未來幾年小風口可能不斷， 但大風口只有一個， 即人工智慧。 在互金行業， 早已掀起“AI熱”， 不管有沒有資料， 有沒有場景， 幾乎所有公司都在宣傳自己是應用人工智慧的金融科技公司。
當然， 應該看到， 發展到現在， 金融領域的AI應用還是主要集中在借貸風控環節， 在其他方面是否可以有所作為？整個網路借貸要實現全部AI化， 還有多少坎需要邁過？
資料不足、經濟週期的複雜性等制約智慧風控
毫無疑問， 風控是金融領域最適用AI技術的環節， 也是迄今為止收穫最大的環節， 借助大資料和AI技術， 通過分析各種與信用弱相關的行為資料， 形成風控能力， 互金公司可以為缺乏足夠信用資料的群體提供借貸服務，
智慧風控帶來的變革已經不用多說了， 各種研究浩如煙海。 不過智慧風控的主要應用還是在消費信貸領域， 在服務於實體經濟中的生產環節方面， 互金以及AI都還缺乏作為。 主要原因在於資料的缺乏， 中小企業以及個體工商戶的資料不足， 即使有財務資料等也存在真實性問題， 而訂單也還沒有線上化， 缺乏足夠的數量和維度來判斷風險， 對於AI而言巧婦難為無米之炊。
如果有足夠數量和維度的資料， 生產環節的信貸服務可以很多火起來。
除了資料不足， 運用AI技術服務於生產領域的借貸， 還面臨演算法的挑戰， 即使有一定量的資料， 但與消費不同的是， 生產環節有週期性， 既有“補庫存、消化庫存”這樣的小週期， 有行業興衰週期， 還有宏觀經濟的大週期， 判斷風險時需要考慮的變數大大增加。
因此AI要成為整個借貸風控領域的核心， 還需要資料基礎的完善以及技術的進步。 未來整個生產領域（商品與服務的生產）如果更多地應用電商平臺、支付工具、SaaS、行業應用軟體等， 而資料又可以有規制地流動， 則會為AI的應用提供更充足的燃料。 演算法模型的進一步完善， 可以整合更龐雜的資料維度， 則有可能對風險的判斷更為精准。
AI應用正從風控環節擴展到服務支撐環節， 需要更好的演算法
在風控之外， AI技術也在應用於借貸過程的其他環節。 風控可以看做是互金企業增收的關鍵環節， 而其他環節如客戶身份識別、客服、質檢、資訊交互、IT系統運營維護等， 則是借貸服務的支撐環節， 對風控、獲客等核心環節提供支援， 沒有這些環節， 業務就無法展開。 如果將AI技術應用進來， 對於增加收入作用不是很明顯， 但可以提升運營效率， 降低運營成本， 並在一定程度上提升用戶體驗。
這些環節背後的技術主要包括語音辨識、自然語言處理、生物識別等， 相對來說算是AI領域研究已經比較深入的技術。 另外用到的一些技術如情感識別、模式識別等， 則屬於相對新興的研究。
在這些方面行業有越來越多的探索。 2017年8月， 螞蟻金服開放AI客服能力，可以實現對客戶問題的迅速應答，縮短服務時間；近日，科大訊飛與興業銀行、京東金融聯合推出了搭載金融服務功能的智慧音箱，使用者可以通過智慧語音線上交互辦理註冊、登錄、綁卡、賬務資訊查詢、信用卡業務語音辦理等業務；玖富集團與中科院自動化研究所合作，成立“面向金融的智慧語音服務聯合實驗室”，在語音交互、自然語言理解、情感分析、聲紋識別、多模態人機對話等領域進行探索，搭建基於語音交互的使用者身份管理、客服和質檢系統；拍拍貸成立了智慧金融研究院，推進智慧技術的應用。此前拍拍貸在系統底層軟硬體基礎上構建一系列演算法，用來支援圖像識別、自然語言處理、複雜網路、語音辨識等等，最終服務於風控、客服、質檢等環節。研究院的成立是繼續完善這些體系的研發。
這些探索標誌著互金行業對於AI應用的探索正在從風控環節向整個借貸環節的精細化管理與高效化服務方面發展，行業不僅通過AI來做風控，還試圖通過AI來降低客服、質檢、身份識別等環節的成本，提供效率和體驗。
以質檢機器人為例，互金公司需要確保從獲客到風控再到客服每個環節的對外資訊輸出是準確的，這就要檢查客戶經理、客服人員的語音服務記錄，工作量非常龐大。沒有AI技術就沒法做完全意義上的質檢。而借助質檢機器人，將各種語音轉化為文字，對文字再進行機器審核驗證，檢查不合規的部分。
由此來看，金融在運用AI方面，已經走在前列。這也比較正常，金融領域一直是IT行業的最大客戶。
與前面提到的智慧風控相比，智慧風控的業務邏輯是利用機器找出資料之間的聯繫，以及各種資料維度與信用之間的聯繫，而其他環節的AI應用邏輯則是通過資料來訓練機器，讓機器可以承擔部分固定性工作。
