人工智能能以更大的规模、更快的速度复制劳动过程，并可以执行超出人类效率的一些任务，正成为全要素生产率的重要驱动力之一，在金融领域的运用显得尤为突出。
第一，全球市场方面，人工智能支持的新兴信用风险评级技术具有巨大应用价值，并将带来国际金融市场重大变革。
国际金融资本在全球新兴领域进行投资或者风险套利过程中，遇到的重要难题是：理解本土语言、文化、法律、政治差异，研究当地的经济政策、产业规划，了解所进入行业的经济状况，需要大量时间、人力和物力。这些时滞限制、束缚了国际资本在瞬息万变的全球市场中有效率流动。当前人工智能技术已经能够运用全方位语言，根据所处不同地域进行及时的语言本地化，还可以设定精细的文化模式，从根本上解决了将已有服务扩展到新社区的技术困难。据统计，1000份同语言的法律文本，3个优秀的律师6个月才有可能读完并理解运用，而借助人工智能技术，机器人可以在几天内读完不同语言的1000份法律文件，并准确进行运用。对于政治差异的理解，如果没有机器人的参与，又需要请优秀的政治学者进行新兴市场业务领域的政治风险评估，但人工智能技术能事先将政治学者的思考预先技术化，可以快速在语言理解、文化融合、法律通晓的基础上添加政治风险预判的维度。当前的人工智能可以以30秒内阅读300页不同语言文本的速度理解当地经济政策、产业规划设定的业务流程。人工智能技术还能通过海量语音识别技术、海量图片分析技术实时分析全球标的行业、公司的经营状况。比如美国一些对冲基金公司利用数以亿计的多国电视新闻报道、超市停车数量、小麦种植面积、河水污染程度来预测企业、行业的经营状况，引发市场动荡进而从中获利。这些基于人工智能技术的新兴信用风险评分技术能迅速自动开发出多样的投资组合模式、复杂的全球税务策略模式以及全球风险对比模式，将为金融资本解下锁链，使资本更加自由地在全球进行投资和套利。
围棋竞技软件AlphaGo Zero通过自我对弈，30天成为世界第一围棋手，虽然文化、法律、政治、经济环境比围棋规则复杂得多，但AlphaGo Zero的成就意味着更高水平的人工智能新兴信用评分技术很可能以纯粹的自我学习和自我进步在新兴领域预演大规模投资、吸取经验修正投资路径，在金融风险评估领域领先人类一大步。无论是规模稍小的对冲基金还是规模巨大的互助基金、养老基金、保险基金，对于这种人工智能信用风险评分技术的需求都非常大。全球化浪潮不会因为一些国家的民粹主义停止前进，世界各国的财政政策、货币政策、外汇政策之间的复杂的交互作用，包括时滞效应、回荡效应等带来的资本的全球套利空间巨大，唯有人工智能可能瞬时处理其中巨量信息，哪个国家在这一技术领域占据主导地位，哪个国家就会在未来的国际金融市场占据主导地位。
第二，微观个体方面，人工智能技术收集、存储、创造的海量、动态个体360度消费者信息视图，能对客户的金融需求、金融行为进行高精度刻画，个性化金融服务市场将成为蓝海市场，传统金融市场销售模式将受到极大冲击。
传统的银行收集的是两个交易者之间的交易数据，而人工智能会多维度收集、分析这些交易数据背后的信息，比如，两个交易人到底是谁，他们的年龄、性别、学历、婚姻、出生地等；从海量数据来看，他的付费习惯、旅行特征、风险属性等行为偏好和行为轨迹如何；人工智能还将深入发掘交易人之间到底有什么关系，这种关系意味着什么需求匹配关系，什么合作模式，什么合作风险；更进一步，人工智能还能从社交网络、物联网资源，获取大量数据，以便可以做出客户的360度动态视图。这些数据对于客户价值模型的预估、产品偏好预估、用户流失量预估提供了极大方便，为匹配与客户最合适的服务人员，提供准确的业务引导和改善意见提供了方便；为金融产品的精准推荐、营销、风控奠定了重要基石。
具体而言，以数据为基础，人工智能技术能实现如下几点：
