人工智慧席捲消費金融，市場進入全新時代！
2012年以後，得益於資料量的上漲、運算力的提升和機器學習新演算法的出現，
此後幾年，人工智慧也開始不斷深入金融業，更有業內人士預測2018年將是金融機構全面智慧化轉型的一年，人工智慧也將全面應用于金融服務。
當然，消費金融機構也不例外……
01
為提升客服效率並優化用戶體驗，多家消費金融機構上線智慧客服
據國家金融與發展實驗室於2017年發佈的《中國消費金融創新報告》(簡稱《報告》)顯示，
面對如此潛力的發展空間，金融科技正以勢不可擋的風暴之姿席捲全球消費金融市場。
而這場由藍海轉為紅海的金融科技之爭，除了資金成本和產品實力的比拼，搶佔並合理運用人工智慧提供高品質的創新服務，將決定著每個消費金融公司的市場競爭力。
據瞭解目前，包括螞蟻金服、百度金融在內的多家消費金融機構已將人工智慧應用在客服上。
資料顯示，截至2017年9月，消費金融借貸規模突破1100億元，同比增長約1.5倍，用戶量達370萬，同比增長超3倍。
可以說，傳統的人工客服的工作效率和服務品質已很難滿足海量用戶諮詢的需求。而智慧客服由於佔有大量真實、有效、基於實際業務的超級資料，又具有相當強的自我學習進化能力，
因此，為了提升客服效率並優化用戶體驗，國內眾多消費金融機構陸續上線“客服機器人”。比如，阿裡於2015年7月24日發佈一款人工智慧購物助理虛擬機器人——“阿裡小蜜”，以及馬上消費金融在2017年上線的XMA智慧客服系統。
02
人工智慧在控制和預測欺詐風險上，有著天然優勢
除了在客服上的應用，人工智慧也被應用到消費金融的風險控制和預測上……
根據相關協力廠商資料調查統計顯示，消費金融以及互聯網金融公司的壞賬中有超過50%來自於欺詐。對於消費金融公司來說，欺詐風險遠遠大於信用風險。
欺詐者以非法牟利為目的，在真實交易方不知情的情況下，採取盜取帳號、偽造身份、提供虛假資訊、進行虛假交易等行為，
面對欺詐者，傳統銀行的做法是每遇到一次欺詐行為，就將個案的行為特點進行記錄，形成一個詐騙規則，如果再遇到類似的規則系統會做出相應進行人工處理。然而這類做法難以滿足小額、高頻的消費金融需求，對集體性欺詐行為更是無法防禦。
因此，如何把被動的反欺詐防禦方式變為主動預警，有效預防金融風險是目前消費金融公司需要考慮的。
而人工智慧始于大量資料學習的過程，通過資料和行為的分析推導出規則和流程。在消費金融領域，人工智慧可以成功預防現有欺詐行為並預測未來資料，在實踐中利用消費金融高頻的特點進行快速學習，發揮更有效的決策作用，提升普惠資金利用效率。
可以說，人工智慧在控制和預測消費金融欺詐風險上，具備一定的天然優勢。因此，目前消費金融公司也正在借助人工智慧在內的領先技術手段對申請欺詐、信用欺詐、帳戶盜用、洗錢、羊毛黨、虛假交易等行為進行有效防範。
比如，螞蟻金服打造了螞蟻安全大腦，通過風險分析網路和決策中樞，對交易風險進行控制。
此外，還有京東金融研發的RNN時間序列演算法用來進行使用者行為路徑學習，對於風險使用者識別的準確率可以超過常規機器學習演算法的3倍以上。
03
但值得注意的是，人工智慧應用于消費金融領域還存在一定局限性
首先，智慧化的消費金融服務平臺還是建立在互聯網基礎之上，但影響互聯網不確定性因素太多，這樣無疑增加了系統性風險。如網站一旦遭到駭客擊破，客戶資訊隨時面臨被洩露的風險以及經濟財產遭受損失的風險。同時網路應用程式一旦發生故障，使用者也將會面臨資訊導入錯誤程式的風險，進而引發經濟損失風險。
