银行支付领域中人工智能的应用场景与发展建议
目前，在国内已成功将人工智能运用到了互联网贷款、征信、保险、客户服务等领域。通过电子化收单、大数据的归集、AI技术等智能化应用，人工智能风控系统已经趋于完善；同时，人工智能根据各项指标分析，可以有效地提升商业银行精准营销、资产预测和建立高质量的风控模型，大幅度提高信贷业务通过率，降低坏账率，最终实现业绩增长。
一、人工智能在银行支付领域的应用背景及影响
1.国外应用背景
近年来，国外各家银行业机构对人工智能技术的应用较为广泛，人工智能技术在支付领域被有效使用。如印度的HDFC银行在不同的业务领域逐步引入人工智能技术、反洗钱、流动性和支付交易管理等；汇丰银行通过对人工智能技术的应用加强风险防控，加强反洗钱反欺诈防控；
摩根大通银行通过语音识别技术加强对客户身份的识别认证，并利用人工智能技术进行股票交易结算；摩根士丹利以人工智能为基础进行反欺诈检测，准确地预测欺诈行为；
新加坡星展银行首创的纯数字银行，创新性地将生物识别技术和人工智能整合等先进技术结合应用于支付结算中；德意志银行、花旗集团等超大型银行甚至将人工智能取代人工作为未来的一项长远发展目标。
2.国内应用背景
国内各家银行以及非银行机构利用人工智能技术不断升级支付功能，提高支付领域的服务质量和效率，为客户提供更加便捷、智能、个性化的金融服务，同时在不断完善原有支付功能的基础上，创新支付功能手段，提高市场竞争力。
例如，工行搭建的大数据与人工智能创新实验室，在信用卡刷卡及线上快速支付引入人工智能技术进行风险防控；平安银行在手机银行端打造的“智能语音”支付功能，通过对语音的判断控制进行“语音支付”“语音取现”,同时运用人脸识别技术进行远程身份认证，用户根据系统提示，完成指定动作识别，即可进行刷脸支付以及刷脸贷款。
另外，平安银行尝试将生物识别技术用在支付领域，利用手指静脉识别等技术，引入“智能钱柜”,实现系统记账与出纳分离的现金自动处理模式；北京银行利用人脸识别技术完成客户在柜台办理业务的身份识别，加快了支付流程效率；浙商银行在ATM自助设备增加人脸识别取款功能，进一步优化用户自助取款的流程；中信银行在支付环节也同样引入了人脸、声纹识别等技术。
非银行支付机构也在快速地整合人工智能与支付。支付宝通过AI人脸识别技术完成了支付场景的认证，微信紧随其后结合人工智能完成了刷脸支付；同时，支付宝、微信等支付机构相继推出了无感支付、车牌识别和移动聚合支付技术相结合的应用程序，只要对车辆牌照进行微信或者支付宝绑定，就可以直接授权付款。
3.人工智能在支付领域的影响
人工智能主要依托于云计算、大数据等应用技术的分析。从支付领域的角度来看，人工智能的引入在支付领域的影响主要体现在以下几个方面：
（1）打造数据智能账户，实现精准营销
利用人工智能打造数据智能账号，将人工智能技术所特有的图谱计算功能应用于对同一客户的不同账户或不同客户账户的数据进行聚拢归并或拆分散落处理，对客户画像进行准确描述。客户画像包括客户的产品需求、服务倾向、风险承受能力、金融产品消费行为偏好等方面。
通过精准的客户画像，有利于商业银行深度掌握客户的倾向需求，为不同客户在不同时期制定个性化服务需求，并为营销时匹配对应的金融产品。除此之外，数据智能账户还可以利用自动化技术支撑起线上支付、线上交易、客户身份验证、客户身份信息安全管理等常规功能。
（2）创新金融支付工具，提升服务体验
人工智能的不断发展推动着传统支付工具的创新变革，平日里常用到的移动智能端包括阿里巴巴旗下的蚂蚁金服、京东金融等。新型的金融支付工具优势在于利用互联网、大数据、人工智能三方面的技术支持，完成了客户线上线下的金融服务一体化。
一方面，新型的金融支付工具为客户提供了线上支付的渠道模式，打破了传统支付工具在时间与空间上的限制；另一方面，以移动支付作为支付端口的移动智能端，实现了金融机构与客户之间的紧密结合，通过对客户的消费信息、消费时间段的实时准确记录，分析客户的消费产品偏好，根据分析结果进行精准营销，推动利润最大化，优化金融机构和客户之间的价值交互及服务体验。
