平安寿险在电话销售场景中引入声纹识别；迪拜警方用 AI 车载设备监控驾驶员车内行为

平安寿险在电话销售场景中引入声纹识别

过去十年，寿险处于高速发展阶段，同时也面临着严峻的安全问题。其一、有不法分子冒用或窃取电话销售人员账号信息，非法获取客户个人信息资料并进行贩卖、泄露，严重侵犯了网络交易用户的信息隐私权。其二、部分行业相关人员利用保险公司的一些规则漏洞，通过套保、骗保等非法手段实施金融诈骗。针对这些安全问题，近日平安寿险新渠道率先引入了声纹识别技术进行风险管控。

据雷锋网了解，此次上线平安声纹识别技术，主要应用于电话销售场景。以电话销售人员为监管核心，利用每个人独一无二的声纹进行严密的个人身份认证，保证电话销售人员本人注册登录，规范电销人员行为。从源头上有效规避信息泄露、漏洞利用等风险。该声纹识别技术是平安科技自主研发，由数万电话销售人员上亿小时的录音训练而成。专注于因声识人，实现智能身份认证。在声纹识别乃至生物识别领域一马当先，识别准确率高达99.8%，支持1V1，1VN，兼容多种设备，有效防录音，防合成，降低欺诈风险。

未来，寿险新渠道将携手平安科技，全方位深入布局AI声纹识别技术，包括智能抓取敏感词汇，辅助销售；对VIP客户进行无感知智能识别，提供定制化服务；智能防范金融欺诈；电话语音跟踪与电子监控等等业务场景。不断提升消费者的服务体验，让人们体会到科技给人们带来的实实在在的好处。

阿里旗下“口碑”将人工智能引入餐饮业

日前，阿里旗下“口碑”将人工智能引入餐饮业，让其与古老的优惠券形式结合，让商家可以像操作傻瓜相机一样，一键实现差异化营销。

作为石家庄“口碑”人工智能的首批体验客户，“举个栗子”新万宝店率先尝到了“甜头”。在近一个月的使用中，“引流会员接近2000人，二次回头客累积近1300人，营业额更是蹭蹭往上涨了10多万元！ ”

“口碑”的人工智能营销简单来说就是，用户通过店里的口碑码领取优惠券后，系统会对消费者进行大数据画像，如“面食大王”、“无辣不欢”等，沉淀下的数据将对用户进行分析，并根据不同消费者口味推荐适合他的门店。

“这个推荐不存在商家消费排名，所以是最真实和公平的。”“口碑”石家庄相关负责人介绍。

给商家创收的同时，“口碑”人工智能又如何服务吃货呢？雷锋网了解到，“口碑”的“收入月增计划”智能营销工具将解决这一问题。

打个比方，某个餐厅同时来了两个客人。其中一个客人生活节俭，吃饭通常只花20元；另一个客人则口味挑剔，通常只吃固定的两道菜。如果这家餐厅加入了口碑的收入月增计划，那么很可能出现的场景是：同样扫码领优惠，生活节俭的客人领到一张满25减3元的满减券；口味挑剔的客人则领到一张她从来没点过的某道新菜或者是某道高毛利菜品的单品优惠券。

整个过程中，餐厅需要做的不过是在餐厅显眼的位置贴好口碑码物料和引导客人在点餐前扫码领优惠。

对于商户来说，以往打折券存在“简单粗暴”的问题，虽然短期吸引客流但是以牺牲利润空间为代价。如今，“口碑”人工智能复杂的智能算法为餐饮店设置了不同层级的优惠门槛，为商户提供最优优惠，把消费前、中、后的各个环节都纳入了营销中，即口碑码和消费前的引流券、消费中的提高客单价和推爆款满减券，以及消费后的拉复购消费送券。通过将用户数据和商户数据纳入到数据库中，再由算法为商家提供个性化的营销方案。