這不一定是要減少人的工作機會，而是減少各種無效環節，將更多時間分配到有效的溝通中。例如客服一天撥打的電話可能有相當一部分是空號，或者打通了以後但客戶並不想進行溝通，這就浪費了客服以及公司的時間。AI技術則將撥打環節交給機器，如果打通了，再通過交互來判斷客戶的溝通意願，如果確實有溝通必要則將電話轉接給人工客服。這樣就使客服效率獲得提升。
當然，目前在AI技術應用於這些方面，還是有不少技術難題需要克服。這些領域運用最多的是語音辨識與語義識別。在語音方面，對於方言的識別，對於嘈雜環境下的語音辨識，都還沒有得到有效的解決。在語義識別與自然語言處理方面，客戶語義的反轉，機器通常也無力應對。舉例來說，客戶說能否介紹一下借款方面的利率為題，機器對此進行回應，客戶又說“不好意思說錯了，是想諮詢還款期限的問題”，這時候對人而言很輕鬆地進行下一步的思考，但對機器而言，目前的語義分析與自然語言處理技術通常還做不出合適的判斷。這些都需要AI技術的進一步成熟。
除了技術需要進步，企業還需要一定規模的資金與人員投入，並且經歷較長的時間的開發，以及不斷的反覆運算，才能達到預期的效果。技術真正成熟後，AI在降低運營成本方面的作用才能顯現出來，不過這是以前期的投入為前提的。
未來面前，你我還都是孩子，還不去下載 虎嗅App 猛嗅創新！
螞蟻金服開放AI客服能力，可以實現對客戶問題的迅速應答，縮短服務時間；近日，科大訊飛與興業銀行、京東金融聯合推出了搭載金融服務功能的智慧音箱，使用者可以通過智慧語音線上交互辦理註冊、登錄、綁卡、賬務資訊查詢、信用卡業務語音辦理等業務；玖富集團與中科院自動化研究所合作，成立“面向金融的智慧語音服務聯合實驗室”，在語音交互、自然語言理解、情感分析、聲紋識別、多模態人機對話等領域進行探索，搭建基於語音交互的使用者身份管理、客服和質檢系統；拍拍貸成立了智慧金融研究院，推進智慧技術的應用。此前拍拍貸在系統底層軟硬體基礎上構建一系列演算法，用來支援圖像識別、自然語言處理、複雜網路、語音辨識等等，最終服務於風控、客服、質檢等環節。研究院的成立是繼續完善這些體系的研發。這些探索標誌著互金行業對於AI應用的探索正在從風控環節向整個借貸環節的精細化管理與高效化服務方面發展，行業不僅通過AI來做風控，還試圖通過AI來降低客服、質檢、身份識別等環節的成本，提供效率和體驗。
以質檢機器人為例，互金公司需要確保從獲客到風控再到客服每個環節的對外資訊輸出是準確的，這就要檢查客戶經理、客服人員的語音服務記錄，工作量非常龐大。沒有AI技術就沒法做完全意義上的質檢。而借助質檢機器人，將各種語音轉化為文字，對文字再進行機器審核驗證，檢查不合規的部分。
由此來看，金融在運用AI方面，已經走在前列。這也比較正常，金融領域一直是IT行業的最大客戶。
與前面提到的智慧風控相比，智慧風控的業務邏輯是利用機器找出資料之間的聯繫，以及各種資料維度與信用之間的聯繫，而其他環節的AI應用邏輯則是通過資料來訓練機器，讓機器可以承擔部分固定性工作。
這不一定是要減少人的工作機會，而是減少各種無效環節，將更多時間分配到有效的溝通中。例如客服一天撥打的電話可能有相當一部分是空號，或者打通了以後但客戶並不想進行溝通，這就浪費了客服以及公司的時間。AI技術則將撥打環節交給機器，如果打通了，再通過交互來判斷客戶的溝通意願，如果確實有溝通必要則將電話轉接給人工客服。這樣就使客服效率獲得提升。
當然，目前在AI技術應用於這些方面，還是有不少技術難題需要克服。這些領域運用最多的是語音辨識與語義識別。在語音方面，對於方言的識別，對於嘈雜環境下的語音辨識，都還沒有得到有效的解決。在語義識別與自然語言處理方面，客戶語義的反轉，機器通常也無力應對。舉例來說，客戶說能否介紹一下借款方面的利率為題，機器對此進行回應，客戶又說“不好意思說錯了，是想諮詢還款期限的問題”，這時候對人而言很輕鬆地進行下一步的思考，但對機器而言，目前的語義分析與自然語言處理技術通常還做不出合適的判斷。這些都需要AI技術的進一步成熟。
除了技術需要進步，企業還需要一定規模的資金與人員投入，並且經歷較長的時間的開發，以及不斷的反覆運算，才能達到預期的效果。技術真正成熟後，AI在降低運營成本方面的作用才能顯現出來，不過這是以前期的投入為前提的。
未來面前，你我還都是孩子，還不去下載 虎嗅App 猛嗅創新！