我们常说的金融科技，可以理解为利用人工智能和数据寻找新的经营方式。如今，人工智能在金融行业的应用早已遍地开花。最常用的三种技术是机器学习、计算机视觉和自然语言处理。人工智能的第一步是解释事件，然后逐渐形成决策过程的自动化，最后全部交给人工智能来做决策。金融行业一直在追逐人工智能，它可以通过自动化取代繁琐重复的人工工作，提升客户体验，降低成本。人工智能不应该用ROI来衡量对人工智能的态度。中国银行比外资银行更活跃。Gartner高级研究总监卢俊宽（CKLu）总结了三个限制外资银行投资人工智能的原因。***、现有数据、现有系统已经可以帮助银行满足业务需求；二是没有明显的金融科技与企业竞争，因此没有强烈的人工智能转型需求；第三，国外监管机构重视“可解释性”。而人工智能更像是一个“黑匣子”，人们只能得到结果，并不知道得到结果的过程。Gartner高级研究总监卢俊宽（CKLu）目前，人工智能投资还处于早期阶段，金融机构在使用人工智能方面也面临一定的挑战，主要包括：投资、商业价值、人工智能和投资回报率（投资回报))强关联；二是数据，数据存储分散，管理困难；第三，人才，人工智能人才匮乏，需要懂商业和人工智能的人合作，打造人工智能应用；第四，工具，单一应用解决单一问题，部署更多的AI应用需要花费大量的时间和成本；第五，规模，大规模应用的准确率急剧下降；第六，ROI，各部门各自投入造成资源浪费。“CIO很难从投资回报率的角度向老板证明投资人工智能是有回报的。”卢俊宽表示，很多企业在人工智能投资上会陷入ROI的迷思，这会让企业找不到人工智能的投资方向。例如，陆俊宽表示，Gartner发现很少有公司通过部署客服机器人来实现ROI目标。客服机器人可以增加15%-30%的客户沟通次数，但并不意味着15%-30%的员工可以立即裁员。因此，在评价人工智能是否成功时，卢俊宽建议企业首先要看人工智能帮助企业提高了多少效率，其次人工智能给客户体验带来了多少提升，而不是刻意用ROI来衡量.人工智能将逐渐扩大规模。目前，金融机构已经开始在营销、销售、产品、交易、风险管理等多个领域应用人工智能。未来，人工智能还将为整个金融机构的结构和人员带来根本性的改变。反欺诈和风险管理是AI在银行业广泛应用的领域，因为欺诈可以看作是一种业务，银行用人来填“坑”的速度远远赶不上欺诈的变化速度，所以利用人工智能制定规则来定义欺诈行为，可以节省人力，有效防止欺诈。除了反欺诈和风险管理，中国金融机构也进行了很多创新和尝试，主要集中在提升效率后的客户体验，比如获客和留存。“对于人工智能在银行的大规模落地，可能还没有快速有效的解决方案。”卢俊宽认为，要实现规模化部署，需要解决两大问题：人才和基础设施。Gartner建议，人工智能的实施应基于组织规模。小银行的业务场景比较单一，没有足够的资金投入人工智能，必须以业务为导向，与大银行现有服务相匹配；中型银行业务场景相对复杂，人工智能可能成为其进入“**第一梯队的机会；面对传统银行和互利网金融的双重竞争压力，大型银行需要转变文化和公司治理，以实现从项目到产品的创新。从全球来看，人工智能部署在公有云和本地数据的比例分别为40%和35%。在中国，大部分人工智能部署在数据中心，因为监管要求陆俊宽表示，虽然目前的监管要求是针对本地部署，但金融机构必须考虑未来AI应用云端化的可能性。
