德勤：金融AI赋能传统金融机构的应用与展望

近年来，随着人工智能（AI）与各行各业的快速融合，传统金融机构正在积极进行数字化转型。这种转型从最初的基本能力探索，逐步延伸到细分领域的深度垂直整合，如今已进入全面应用和持续创新的阶段。借助庞大的客户群体、丰富可靠的数据资源以及坚实的技术基础，金融领域成为高质量人工智能应用的理想场景。

一方面，人工智能与传统金融业务深度融合，为实体金融机构提供了强大的支持。它解决了金融机构面临的供给不足、门槛高、信息不对称、风险评估难等问题。另一方面，人工智能在市场营销、产品设计、风险管控、客户服务等方面的应用，实现了智能营销、智能识别、智能投顾、智能风控和智能客服，提升服务实体经济的效率和能力。

看数据：

自2019年人民银行发布金融科技发展规划以来，金融机构技术资金投入持续增长。根据银保监会发布的数据，2020年全国银行机构信息科技资金总投入达2078亿元，较2019年1732亿元增长20%。根据中国证券业协会数据统计，2017年-2020年，证券行业在信息技术领域投入由159.86亿元上涨至262.87亿元。2022年，艾瑞咨询发布研究报告，以银行、保险、证券为主的金融机构技术资金投入将达到4010亿元（银行3082亿元、保险532亿元、证券396亿元）。

德勤团队梳理了10家境内大型商业银行年报数据，发现金融科技投入占营业收入的平均比例超过3.5%，平均增速约为11%。其中，四大国有银行在金融科技方面投入金额较高，均超过200亿元，招商银行、交通银行、邮储银行投入也均超过百亿元。

看应用：

我国AI+金融技术能力不断翻新，金融行业数字化不断推进。我们根据市场参与情况将产业链分为上游（基础层）、中游（技术层）和下游（应用层）。其中上游以综合技术、区块链、云计算、大数据等厂商为主，为行业建设提供基础性支持。中游是各类技术公司，主要提供人工智能算法、机器学习、生物特征识别、知识图谱等核心技术和解决方案。下游广泛应用于金融业务领域，应用场景覆盖的广度不断向外拓展，在智能营销、智能识别、智能投顾、智能风控、智能客服方面的应用不断丰富。

资料来源：公开信息、腾讯研究院信息、华西证券研究院，德勤自主研究绘制     

A. 场景一：智能营销

            1. 定义：智能营销是指利用人工智能技术和数据分析方法，以更智能、个性化和精准的方式规划、执行和优化市场营销策略的过程。智能营销通过收集客户在消费偏好、社交行为、交易特征等方面的大量用户数据，预测客户的需求和偏好，并进一步定制化推送内容和营销活动，以实现更高的营销效果和客户满意度。

            2. 应用举例

                    a. 工商银行试点RPA技术赋能智能营销

                    b. 腾讯云推出腾讯金融智能营销平台

B. 场景二：智能识别

            1. 定义：智能识别是指利用人工智能技术，如机器学习和深度学习，使计算机系统能够从输入数据中自动识别、分类、分析或理解不同的模式、特征或信息。智能识别包括对文字、图像、语音的识别等。随着技术的不断升级，智能识别场景不断扩展，识别效果不断提升。

            2. 应用举例

                    a. 交通银行形成了包括“统一图像识别平台”在内的多项创新实践

                    b. 中国工商银行与云从科技合作进行人脸识别项目

C. 场景三：智能投顾

            1. 定义：智能投顾是指利用人工智能技术，为投资者提供个性化的、智能化的投资建议和投资组合管理服务的金融服务模式。通过分析投资者的风险偏好、财务目标和市场情况等信息，智能投顾系统能够生成适合投资者需求的投资组合，并根据市场波动实时调整投资策略。智能投顾在释放人力成本的同时，能够降低投资门槛，为不同投资者提供更具效率和精准度的投资建议。

            2. 应用举例

                    a. Wealthfront：社交投资平台转型智能投顾

                    b. 新晋保险公司Lemonade推出基于GPT-3的销售机器人玛雅(AI.MAYA）

                    c. 同花顺深耕AI多年，多款产品落地

D. 场景四：智能风控

            1. 定义：智能风控是指借助人工智能和数据分析技术，对金融、投资、借贷等领域中的风险因素进行识别、评估和管理的过程。通过分析大量数据，包括用户特征、交易特征、市场趋势等，智能风控能够自动识别潜在风险，预测可能的风险事件，并采取相应措施来降低风险对业务和资金的影响。智能风控有助于提高决策的准确性和效率并降低人工成本，同时也有助于保护金融机构和投资者的利益。

            2. 应用举例

                    a. 中信银行使用智能风控筑牢反欺诈防线

                    b. 度小满推出“智能化征信解读中台”

                    c. 苏黎世保险使用ChatGPT进行理赔和数据挖掘

E. 场景五：智能客服

            1. 定义：智能客服是指利用人工智能技术，以自动化和智能化的方式为客户提供服务和支持的系统。这种系统可以通过自然语言处理、机器学习和自动化流程来理解客户的问题并提供解答，或者将客户引导到适当的资源。智能客服可以用于在线聊天、电话、电子邮件等渠道，以提供即时的、个性化的服务，从而提高客户满意度，降低成本并提升服务效率。

            2. 应用举例

                    a. 兴业银行智能语音客服上线多年，识别率超90％

                    b. 彭博社推出语言大模型Bloomberg GPT

                    c. 恒生电子：发布金融大模型Light GPT及多项应用产品    

看趋势：

• 金融AI应用打通服务价值链，服务平台化

金融AI发展早期，金融机构往往只针对个别业务环节或场景上线AI应用，关注前台的AI使用而忽略了中后台的建设，应用之间容易相互割裂，无法有效联动，所沉淀的服务经验和数据也容易闲置浪费。随着AI技术能力的不断革新，金融AI的应用将不再局限于单一的应用场景，而是打通整体服务价值链，未来将以平台型产品助力传统金融机构。

• AI目标不再极端，从“替代”到“赋能”

AI应用的目标由“替代人工”转变为更加理性地赋能人工“提高效率”。针对需要高度社交技巧并且相对重复执行的工作，将由人类与AI共同承担，二者将在工作中各自发挥所长，实现人机协同合作。AI由单独的从“服务外部客户”思维转变为“赋能内部员工”。

• 国内金融AI持续投入，模型国产化、应用场景多元化

随着国内金融机构在AI领域的持续大量投入，将推动AI应用加速落地，通过应用层打造适合传统金融机构使用的工具，提高模型的泛化性、反哺技术。预期国内也将会出现可以对标甚至赶超ChatGPT的大语言模型，解决传统金融机构在数据安全性上的痛点。