（3）建设人工智能清算系统，节约人力成本
当前企业引入人工智能支付系统的根本目的在于利用人工智能技术实时掌握并统计客户的消费情况，从而依据客户交易成交量判断企业是否有业务创新的需要或在战略目标上进行调整。由此可见，人工智能支付系统对企业的最终作用实际上是体现在最终的数据清算与分析上。
传统支付体系下，大部分商业银行的清算方式以“人工+系统清算”为主，由于清算数据繁多、杂乱，需要花费大量时间精力进行对账，在对账过程中容易出现计算失误。人工智能清算系统避免了因人力造成的失误，提高了准确性，同时也节省了大量的清算时间。
还可以根据商业银行在不同阶段的需求，自主设计结算系统，对不同业务进行筛选区分，选择最优路径进行结算支付，从而提高结算效率，降低成本，搭建多种支付渠道，为客户提供更多支付结算选择的可能性。
（4）降低成本，优化支付体验
由于支付金融服务的本质是对人的服务，主要的衡量标准仍是基于对人的价值服务体验，人工智能技术所提供的指纹识别、人脸识别等支付方式，为客户带来了比传统支付更快捷、安全、新鲜的支付体验，不仅能够优化用户支付体验，还能从侧面降低服务成本。例如，在传统的支付模式下，人们进行金融支付的形式以货币和物品交换、物物交换为主，不仅携带不方便，还存在一定的安全隐患。
对于商业银行来说，则需要一定量的人力资源和物力资源投入，才能达到维护客户关系、帮助客户发现价值并创造价值的目的，这种情况下易造成服务成本过重，效率低下。
而人工智能技术的引入，促使商业银行把客户发展渠道由实体空间转换到互联网上，通过对网银、金融APP等平台的建设，帮助客户自主选择针对性的金融服务，将金融机构与客户之间的双向交互变为客户的单向选择，降低金融机构运营成本的同时也方便了客户。
（5）提高效率，强化数据处理能力
人工智能支付把原本为劳动付酬的通用型人才作业团队转换成为知识付酬的知识驱动型人才团队，避免了企业对重复型劳动人才的工资支出，同时通过重新解构金融支付服务的生态循环过程，减少了人工服务带来的主观偏见干预，提高了金融支付在实际运作时的效能产出。
同时，商业银行作为无时无刻不在与数据打交道的机构，它的业务所能涉及的数据信息通常均以海量为单位，在这些数据信息中，必然会积淀出如过期交易记录等无法转成有利信息分析的非结构化信息，造成存储空间浪费、数据处理基数大等现象，通过人工智能技术在支付金融的应用，能够对这些数据及时进行更新清理，甚至能够起到帮助筛选出有效信息的作用，尤其是对于支付风险预测、支付交易量这样复杂繁多的数据处理方面。
二、人工智能在支付领域的具体应用场景
1.支付工具智能化
人工智能改变了传统支付工具功能局限、互动性较差、扩展性不强、不能满足个性化需求等特点，变得多样化、便捷化、特色化。随着支付工具的智能化发展，传统的收银方式已发展为刷卡、二维码支付等多种支付手段，以满足广大消费者的个性化需求，且可供各种商业模式的卖家使用，使用门槛灵活不局限。
智能化的支付工具，推进了线上线下场景的融合，使买卖双方的关系更为密切，卖方可以更为便捷迅速地获取买方的消费信息，从而制定个性化营销方式，提升消费者的体验。
同时，支付工具智能化不仅对零售、餐饮等场景的传统支付方式进行改造，还滋生出全新的支付场景，如汽车、家居、医疗等，而新的应用场景需要匹配新的支付工具，如医疗支付、乘坐交通工具等，满足了日常随时、随地进行交易的需求。
2.支付系统智能化
对支付系统进行人工智能化改造，取代了人工录入支付机构信息的步骤。用户的身份识别是支付起点，一般为“安全认证+密码认证”的方式，但随着人工智能发展，已经开始出现用生物识别来替代的趋势。包括指视网膜识别、人脸识别、指静脉识别、虹膜识别、掌纹识别等，这些都已开始进入支付领域，满足了用户使用方便的需求。
