【IT168 评论】疫情的黑天鹅加速了企业数字化进程，也带来了更多的挑战。如何应对疫情和复杂多变的世界局势带来的经济下行压力？如何改变金融行业面临的诸多难点？

金融行业不确定性带来风险

　　“疫情对全球经济都造成了很大影响，增加了不确定性。”合合信息联合创始人/副总裁、启信宝CEO陈青山接受采访时指出，他强调未来金融业的发展风口是科技，科技发展必须依附经济稳步回暖。金融科技是过去这20年中国经济发展的一个亮点，在本世纪的前20年，中国的金融科技得到了快速的发展。

　　陈青山认为降低风险要将信息收集起来，比以前更加全面、及时、准确的反映金融业务相关的风险，以便企业可以更好应对变革，这是疫情带来的挑战之一。另一方面金融业务活动开展也面临着较大挑战，以银行拓展对公业务场景为例，以前要现场尽调，现在由于疫情的原因不方便到现场，远程尽调或者远程的业务拓展的需求进一步增加。疫情所带来的挑战都对AI、大数据等大数据技术有了更高的要求，需要更加全面、实时、准确收集信息应对市场变化。

　　与国外相比，国内数据底子相对薄弱，在不同行业数据基础参差不齐，金融业数字化程度较高，拥有众多AI落地场景。英国牛津大学人工智能教授迈克尔·伍尔德里奇相信金融AI是人工智能目前最令人兴奋的机会之一。AI经历了漫长时间的演进，在过去的15年里取得了非常显著的进展，特别是在与神经网络有关领域取得了显著进展。

　　经过60多年的发展，AI不再是空中楼阁和镜花水月。陈青山按照应用场景将AI分为感知AI和认知AI两类，从金融的发展趋势来看，两三年前感知AI的技术在不断的深化和应用，比如合合信息提供的证件识别功能、身份验证功能等，在金融行业中得到了比较深入的应用。近两年，随着信息技术和大数据技术的发展，自然语言处理、知识图谱、情感分析等认知AI技术的发展更多的应用在了更新的一些业务场景中。

　　目前应用在金融领域的AI和大数据的相关技术有深度学习、自然语言处理、知识图谱、计算机视觉，应用于金融业务各个环节，有效优化流程、提升效率。然而，这些技术进入金融领域，并不是简单的技术叠加，而是有更深层次的底层逻辑。

金融业AI如何落地？

　　2009年成立的合合信息是一家专注于人工智能与商业大数据的科技公司，主打3款C端产品名片全能王、扫描全能王、启信宝，均是过亿用户级别的产品，也有相关B端版本为企业提供服务。合合信息将AI数字化分为文本识别、语音识别、计算机视觉、场景识别四个阶段。用AI搭建一个平台，将金融领域日常的单据、票 据、合同、证件等信息，进行高效识别、实体提取、自动分类甚至感情标注。利用AI进行识别录入的准确率上可以达到99%，远高于人工录入90%的准确效率。

　　根据《中国金融科技风控报告2020》，通过大数据、人工智能、生物识别等新技术，金融科技风控能够在支付交易的事前、事中和事后对风险事件进行实时监控。在供应链金融场景上，传统风控存在金融机构和核心企业需求存在错配、金融机构在供应链金融的金融科技支撑较为薄弱、政府等机构对金融机构的有关的资源配合力度不足三大痛点。金融科技风控则可以帮助供应链金融风控贷前、贷中和贷后的信贷服务体系全流程。

　　在2020世界人工智能大会（WAIC）“未来金融论坛”上，清华大学五道口金融学院常务副院长&清华大学金融科技研究院院长廖理介绍，一直以来传统金融机构向企业放贷都要求要有一定的资产抵押，而越来越多的中小微企业都是基于互联网的服务型的企业，其本身可以抵押的资产特别少，个别有一些知识产权也很难进行评估进行抵押。这是传统金融机构很难对中小微企业放贷一个非常重要原因。由于有了大数据和人工智能，可以对核心风控模型进行建模，大大降低了人工尽调的成本，使得不以资产抵押为主，而是以信用为主的新风控逻辑成为可能。

　　合合信息自主研发的企业查询平台启信宝，为企业提供风险监控、信用管理服务。目前，启信宝在全国可以覆盖2.3亿家工商注册企业、事业单位、专业服务机构、非营利机构和组织等，用6大类数上千个维度，存量700多亿条的动态数据刻画商业世界，包括了工商、司法、资质诚信、舆情监控、经营情况等多个数据体系，对企业的了解可谓是清晰透明。借助于这些数据信息，可以充分进行知识梳理，最终形成商业大数据平台后，启信宝就可以对一家企业进行数据画像、信誉评分。

　　以招行为例，合合信息与招商银行一起共建了一个知识图谱平台，将数据圈梁整理后，实现信息智能化，单向传输到招商银行的安全网络环境中，可以对企业内外部完成数据模型，完成评分，这样就建立了一个招商银行内部的风险门户，将每个操作环节进行实时监控将风险有效降低。完成金融领域中多个业务场景的智能风控、智能拓展客户、智能合规审查等，有效降低成本、提高效率。

　　“任何的智能化的方案都不是一次就可以建成的，它需要不断的去迭代磨练，在真实的场景里迭代磨练，因此场景也是非常重要的，合适的场景让你不断的去迭代去更新，去完善你的智能化的方案，最终才能形成一个行之有效的方案。”有专家指出，虽然AI已经有了一定的落地，但是随着AI应用的深入，需要结合场景不断打磨，而数据、隐私、偏见问题还需要各方去探索更好的解决之道。