對沖基金管理的基金。

對交易者和量化的影響

觀察人工智能將如何影響貿易勞動力市場將會很有趣。 它的影響已經在一些主要銀行機構中顯現出來。 2000 年，高盛位於紐約總部的美國現金股票交易櫃檯僱傭了 600 名買賣股票的交易員。 今天，它有兩個股票交易員，其餘的由機器完成。 Kensho 首席執行官 Daniel Nadler 宣稱：“10 年後，高盛的員工人數將比現在少得多。” 至於量化分析師，他們可能會發現投資管理公司對他們的技能的需求較少。

目前，大約三分之一的頂尖商科畢業生投身金融業。 一些國家最優秀的人才會去哪裡？ 美國競爭力委員會高級顧問 Mark Minevich 認為，“其中一些聰明人將進入科技初創公司，或將幫助開發更多的人工智能平台、自動駕駛汽車或能源技術 [...] 紐約可能會與硅谷競爭科技谷。”

金融中的人工智能：機器人諮詢

什麼是機器人顧問，它是如何工作的？

機器人顧問是數字平台，可提供自動化的、算法驅動的財務規劃服務，且人工監督最少。 雖然人類財務經理自 2000 年代初以來一直在使用自動投資組合分配，但投資者必須聘請顧問才能從該技術中受益。 今天，機器人顧問允許客戶直接訪問該服務。 與人類同行不同，機器人顧問不間斷地監控市場並且全天候 24/7 可用。 機器人顧問還可以為投資者節省高達 70% 的成本，並且通常需要較低或沒有最低參與。

今天，機器人顧問可以幫助完成更多重複性的任務，例如開戶和資產轉移。 該過程通常涉及客戶回答有關風險偏好或流動性因素的簡單問卷，然後機器人顧問將其轉化為投資邏輯。 目前大多數智能投顧的目標是根據客戶的偏好將客戶分配到託管的 ETF 投資組合中。 預計未來的功能將演變為更先進的產品，例如自動資產轉移和擴大房地產等替代資產類別的覆蓋範圍。

智能投顧可以對個人理財和財富管理領域產生重大影響。 雖然目前機器人顧問管理的總資產 (AUM) 僅佔財富管理行業 4 萬億美元中的 100 億美元（不到所有管理賬戶資​​產的 1%），但 Business Insider 的一項研究估計，到 2020 年，這一數字將上升到 10% . 這相當於大約 8 萬億美元的資產管理規模。

機器人諮詢的行業採用

行業參與者對機器人諮詢採取了不同的方法。 較小的財富管理公司正在添加算法組件以自動化其投資管理、降低成本/費用並與機器人顧問競爭。 另一方面，成熟的投資公司正在購買現有的機器人顧問，例如 Invesco 收購 Jemstep，或創建自己的機器人顧問解決方案，例如 FidelityGo 和 Schwab 的 Intelligent Advisory。

機器人顧問與財務顧問：人類會被取代嗎？

專家們的普遍共識是，人類將仍然不可或缺。 人情味仍然至關重要，因為顧問仍需要在困難的財務時期安撫客戶，並用有用的解決方案說服他們。 諮詢公司埃森哲進行的一項研究顯示，77% 的財富管理客戶信任他們的財務顧問，而 81% 的人表示面對面的互動很重要。 對於具有復雜投資決策的客戶，將計算機化服務與人工顧問相結合的混合諮詢模式正在獲得關注。

雖然財務顧問仍將是核心，但機器人顧問可能會導致他們的工作職責發生變化。 通過人工智能管理重複性任務，投資經理可能會承擔數據科學家或工程師的職責，例如維護系統。 人類也可能更多地關注客戶關係的建立和解釋機器所做的決定。

金融中的人工智能：保險承保和索賠

保險依賴於人群之間的風險平衡； 保險公司將類似的人聚集在一起，有些人會要求賠付，而有些人則不需要。 該行業建立在風險評估之上； 保險公司對數據分析並不陌生。 但是，人工智能可以擴展分析的數據量以及使用方式，從而實現更準確的定價和其他運營效率。

初創公司處於推動行業向前發展的最前沿。 Bain & Co 的合夥人 Henrik Naujoks 表示：“初創企業正在展示什麼是可能的，什麼是可以做的。 許多現任高管都在關注它——他們並不真正了解它，但他們想參與其中。” 投資者也抓住了這一趨勢（見下文）。 2016 年，人工智能是保險科技投資最熱門的主題之一。

人工智能和核保

普華永道的一份報告預測，到 2020 年，人工智能將實現大量承保自動化，尤其是在數據可用的成熟市場。 目前，保險承保人在計算機軟件和精算模型的幫助下，評估潛在客戶的風險和敞口，他們應該獲得多少保險，以及他們應該為此收取多少費用。 在短期內，人工智能可以幫助汽車、家庭、商業、人壽和團體保險的大量承保自動化。 未來，人工智能將增強建模能力，突出人類決策者的關鍵考慮因素，否則這些因素可能會被忽視。 還預測，考慮到獨特的行為和情況，先進的人工智能將使公司或個人能夠進行個性化承保。

