“互聯網的思維是一個過時的思維，我們的思維方式是AI思維。”
“金融是人工智能最重要的應用領域。AI Fintech +金融機構，將產生1+1大於2的裂變效果。”
百度公司董事長兼CEO李彥宏這樣說並不奇怪，因為百度雖以互聯網起家，卻早已在7、8年前就佈局了AI賽道，而百度也正在以新面貌迎接並引領智能化時代。
那AI+金融到底是為何被看好呢？
一起來看
“AI+金融”的3.0時代
金融科技一共經歷了三大發展階段：
1.0時期：該時期的金融科技僅停留在概念階段。科技初步結合金融業務，科技在1.0階段作為金融工具，以技術替代人工，提升了金融業務的數據計算、存儲與傳輸效率。
2.0時期： 變為科技服務金融創新，如：第三方支付、網絡借貸、一站式綜合金融服務、眾籌等。該時期金融科技存在的主要問題是：數據資源難以共享，影響金融科技的基礎設施建設，導致技術無法深度應用。
3.0時期：通過大數據、雲計算、人工智能、區塊鏈這些新的IT技術改變傳統的金融服務，大幅提升傳統金融的效率，代表技術就是大數據徵信、智能投顧以及供應鏈金融。
【成功應用】
“刷臉”現在已成功落地應用，極大地鼓舞了人們對金融科技實用性的信心。
智能投顧（Robo-Advisor)也取得了不俗的成績和發展，據第三方統計數據，去年年底數據顯示，國外市場上智能投顧已經達到210億美元的管理資產規模，預測到2020年，這一數字將突破2.2萬億美元。
“AI+金融”應用場景大剖析
參與產業鏈
參與到“AI+金融”應用場景的企業大致分為：傳統金融機構、各類互聯網公司（如：京東金融、百度金融等）和人工智能技術類公司等。
“AI+金融”的應用場景
【智慧銀行】
人工智能已經滲透在銀行業的各個方面，從前臺業務到後臺分析決策和企業運營，典型應用包括：智慧網點、智能客服、刷臉支付、智能風控、精準營銷和智能化運營等。
【智能投顧( Robo-Adviser )】
優勢
智能投顧在更好地適應用戶的個性化需求、降低門檻限制、避免人為因素干擾等方面有著明顯的優勢。
核心環節
用戶畫像、大類資產配置(投資標的選擇)、投資組合構建和動態優化等。
【智能投研】
從技術角度來看
智能投研的技術要求相對較高，國內創業公司、基金公司和數據服務商都趕著入場，但目前來看，行業尚未形成規模，市場仍處於早期探索階段。
從數據角度來看
國內的金融數據豐富度和完整性相較於國外來說都比較偏低，大量的數據標準化、關聯關係的建立等問題亟需解決。
傳統投研和智能投研的區別
傳統人工投研流程可大致分為4個步驟：收據收集、數據/知識提取、分析研究和觀點呈現等。
智能投研則通過自動化途徑優化這4個步驟，實現從搜索到投資觀點的一步跨越。
【智能信貸】
優勢：
- 精準信用畫像，提高風控效率和精準度
- 第三方獨立徵信，打破信息的孤島
- 信貸業務全流程的優化和風控管理
傳統信貸業務流程從申請，到信息採集，再到信審和放款，每個環節均涉及大量信息，流程繁瑣且效率低下。但在互聯網金融的時代背景下，市場對於效率的要求越來越高。
整個過程並行處理，依靠機器自動化完成，從而能夠實現線上審核的“秒批”或“秒拒”。
【智能保險】
智能保險是利用大數據、人工智能區塊鏈等技術實現保險從售前到承保、理賠和售後的全流程優化。
售前：精準的用戶畫像。通過跨平臺獲取用戶信息，打造用戶畫像,來優化保險行業中的定價、信用評級，精準營銷等流程，為用戶提供個性化的產品推送。
承保：風險評估。運用大數據技術構建定價和反欺詐模型，有效評估客戶承保前、承保中和承保之後的風險。
理賠：核保流程自動化。通過大數據分析推進核保流程自動化，縮短核保時間，提高核保準確度。
售後：識別高退保風險保單。主動挽留高退保風險客戶，並分析不同客群退保原因，降低退保率。
【智能監管】
新技術帶來變革的同時也帶來風險。
