金融服務同質化嚴重 如何念好「智能」經解決問題？

加大人工智慧的投入，正在成為行業統一步驟，但如何念好「智能」經則說法不一。

隨著互聯網行業發展，產業結構的不斷調整，勞動力成本在逐年上升。在傳統金融尤其是傳統信貸服務領域，信息、信用、渠道、成本等困境也正在逐漸顯現。相關數據顯示，在傳統信貸能服務的客戶群僅佔總人口的15%左右。傳統信貸服務需要依託線下網點展開，資質審核、合同簽訂等流程都需面對面進行，服務效率低下。

實際上，傳統服務困境放眼國際則更加明顯，社會信用狀況、數據開放程度等加深了服務困境。

「產品同質化非常嚴重，造成的結果是客戶是非常難去選擇，而這帶來的結果是是我們的獲客成本是非常高的」，有業內人士指出，風險控制的話，各家的水平還是非常參差不齊的。

不過，大數據和人工智慧正在逐步解決這個問題。相對於傳統金融業，人工智慧在信息收集處理方面效率更高，風險決策不受主觀因素影響，效果更穩定。

近年來，大數據、人工智慧、雲計算、區塊鏈等新興技術的蓬勃發展，Alpha Go相繼戰勝李世石、柯潔，更是把人工智慧推上風口浪尖。金融業歷來是敢於使用新技術的行業，金融與科技的融合日漸深入，新金融的形態和趨勢不斷呈現。

據玖富集團首席數據科學家兼首席風控官谷穎博士介紹，人工智慧應用在金融領域有三個階段。第一個階段是機器學習(ML)階段，即互聯網金融為代表的金融機構全面滲透到所有模型建設中；第二個階段是自然語言處理(NLP)階段，即國內大量互聯網貸款和徵信公司都在大量使用自然語言處理技術；第三個階段是知識圖譜(KG)階段，即大量使用知識圖譜進行反欺詐分析。

加大人工智慧的投入，正在成為行業統一步驟，但如何念好「智能」經則說法不一。以玖富為例，從人才到業務布局都有不小的投入。人才方面，玖富近兩年引進了不少華爾街、矽谷精英，谷穎博士便是其中的佼佼者。業務布局方面，則從數據基礎、技術開發、應用落地三個層面來進行，以玖富內外部資料庫為基礎，將語音識別、知識圖譜、自然語義等技術應用到發欺詐系統、智能投顧、精準營銷與智能投放等領域。

目前人工智慧技術應用越來越多，也專家表示並非技術越新、越先進就越好。目前有傳統的邏輯回歸分析，也有很多機器學習演算法，像隨機森林、支持向量機等等，這些測試效果可能會很好，但有時候結果難於解釋，所以一般會把機器學習演算法跟傳統邏輯回歸分析相結合用於實踐。

對於智能投顧方面，有業內人士指出，目前所面臨最大的問題就是趨同。雲量科技CEO屈攀表示，「市場上多數產品沒有太大的差別，收益上面取得不了太大的突破，大家都在比體驗、平台、誰流量多」。

據了解，在智能投顧領域，大家看到的未必是未來的主流形式，目前實際上整個市場是階梯分級的，第一梯隊，包括京東、阿里等都在布局，第二梯隊，國家隊團隊在跟進，第三梯隊是創業型公司在默默耕耘。

分析人士指出，在第三批的梯隊裡面很多公司，或許用戶數不會比第一梯隊公司少，但是他們不敢冒頭，不是因為他們非法，而是因為目前第三梯隊很有可能代表未來的方向，他們屬於「黑暗森林」的一個階段。

「任何技術模型都應該與產品契合，注意服務體驗與風控效果的平衡，而不是一味追求新技術」，谷穎表示。

聲明：文章不構成投資建議，轉載請註明出處。