AI颠覆金融的拐点到了吗？

李海涛

对于金融科技行业（Fintech）的从业者来说，如果现在不提“AI+金融”绝对已经OUT了，正像前几年如果不提“互联网+金融”就OUT样。其实，AI（Artificial　Intelligence,即人工智能）并不是一个新生事物，这一概念最早在1956年被提出。算法的持续革新、硬件的发展成熟和更大量级的数据共同驱动AI在沉寂了近二十年之后再一次卷土重来。

金融的核心本质功能是降低交易成本和资产定价，互联网的广泛应用可以算作对金融第一个核心本质的颠覆，而AI正在改变金融行业资产定价相关的核心业务条线。传统银行的信贷业务、资产管理机构的资产配置和投资业务、证券公司的投资咨询业务和保险公司的精算定价业务都开始受到威胁。但较强的消费粘性、较重的资本投入和数据的先发优势为传统金融机构提供了一定保护。未来产生威胁的不是金融科技的新兴玩家，而更有可能是在这三点上不输传统金融机构的互联网巨头，传统金融机构需要做出改变。

AI已经带来的金融变化

事实上，已经有为数众多的金融机构开发了基于AI的智能客服。例如北欧联合银行已经推出了名为Nova的基于AI技术的聊天机器人和虚拟助理，这位AI主力已经开始服务于该银行位于挪威等地的网点。目前Nova能够顺畅地理解挪威语，并回答与养老金和保险业务相关的问题，如果遇到Nova无法理解的问题，会推荐一位人工客服进行回答。

这样的AI助理在欧洲和美国已经开始逐步取代现实中的网点雇员，这些银行已经开始关闭线下的实体网点，例如北欧的大型商业银行在过去的十年内已经关闭了大约30%的线下实体网点。

部分领先的传统金融机构已经开始通过AI技术进行客户信息收集。客户身份信息的收集和认证是传统金融机构风控的重要一环，而AI技术能够大大提高这一过程的效率。例如平安已经开发了准确率达到99.8%的活体人脸识别技术，每分钟处理人脸数最高能够达到3万个。

尤其是传统的信贷审批员已经在失业的边缘。传统贷款审批主要由信贷审批员通过收集信息决定是否发放贷款。但随着AI技术的应用，范围更广的数据被用来信用评估，传统的商业银行信贷风控模型使用的变量通常只有20-30个左右，但量化的、基于大数据的信贷风控模型超过万级单位。不仅如此，深度学习等算法模型甚至可以自行甄别出对于信贷表现更加重要的特征变量，而这些变量在传统的评估框架中可能并未受到重视。此外，AI在反欺诈方面也能发挥作用。

虽然这些AI技术的应用，已经显著帮助传统金融机构解放了人力、节约了成本、提高了效率，但这些并不能体现AI对金融行业颠覆的真正实力。核心原因在于，这些变革并没有触及金融行业的本质，只能被看作是行业借助AI技术的自我完善，而不算是“革命”，因为并未触及金融行业的降低交易成本、资产定价两大核心本质功能。

什么才会真正被颠覆？

AI对于金融的第二个核心本质功能——“资产定价”的颠覆，才是整个金融行业所最应该警惕的。目前来看，AI对于金融行业的压力，恐怕比互联网金融行业要更大，原因在于对于大部分金融机构来说，“资产定价”相关的业务都比“降低交易成本”相关业务更加核心。例如对于商业银行来说，吸储放贷的信贷业务是利润的主要来源，而非支付结算；对于保险公司来说，核心是保险产品的设计和定价，精算师才是保险公司的核心，而非保险销售代理人；对于资产管理公司同样，投资和资产配置相关的业绩才是衡量资产管理机构长期水平的标尺，销售能力通常只能锦上添花。但目前来看，AI的下一个“革命”对象正是这些金融机构的核心命脉。

一些过往严重依赖“人”的因素的业务也开始受到AI技术的威胁，例如证券公司的投资咨询业务。分析师是投资咨询业务条线的“灵魂”，通过对宏观经济数据、上市公司的财务数据等进行研究，撰写研究报告，为客户提供股票买入卖出的推荐建议。在过去，分析师自身的经验和对市场的判断非常重要，但AI同样已经攻破了这一堡垒，通过算法模型能够高速将最新的经济变量、财务指标输入模型，并作出判断，例如可以找到历史上和当前情况最类似的时间点，并根据当时的资产收益表现对这一次进行预测。美国的一些平台已经能够利用AI基于上市公司公告、新闻媒体报道、甚至社交媒体的最新新闻（例如特朗普总统钟爱的Tweet）来自动生成分析报告，例如Automate-dInsights和Captricity。华尔街最为人熟知的先行者是Kensho，例如Ken-sho能够基于历史大数据告诉你，在历史上的数十次联储加息前一周之内， 标普指数 和 道琼斯 指数的涨跌幅，判断哪些行业的股票会表现更好，而这在过去需要分析师进行大量的数据处理工作，更不必说这些分析师的高成本。

按照业务的复杂和专业程度看，下一个可能被AI算法颠覆的是保险行业。毫无疑问，保险公司的中流砥柱是设计保险产品并进行定价的精算师，这些精通金融学、保险学和统计学的专家过去主要处理的就是概率，通过生存率、死亡率、发病率等概率来为保险产品进行定价。由于这一业务的复杂性和较高的专业壁垒，精算业务长久以来并没有过多收到科技的冲击，但这一次情况可能有所不同，因为AI的算法的核心优势就在于预测概率。未来AI将完全改变精算行业的商业模式，海量数据使得能够动态、更加精确地预测死亡率和发病率。

传统金融机构手中的牌

虽然传统金融机构的不同业务条线都面临着AI的冲击，但目前看来，并不需要过于担心，核心有三点：

首先，金融行业的消费习惯粘性比较大。毕竟是和钱打交道的行业，很多时候还是需要有面对面的交流才能够取得信任。例如智能投顾行业虽然能够吸收很多长尾客户的小额资金，但高端私人银行客户仍然需要客户经理的服务，此外这些客户经理也能够提供更多附加服务。

其次，AI目前仍然需要较重的资本投入，金融机构雄厚的资本使得每年都能够支出大手笔的IT投入。以美国为例， 摩根大通 银行每年的IT指出是95亿美金， 美国银行 是90亿， 富国银行 是70亿美金，而截至2016年三季度末，美国投资于AI创业公司的资金总额也只有31亿美金。例如中国平安每年的研发投入经费在70亿元人民币以上，这是金融科技的新兴玩家所不能比拟的。

再次，金融行业在数据的先发优势上更加明显。数据是深度学习乃至于AI的基石，与财富相关的数据保密性要求更高，而金融机构在这一方面先发优势更加明显。

（作者李海涛，系长江商学院金融学教授、杰出院长讲席教授、MBA项目副院长。本文有删节）