人工智能在具体金融场景中如何应用？科技正在如何潜移默化地改变传统金融业？ 8月15日，在“AI+金融智能释放无限可能——金融AI媒体开放日”上，金融数据科技专家与近50家参会媒体就此问题进行了深入探讨。
金融大数据总监苏绥指出，“没有AI能力的企业将会被边缘化”。
“我国信息化水平的提升，让金融业与人工智能的融合达到了前所未有的水平，这对于传统银行来说既是挑战，也是机遇。
”随着中国经济进入新常态，传统金融业面临“三高一低挑战，即：劳动强度高、人员管理成本高、业务门槛高、用户体验低。
”苏绥表示。
传统金融信贷业务中，催收、客服、电话销售人员占比超过60%人员素质参差不齐，导致管理成本过高的问题也成为困扰金融行业的通病。
金融机构加速运用大数据、云计算、人工智能等金融科技手段进行改革的趋势，是金融科技行业深度参与共建金融新格局的一个出路。
AI在金融领域的实践历程 业内人士早就表示，金融是AI最好的落地场景之一。
自2018年人工智能被概括为算法、算力、数据三要素以来，场景价值也被热议。
对此，苏绥表示，“人工智能只是一种技术，而不是最终产品，它的价值只有与具体业务和场景结合才能发挥出来。
目前生物、语音等技术已经在金融领域得到应用。
”大范围上。
”此后，分享从智能获客、智能营销、智能风控、智能催收等角度全面剖析了AI在金融领域的实践。
据介绍，在风控涉及的众多环节中，技术需要对抗具有欺诈目的的个人，因此风控过程中不应出现明显短板。
在智能风控环节，管理大多集中在贷前、贷中、贷后三个阶段。
而财务则将智能风控推进到获客阶段，从而将智能风控延伸至整个客户生命周期，并通过精准量化风险，实现公司营收、成本、业务规模等多重目标之间的平衡与优化。
据苏绥介绍，金融智能风控的自动投放率高达97%，其中地址热图和复杂关系网络系统起到了支撑作用。
金融构建的地址热图依赖于地图底层数据。
通过对城市单位范围内包含的设备连接数量进行颜色编码和标注，结合多个变量形成对每个点的判断。
GDP信息是综合分析客户风险水平的基础。
“颜色越深，人口密度越大。
通过商业发现，人口密度相对较低的地区，风险会相对较高。
”苏绥还举了一个例子。
除了解决热图之外，苏绥还分享了金融领域的另一种智能风控技术——复杂关系网络。
苏绥表示，与正常客户呈现为蓝色关系点相比，具有风险属性的客户会在复杂的网络上呈现出更多的红色和灰色节点，这些点代表了不同程度的风险。
在此基础上，财务对接黑名单客户，提取相应指标，全面了解客户的风险等级。
作为分享的重点，苏绥介绍了语音机器人在金融场景各方面的应用。
早在2009年，金融就通过自主研发的语音机器人改善了传统业务绩效，解放了约70%的人力成本，大幅提升了催收效率和客户体验。
为什么金融语音机器人比竞品更好？ “一方面，为了给予用户积极的心理暗示，金融语音机器人会提取用户的方言进行回应，更接近用户的感知；另一方面，为了减少人为情绪和情绪的影响，效率，同时补充AI的应用克服机械缺陷，财务采用人机融合的方式开展相关业务并进行能力输出，最终财务语音机器人每天可以完成%的质量检查，在时效性方面实现h级快速响应”据了解，语音机器人的情绪检测功能在应用中已经展现出一定的能效，未来将进一步应用于相关业务流程。
分享最后，苏绥从产业和技术角度分析了AI+金融的发展趋势，并提出“人工智能将成为像水、电、煤一样的基础设施，没有AI能力的企业将被边缘化”。
苏绥认为，从行业角度来看，未来的竞争将是综合能力的竞争，包括流程、效率等的产品体验将成为重要的衡量标准。
行业正呈现去人工化、在线化、智能化的趋势，从而进一步解决金融服务的广度、深度和满意度问题。
从技术角度来看，各种行为数据将得到更充分的利用。
目前，传统金融机构积累的大量纸质信息的价值尚未得到充分挖掘。
非结构化数据的应用将改变数据的结构化价值。
此外，无论是大型企业还是中小企业，在数据处理、发现和连接方面都会扮演不同的角色。