在庞大人群中主动识别出具有某种金融需求的个体，并预判信用风险水平。海量关系图谱分析能识别出哪些人正在面临财务困难、其信用等级如何，他们的金融产品偏好和收入约束如何，这些信息对于金融服务提供方制定研发战略、营销战略显然具有重要意义。有研究表明，人工智能技术能够进行快速高维数据降维，比如，快速将3000个维度迅速下降为400维；基于百度数亿级用户数据降维分析，央行征信数据得以将客群的风险区分度提升13%。
能对差异化的金融产品进行市场预判。传统金融机构多提供大众化、统一化产品，因为无法预估市场规模，进行差异化产品设计可能带来市场风险。但有证据显示，时代潮流是，消费者越来越追求个性化体验，其所要求的私人化、特殊化和系统所提供的大众化、统一化是不相容的。人工智能技术能利用海量数据对数亿规模的人群进行分类并进行行为模拟，能导入差异化的金融产品的庞大规模“田野实验”，进而观察不同人群的行为模式变化，由此推断产品需求。
服务过程中，包含情绪分析的人工智能工具将帮助员工评估交易成功的可能性和客户忠诚度，销售人员能根据评估结果，进一步进行交叉销售和追加销售，从而提高交易成功率。此外，情绪分析还可以用于优化不良贷款的管理。
第三，企业层面，人工智能技术将对金融企业一些部门的传统运行模式形成冲击，能极大地优化企业运行机制、提高企业效率。
先看金融企业的研究部门。金融企业常常需要雇佣庞大的团队进行学术研究。金融企业的研究并不像大学需要进行基础理论研究，常常是基于理论文献以及基础性实证研究进行应用研究。事实上，这些工作完全可以用人工智能技术完成。例如，为财险公司提供风险建模服务的Praedicat公司，一改过去雇佣大量研究人员的模式，利用人工智能平台进行研究。该平台读取了超过2200万份同行评审的科学论文，为评估新兴风险的严重性时刻做好了准备，由此显著提高了承保人的风险定价能力，并提高了承销商创造新的保险产品的能力。日本领先的资产管理公司野村也在对研究部门进行深刻改造。该公司与软件提供商NRI进行合作，开发出了人工智能和自然语言共同影响的投资组合决策系统。过去，野村的研究人员在决定如何权衡投资组合中的股票时，必须考虑大量定性信息，如分析师报告、新闻文章、博客帖子和社交媒体发布会等。随着数据量持续增长，经理们越来越难以做出正确判断。新系统的目标是将这些定性的原始数据转化为人工智能可处理的定量数据：先接受分析师报告的培训，以学习数据源中的“正面”和“负面”语言模式；由海量数据积累的正负代数和之值来评估信息对股票的整体影响；将这些报告汇报给研究人员，进而由人机共同确定如何进行投资。
再看金融企业的服务部门。以微众银行为例，为了对两千万客户进行服务，大约需要800个客服人员，每天工作10小时；如果换成人工智能服务，只需要1个智能机器人，8个人工客服。另一方面，对于有时差、语言差别的全球客服，人工智能更是大幅度降低了服务成本。基金、银行、保险企业的服务部门的日业务量非常大，当前全球的运行模式基本上都是配置大量劳动力应付巨量重复劳动。可以预见，人工智能技术的崛起将对金融服务部门进行深刻改造，进而对企业竞争能力形成影响。
甚至有的金融企业还在进行人工智能的全方面渗透。全球最大的对冲基金布里奇沃特正在建立一个人工智能引擎，以实现公司的自动化管理。布里奇沃特创始人希望人工智能系统能够处理市场分析、员工招聘、内部控制、投资决策、财务分析……目前，管理着1600亿美元的布里奇沃特已经通过其“纯阿尔法”（Pure Alpha）基金的策略，测量了数百个经济数据点，内部开发的应用程序可以用来为经理和员工分发数据。该公司提出在将来五年，人工智能系统能够直接完成全公司四分之三的管理决策。
无论是消费者、企业，还是全球市场层面，人工智能都正在对金融行业产生深刻影响。把握这一技术浪潮，对于占领全球金融行业制高点具有重要意义。
（责任编辑：邓浩）
