<track id="653sp"><div id="653sp"></div></track>

<track id="653sp"><span id="653sp"></span></track>
<track id="653sp"></track>

  • <tbody id="653sp"><div id="653sp"></div></tbody>

      行業動態

      人工智能暴擊銀行業 如果你的崗位低附加值低專業那該注意了
      (2017/6/28)

       

       本文首發于微信公眾號:券商中國。文章內容屬作者個人觀點,不代表和訊網立場。投資者據此操作,風險請自擔。

      人工智能暴擊銀行業,如果你的崗位低附加值低專業,那你該注意了

        來探討一個問題——IT提高金融效率、降低業務成本大家都知道,但這一切究竟是怎么發生的?

        一個讓人無法忽視的事實是:人工智能正前所未有地重度沖擊銀行業(含與銀行業務存在重合的非銀持牌機構如消費金融),對一些標準化的、常規流程化的、低附加值業務崗位展現出一定的遷徙替代效應——比如VTM等遠程智能作業方式對某些零售前臺業務崗位(柜員、客服)的替代,大數據模型對人工信審等崗位的替代。

        當然,我們要在此強調的是,雖然人工智能正在優化甚至重塑銀行業務流程,但對一些非標轉化的、對專業性要求更高的崗位,比如資產管理、金融市場、投行業務等業務崗,仍舊望塵莫及。

        總而言之,如果你的崗位被KO 掉了,那是因為它本來就不產出多余價值。

        所以這就是為什么,銀行在不同場合說著要擁抱fintech;然后爭先恐后一改姿態要大肆渲染跟互聯網巨頭的合作(哪怕合作的方向還不夠具化,但態度是萬萬要隆重的);再然后,每年數十億真金白銀砸到IT研發、運維和人力。

        大數據VS傳統信審

        來看正在發生的幾個事實:

       。1)“我們現在要將服務下沉,很多零售客戶的小額消費信貸需求,我們也要滿足。所以我們都推出了相應的產品,工薪貸啊、個稅貸等等純線上授信產品。這些高頻的服務我們當然不像以前一樣用人工去滿足,取而代之我們會用系統,這樣才能把服務單個客戶的成本將下來。而只有成本降下來,才能服務更多的客戶。目前我們還只針對存量客戶推出快速授信服務,這跟我們掌握的用戶交易數據的多少有關,未來我們接入了更多外部數據以后,才會逐步擴大受理客群”——A股份行零售業務人士(2)“我們現在統一由手機銀行為入口,客戶只需簡單錄入信息,然后啟動人臉識別功能,我們后臺就會自動調用多個系統平臺運作,審批、授信半小時內完成。根本不用人工再去做信審,但這只針對我行持卡人”——B城商行互聯網金融部人士(3)“我們在別的地方完全沒有獲客網點,我們目前和某互聯網銀行有聯合貸款合作,一部分需求通過他們給我們的接口反饋到他們系統上,他們系統負責跑完這個需求(指審核的意思),然后我們再以聯合資金放款。對于我們來說,這也是很高效的一種借力模式”——C小型城商行人士(4)“我們目前當然還需要用到人工,但那只是在核實身份環節。當一個借款需求反饋到我們系統上的時候,我們客服會第一時間打電話給借款人。當然,除了這個環節,其余幾乎都可以做到由系統來審核,‘信貸工廠’模式越來越自動化。人工智能并沒有讓我們的信審員失業,而是輔助他的工作”——D消費金融公司人士(5)“我們是分借款人類型。如果借款人是從場景來的,比如我們跟國內一些家裝網站和芝麻信用有合作,如果是從這些特定合作渠道來的,只要達到了放款標準(比如芝麻信用分達到約定標準),我們后臺系統就會自動實時授信,完全不用人工”——E消費金融公司人士