2018年3月上交所就人工智能、大數據等新科技在監管領域的應用給予了一定的介紹。同時表示，上交所將不斷加大監管系統建設投入，積極研發智能應用，以大數據平臺為基礎,以實際監管業務場景為著陸點。
“AI+金融”的行業現狀怎樣？
目前行業發展潛力巨大，場景創新成重點，未來具有一定的不確定性。
隨著人工智能技術的逐漸成熟，行業關注的重點也將逐步從技術研發轉移到場景探索上來，金融行業作為最被看好的AI應用領域之一， 無疑會有更多的發展機會。
目前來看，智慧銀行、智能投顧、智能投研、智能風控等場景的的發展相對較快，監管和保險有朝著綜合型科技方向發展，監管科技、保險科技等詞彙逐漸進入人們視線。
投資領域
智能投顧因國內理財需求的擴大，而面臨廣闊的發展空間，未來，隨著監管政策的逐漸落地，市場也將更加規範。
未來隨著投資專業化、私募基金大發展、個人與機構的界限逐步模糊的背景下，智能投顧與智能投研兩者有望通過加強合作實現優勢互補。
信貸領域
隨著國家對場景金融的鼓勵和支持，未來，智能風控有進一步貼近場景的趨勢。徵信方面，數據共享機制的建立，在未來或許將逐步完善。
保險方面
用戶畫像和大數據的發展，削弱了保險行業的信息不對稱性，能夠一定程度上減少保險欺詐的發生，但也同樣存在著隱私問題等潛在風險。
監管方面
新技術的應用給市場帶來新的風險，但同時也提供了新的監管思路和方法。各監管機構均提出監管的智能化發展，並逐步落地實施。
綜述
由於金融行業發展的差異性(如各國金融市場的成熟度不同，投資者的投資風格迥異等)，短期來看，人工智能技術對金融行業發展的輔助性作用更為明顯。
長期來說，技術所能達到的界限難以界定，不排除有對行業產生顛覆性影響的可能，市場具有較強的不確完性。
金融人如何防止被AI取代？
想繼續留在金融業，需要做一個複合型人才，不得不說，如果你想從事金融行業，科技金融與金融業務的合流是大勢所趨。人工智能、大數據等，絕對是你需要關注的重點！但是，並不是說不會編程就不能進入這個領域了！
加強科技素養
作為商業人才，金融人無需焦慮於要不要轉行去AI。技術角度而言，人工智能發展至今，已漸有成熟態勢，之所以還未被廣泛運用，原因無外乎應用層面還未挖掘出底層技術的商業價值。
這個行業缺少的是極具創造力和洞察力的商業人才，從而發揮出技術的商用價值。
目前人工智能更需要的是和各行各業的深入融合，金融人可以運用自身的洞察力和創作力，發現人工智能在金融業的更多應用領域，使之發揮更大的商業價值。
因此，基本的科技素養也漸漸成為衡量金融人創新能力與運用能力的砝碼。
學位
可以去報名Master in Business Analytics（商業分析碩士） 、 Master in Data Analytics（數據分析碩士），這2個碩士專業的主要學習內容是如何將數據分析應用於商業當中。
這樣的學位一般會涵蓋基本的數據分析以及機器學習，而且較側重於應用，實用性高。
擁有非公開信息
人工智能的強項是對公開資訊的提取、分析以及作出相應決策。如果你有渠道可以得到尚未公開的資訊，你被取代的可能性就會小。
反向投資理論
是基於對人性的分析，哲學性質多過數理性質，目前尚沒有看到人工智能在模糊哲理上有什麼天分。
價值投資
舉一個例子：巴菲特只讀公司年報，運用常識進行價值投資。
對經驗的學習、複製、改良就比分析數據難很多了。
你的客戶寧可和你打交道
機器可以24小時不休息，工作能力強，但在人與人的感情處理上並不佔優勢。
金融業的投資、分析、管控功能可以大量由人工智能代勞，但是與客戶的人性交流恐怕還要人來做。當然前提是你面對的客戶是人，而不是機器。
最後送給大家一句話，搜索專家吳軍博士在他的《智能時代》一書的封面上，寫了這樣一句話：“在智能時代，2%的人將控制未來，你要麼成為他們，要麼被淘汰。”
閱讀更多 職場先生MrCareer 的文章
