人工智能金融应用评价体系研究报告（37页）

行业报告下载 2022年01月04日 06:51 管理员

为深入了解人工智能算法在金融领域应用情况以及发展水平，我们在北京金融科技产业联盟人工智能专委会内开展了人工智能算法金融应用调研工作。调研范围包含 56 家金融机构、72 家科技企业，3 家检测认证机构，共计 131 家单位参与其中。调研内容分别从算法以及场景两个维度梳理行业现状及难点痛点，调研反馈结果汇总如下。从算法应用维度看，人工智能技术金融应用的背后有一系列多种类算法组合的支撑，当前各调研反馈机构使用的人工智能算法已多达 40 余种，传统机器学习类应用最为广泛，深度学习类也在部分场景有所应用，其中 94%的机构使用决策树类算法，87% 的机构应用了逻辑回归类算法，42%的机构应用了语言处理类算法，35%的机构应用了图神经网络算法，29%的机构应用了聚类算法。通过调查可以看到金融机构对算法的选择还是以安全发展、风险可控为前提，本着成熟算法先行试点的基本原则，稳步推进人工智能算法的应用。从场景应用维度看，当前智能风控、智能客服、智能营销三大应用场景热度最高，其中 100%机构构建智能风控、90%机构部署智能客服及智能营销、76%机构升级智能运营，52%机构探索智能支付及智能顾投，还有 5%将人工智能技术应用到智能监管。

从场景应用难点看，当前遇到的困难主要集中在场景碎片化、隐私保护、风险责任界定模糊三个方面。场景碎片化暴露出模型泛化能力不足，影响模型推广。人工智能应用涉及海量客户隐私数据的获取与加工，隐私信息界定以及数据权益归属仍需进一步明确。同时，人工智能算法通过结果输出辅助涉及多个行为主体的金融决策，各主体间的行为不易认定和划分，责任难于追溯。随着人工智能技术的纵深发展，人们对于人工智能自动化便利的依赖越来越强，同时也引发社会对于“一切自动化”的多种担忧。特别在金融、医疗等高风险领域，智能应用的结果可能对财产、生命带来不可逆的重大影响，对社会治理带来极大挑战。因此，积极做好人工智能应用评价工作，对实现人工智能健康持续发展显得尤为重要。人工智能金融应用的评价是一项较为复杂的系统性工程，不同应用场景间需要评价标准及评价指标的精准适配，更需要技术创新型评价工具的有力支撑。