迪拜警方用 AI 车载设备监控驾驶员车内行为

雷锋网消息 据外媒报道，迪拜警方在警车内安装了人工智能设备，旨在监控驾驶员们的车内情况。

该设备由Com-iot Technologies研发，可对安装于警车内的摄像头数据进行分析，人工智能装置随后就会告知对方，受监控驾驶车辆的车内情况。

最近，迪拜警局与Com-iot公司签订了一份谅解备忘录，该项合作属于迪拜未来加速器计划（Dubai Future Accelerators Programme）的重要组成部分。该发明意味着能够抓捕违反道路交通规则的驾驶员。若他（她）们在驾驶中打手机、吃吃喝喝、鲁莽驾驶（driving recklessly）或追逐其他车辆，将透过该设备被抓现行。

Teradata助丹斯克银行应用人工智能引擎

全球领先的数据和分析解决方案供应商Teradata天睿公司近日宣布，北欧领先的金融服务机构丹斯克银行(Danske Bank)与Teradata子公司Think Big Analytics联手打造并推出目前最先进的人工智能(AI)欺诈监测平台。该平台预计在投入运营一年内就能实现100%的投资回报率(ROI)。

据悉，该平台引擎使用机器学习技术，可分析数万个潜在特征(latent feature)，对数百万次银行在线交易进行实时评分，为监测判别正确、错误和欺诈活动提供可作为判别依据的洞察。通过大幅缩减误判(false-positive)的调查成本，全面提升银行效率并有助于大幅缩减各项成本。

丹斯克银行高级分析总监Nadeem Gulzar表示：“应用欺诈是银行最重要也是最头疼的问题。有证据显示，犯罪手段日趋高明，罪犯运用复杂的机器学习技术进行攻击。因此，只有使用机器学习等高级技术才能抓住他们。随着银行业逐步实现数字化，移动银行应用日渐流行，我们很清楚欺诈行为将很可能在近期及更长远的未来愈演愈烈。我们意识到不能只固守当下，更要着眼未来情况，使用尖端技术预防欺诈犯罪。运用AI技术，我们已将误判率降低50%，并由此将欺诈监测部门一半人员重新安排负责更重要的工作。”

丹斯克银行原来的欺诈监测系统在很大程度上依靠手动添加规则，银行在很久以来一直主动应用这些规则。随着误判记录数量不断增长，甚至经常达到整个交易量的99.5%，使调查相关成本与时间显著增长，银行庞大的欺诈监测团队任务过重，无法实现高效运作。

Teradata子公司Think Big Analytics咨询团队从2016年秋季开始与丹斯克银行合作，依托数据应用专业知识，补强银行高级分析团队的技术能力，为更广泛业务创造更大收益。双方团队在银行现有基础设施内搭建框架，并创建高级机器学习模型，监测每年数百万次交易中的欺诈行为，高峰时段每分钟可监测多达数十万次交易。为确保监测过程透明性，并增强信任，监测引擎在机器学习模型上加入解释层，提供监测阻止活动的释义与解释。

从建模角度上看，欺诈案例仍占很小比例，大约每10万次交易才发生一次欺诈行为。双方团队成功从模型中发现误判结果，并将误判率降低50%。与此同时，双方团队还能够监测更多欺诈行为，将监测成功率实际提升约60%。丹斯克银行率先在反欺诈项目中应用机器学习技术，同时开发深度学习模型测试这些技术。

Think Big Analytics客户服务总监Mads Ingwar表示：“所有银行都需要具备可扩展性的高级分析平台，并为实现数字化制定路线图与战略规划，在银行中推崇数据科学。银行需针对在线交易、信用卡和移动支付打造一套实时解决方案，我们与丹斯克银行合作开发出最先进的人工智能欺诈监测平台，300毫秒内就能完成新交易评分。这意味着，顾客在超市购物时，系统就能够实时对交易评分，并立即提供可作为监测依据的洞察。这类解决方案预计将会在金融服务业所有机构不断普及。”

。