增強型承保不僅可以利用機器學習進行數據挖掘，還可以利用可穿戴技術和深度學習面部分析儀。 例如，初創公司 Lapetus 想要利用自拍來準確預測預期壽命。 在他們提出的模型中，客戶將通過電子郵件發送他們的自畫像，然後計算機將對其進行掃描和分析——分析數千個面部區域。 該分析將考慮從基本人口統計數據到人的衰老速度、體重指數以及是否吸煙等所有方面。 此外，可穿戴技術可以使承保過程更具協作性。 可穿戴設備無需依賴冗長的醫療檢查和復雜的合同流程，而是可以提供對投保人健康和行為的實時洞察。 顯然，金融領域的機器學習已經在發展。

這些類型的細緻入微的實時風險分析不僅可以實現更準確的客戶定價，還可以及早發現健康風險，並為保險公司提供投資預防的機會。 保險公司可以主動嘗試降低損害和相關成本的可能性，而不是最終為患者支付昂貴的治療費用。

在 2013 年牛津大學的一項研究中，分析了 700 多個職業以確定哪些職業最容易受到計算機化的影響，保險承保人被列入最容易受到影響的前五名。 即使人工智能沒有完全取代承銷商，人工智能自動化也可以改變承銷商的責任。 人工智能可以為承銷商騰出時間來獲得更高的附加值，例如在數據較少的新興市場評估和定價風險，提供更多的風險管理和產品開發反饋。

人工智能和保險理賠

保險索賠是發送給保險公司的正式付款請求。 然後保險公司審查索賠的有效性，並在獲得批准後向被保險人付款。 以下是人工智能如何增強這一過程：

提高客戶數據的準確性。 索賠過程相當手動：人工代理手動記錄客戶信息和事件詳細信息。 根據 Experian 的一份報告，數據質量可能會受到影響：不完整的數據佔數據錯誤的 55%，而拼寫錯誤佔 32%。 人工智能可以通過減少人工輸入來提高準確性。 此外，理賠流程通常需要保險代理人將客戶信息與眾多數據庫進行匹配。 人工智能可以用來更有效地做到這一點。

更快的支付建議。 根據 JD Power & Associates 的一項財產索賠滿意度研究，緩慢的索賠週期是導致客戶不滿意的最大因素之一。 人工智能可以通過首先驗證保單，然後確定索賠以及是否自動付款來幫助減少周轉時間。 這是因為人工智能不僅能夠分析結構化數據，還能夠分析手寫表格和證書等非結構化數據。

金融中的人工智能：對話式銀行業務和客戶服務

銀行正在利用他們面向客戶的虛擬助手（稱為聊天機器人）進行大賭注。 雖然早期版本的聊天機器人只能回答有關支出限制和最近交易的基本問題，但未來版本將成為可以為消費者付款和跟踪預算的全方位服務虛擬助手。 與客戶互動可以節省大量成本，但人際互動無疑也比簡單的數字運算更複雜。 批評者指出，聊天機器人缺乏同理心和理解力，而人類在處理困難的財務決策和情況時可能需要這種同情心和理解力。 對於這項技術，自然語言處理的人工智能技術對於處理和響應個性化的客戶關注和願望至關重要。

2016 年 10 月，美國銀行和萬事達卡分別推出了他們的聊天機器人 Erica 和 Kai。 這些將允許客戶通過亞馬遜 Echo 塔的 Facebook Messenger 詢問有關其帳戶的問題、發起交易並接收建議。

Capital One 還推出了自己的聊天機器人，名為“Eno”，它是“One”的字謎。 Eno 使客戶能夠使用基於文本的語言與銀行聊天，以支付賬單和檢索帳戶信息。 巴克萊銀行也參與其中。 在描述美國銀行的新聊天機器人時，美國銀行數字銀行業務負責人 Michelle Moore 宣稱：“銀行業將在兩年、三年或四年內發展成什麼樣子？ 會是這個。”

離別的思念

人工智能對金融服務的全面影響有待觀察。 一些未來學家認為，世界正在迅速接近一個臨界點，即機器智能將超越人類智能的“奇點”。 包括比爾·蓋茨和斯蒂芬·霍金在內的著名技術專家和科學家已經警告過這一點。 埃隆·馬斯克（Elon Musk）還曾著名地敦促說：“人工智能是人類文明存在的根本性風險，我認為人們並不完全理解這一點。”

隨著人工智能繼續在我們的個人和職業生活中擴散，許多問題將繼續出現。 其中包括潛在的錯誤、對機器的普遍不信任情緒以及對工作更換的擔憂。 忽視這些恐懼是錯誤的。 儘管如此，社會已經在朝著人工智能驅動的世界加速前進。 在這個新世界中，關注機器和人類如何最好地共存可能是最有成效的。 政策制定者必須保持謹慎，在允許新技術發展的同時監測並儘量減少其負面影響。 開發人員和設計人員還應增強人類理解人工智能係統的能力，以建立信任並提高對人工智能應用程序的滿意度。 每個人都將發揮作用。

正如日本銀行行長黑田東彥在 2017 年人工智能和金融服務會議上所說， “我們必須建設性地考慮人類和人工智能相互補充而不是對抗的理想方式。 例如，人類判斷並非完全擺脫現有範式，因此有時會忽略變化。 在這方面，人工智能可以通過中立地分析和發現無數[原文如此]數據之間的新關聯來調整我們的偏見。 同時，人類可以用他們的直覺、常識和想像力來彌補人工智能的弱點。”