人工智能金融应用评价体系研究报告（37页）

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。