其次，人工智慧所有的操作技能建立在大量的程式基礎之上，發生故障的可能性較大。人工智慧自身的學習、決策機制的產生等行為無法追溯，這些加大了開發人員人為造成惡意行為的可能性。但在現有的法律和監管體系下，很難界定人工智慧由於故障或行為引發的社會責任問題。
最後，海量的資料是人工智慧技術優勢發揮的燃料，離開大資料，人工智慧就猶如無米之炊的“巧婦”。隨著互聯網技術的發展和普及，消費金融領域的資料流程比較充足，但離全量資料相差甚遠。以國內征信為例，在目前收錄的8億人中，有完整征信記錄的僅3億，另外5億只是錄入了基本資訊。這樣，人工智慧在征信領域的應用就會大打折扣。
不過，也有業內人士認為，雖然目前人工智慧應用于消費金融還存在一定局限性，但不可否認的是，人工智慧正在顛覆傳統消費金融的客戶服務成本並以一種更經濟有效的方式與傾向，加深客戶對消費金融機構服務依靠的同時，也將給消費金融行業帶來更加廣闊的發展空間。
因此，如何把被動的反欺詐防禦方式變為主動預警，有效預防金融風險是目前消費金融公司需要考慮的。
而人工智慧始于大量資料學習的過程，通過資料和行為的分析推導出規則和流程。在消費金融領域，人工智慧可以成功預防現有欺詐行為並預測未來資料，在實踐中利用消費金融高頻的特點進行快速學習，發揮更有效的決策作用，提升普惠資金利用效率。
可以說，人工智慧在控制和預測消費金融欺詐風險上，具備一定的天然優勢。因此，目前消費金融公司也正在借助人工智慧在內的領先技術手段對申請欺詐、信用欺詐、帳戶盜用、洗錢、羊毛黨、虛假交易等行為進行有效防範。
比如，螞蟻金服打造了螞蟻安全大腦，通過風險分析網路和決策中樞，對交易風險進行控制。
此外，還有京東金融研發的RNN時間序列演算法用來進行使用者行為路徑學習，對於風險使用者識別的準確率可以超過常規機器學習演算法的3倍以上。
03
但值得注意的是，人工智慧應用于消費金融領域還存在一定局限性
首先，智慧化的消費金融服務平臺還是建立在互聯網基礎之上，但影響互聯網不確定性因素太多，這樣無疑增加了系統性風險。如網站一旦遭到駭客擊破，客戶資訊隨時面臨被洩露的風險以及經濟財產遭受損失的風險。同時網路應用程式一旦發生故障，使用者也將會面臨資訊導入錯誤程式的風險，進而引發經濟損失風險。
其次，人工智慧所有的操作技能建立在大量的程式基礎之上，發生故障的可能性較大。人工智慧自身的學習、決策機制的產生等行為無法追溯，這些加大了開發人員人為造成惡意行為的可能性。但在現有的法律和監管體系下，很難界定人工智慧由於故障或行為引發的社會責任問題。
最後，海量的資料是人工智慧技術優勢發揮的燃料，離開大資料，人工智慧就猶如無米之炊的“巧婦”。隨著互聯網技術的發展和普及，消費金融領域的資料流程比較充足，但離全量資料相差甚遠。以國內征信為例，在目前收錄的8億人中，有完整征信記錄的僅3億，另外5億只是錄入了基本資訊。這樣，人工智慧在征信領域的應用就會大打折扣。
不過，也有業內人士認為，雖然目前人工智慧應用于消費金融還存在一定局限性，但不可否認的是，人工智慧正在顛覆傳統消費金融的客戶服務成本並以一種更經濟有效的方式與傾向，加深客戶對消費金融機構服務依靠的同時，也將給消費金融行業帶來更加廣闊的發展空間。