        以上五位跟信貸業務離得最近的人士的話,串聯出一個正在發生的事實:信審,這一傳統的、曾經要在線下操作、耗費人力時間成本的崗位,正在部分場景和在面對特定的存量客群的情況下,正在被人工智能取代。那是因為現在上述機構的數據模型,已經接入了金融交易記錄(含信用償還歷史)、信用賬戶數、使用信用的年限、訴訟信息等,同時還不斷新增社交數據、運營商數據等。

        大數據,大數據,大數據——原因說三遍,這是發生一切的動因,F在已經有不少成熟的商業公司如北京“讀秒”,專攻智能信貸服務,為兩家銀行提供助貸業務,重塑其零售乃至小微放貸流程。

        而根據FICO(國際主流消費信貸風險測量標準)此前的一份研報顯示,大數據在國際銀行業的主要應用領域如下:

        信用評估:10%;

        風險建模(反欺詐): 16%;

        投資組合管理:18%;

        客戶行為分析:15%;

        行業預測分析:8%;

        動態定價:7%;

        運營績效:12%;

        行業監管:9%;

        商業決策:5%。

        毋庸置疑現在大數據對企業信用評級的滲透還不夠深,那是因為基礎的財務數據可以量化,但企業可持續性、流動性風險、杠桿結構和公司治理等數據不好量化,所以整體大數據對銀行公司業務的沖擊沒有這么深。

        最后,再次IT目前滲透的,是標準化、產品組合同質性高的部分零售業務崗位,而公司金融、投資銀行、資產管理、金融市場、大零售條線的私行業務并不像零售業務那樣受到巨大的沖擊 。

        除了銀行這邊的信審員,那一邊保險業部分崗位也在遭遇暴擊。

        繼日本壽險巨頭富國生命保險計劃裁減近30%的理賠部門員工,因其于今年1月引入人工智能系統,裁員30%將為其每年節省約1.4億日元后;螞蟻金服保險事業群擬推出“定損寶”,用深度學習圖像識別檢測技術來代替定損員的工作,在幾秒鐘之內給出準確的定損結果,包括受損部件、維修方案及維修價格。

        看來受到人工智能沖擊的領域,遠不止銀行。

        IT 重塑金融流程

        除了大數據,區塊鏈也走出近三年的實驗室驗證和模式探索期,逐步進擊銀行業務場景——而這一波浪潮,我大中國沒有落雨人后,而是跟國際同步。

        近日,IBM宣布聯合歐洲七家銀行(包括德意志、匯豐等),共同為中小企業搭建一個新的區塊鏈貿易融資平臺“數字商業鏈”,旨在提高中小企業國內和跨國貿易的透明度,降低交易成本。

        而則這個平臺,將會在IBM云上運行。

        而我國早有實質性運作,是由天生互聯網基因的互聯網銀行挑起。2016 年9月,微眾聯合華瑞開發出基于聯盟型區塊鏈技術的銀行間聯合貸款清算平臺投入試運行,用于優化兩家銀行“微粒貸”聯合貸款的結算、清算。作為國內銀行業的首個區塊鏈實際應用場景, 這個清算平臺使得兩個真實的銀行機構可以通過區塊鏈進行數據交換驗證,完成實時清算,處理效率大幅提高。

        記者采訪到的最新數據是,目前已有3家合作銀行接入該系統,在生產環境中運行的應用數據記錄筆數已達450萬。

        另外一個已落地實際應用的是招行,招行將區塊鏈的首個應用場景框定在了跨境直聯支付。因為傳統跨境支付業務耗時長,支付到賬時間少則數小時、動輒跨日,業務痛點多。招行認為,區塊鏈技術可減少跨界支付對SWIFT(環球同業銀行金融電訊協會)報文系統的依賴,減少查詢對賬操作程序。此外,還有非常重要的一點,跨境支付交易量適中,可規避區塊鏈技術的性能瓶頸。

        這個直聯支付項目在上線兩個月后,就完成支付額超過2億港幣,大大提升效率。

        再下一個場景是票據交易與融資:由中信銀行(601998,股吧)前副行長、微眾銀行前行長