除此之外，利用自动识别客户输入的支付信息来替代人工操作，减少人工干预环节的时间占用，降低因人工录入错误造成的风险，有效提升了业务处理效率，避免了因录入问题造成的资金损失，提高了客户体验，降低了人工成本。
此外，部分商业银行还将人工智能运用于头寸管理，区别于传统商业银行“事前人工控制、事中系统告警、事后简单分析”的头寸管理模式，通过人工智能化的二代支付系统，根据大量的历史数据对备付金数据进行分析，从而对每日资金的流动规模进行推断，并结合舆情分析等技术增强预测的准确性，加强备付金账户的头寸管理。
3.风险监测智能化
将人工智能技术有效地运用于风险模型分析，可以更为准确地进行风险评估。支付作为人类经济行为的基本，会在社会活动中产生大量的基础数据，但一直以来均与其他行为数据独立存在，形成了信息孤岛。随着人工智能技术进步，逐渐将各类数据合成单一的关系数据库，建立起数据仓库。
利用人工智能，由系统对各类文字、数据、图片、影响进行深度分析预测，挖掘出信息中的风险点，进行风险警示；通过身份识别技术与异常监控，进行反欺诈监控；引入人工智能优化学习算法，通过对极端事件进行风险分析，实现风险评价。
三、人工智能在支付领域的制约因素
目前我国的人工智能在支付领域相关的研究与发展同欧美发达国家相比旗鼓相当，正处于高速发展期，其中语音识别、图像识别等细分领域产生了大量具有突破性的研究成果。在智能化支付领域，随着电子货币的推广，市场应用的份额会逐步增大，我们需要加强相应的风险管理机制，同时认识人工智能在支付领域的制约因素。
1.金融市场不完善
目前的金融市场上对于人工智能的数据应用及风险责任界定尚未制定出相关的法律法规及行业规范，对于人工智能的监管也没有明确的政府部门进行指导监督规范，故一旦因人工智能故障发生风险事件，也无法对其责任进行追溯；对于数据交易也缺乏统一的市场定价标准，金融监管难度较大，处理成本极高。
2.数据采集不合法
人工智能技术依赖于对客户数据的大规模采集，但对于非公开的数据也会进行采集，这就涉及到客户私密信息采集的合法性。然而生活中部分不良机构利用人工智能技术对客户非公开信息进行非法采集，如“网络爬虫”,使人工智能技术成为一些不法分子的得力手段，也导致了社会环境的混乱。
3.数据安全隐患
金融业作为涵盖信息全面的行业，掌握着大量客户信息的金融机构极有可能成为不法分子攻击的主要目标，而人工智能的使用不可避免会加快数据的采集处理，若不能有效地防范网络环境的信息攻击或系统漏洞，极有可能出现数据丢失、被篡改和泄露的风险，暴露用户的个人隐私，对银行及客户造成财产损失，严重的甚至于威胁到客户的人身安全。
例如生物识别技术，是通过对人唯一性的生理特征作为识别依据，若数据信息被泄露，目前暂无措施进行弥补，带来的影响是极其严重的。
4.技术支持较弱
人工智能技术对技术人员的专业水平、素养有较高要求，但对于大多数商业银行来讲，科技人员的水平、专业素养与互联网公司人员相比仍有较大差距，许多商业银行科技人员主要从事系统运维、网络机房维护、软硬件运维等方面，对人工智能技术的运用较为局限，人工智能技术相关的系统多依赖于由外部科技公司进行主指导开发，专业技术人员较为匮乏。
四、人工智能在支付领域发展的相关建议
1.构建人工智能法规和监管体系
根据人工智能自身特点和发展趋势，政府管理部门应尽快出台针对人工智能的指引办法及监管准则，对人工智能在金融体系的发展进行健康引导，加强网络监控；同时尽快制定好人工智能在支付领域的相关市场准入准出机制、数据交易的市场定价标准；对因人工智能的支付引发的风险投诉流程进行统一规范，完善人工智能技术相关法律法规体系。
在金融机构引入人工智能之前，对前期技术安全进行评估，在引入后不断跟进客户对人工智能的体验，完善客户投诉回访机制，及时获得反馈，对人工智能技术在使用过程中出现的问题进行不断修复完善。
2.加强数据安全防控
首先要加强数据安全标准管理体系的建设，对数据生命流程中包括数据采集、数据传输、数据存储、数据分析与处理、数据展示等重要环节进行严控，加强安全管理措施，避免数据的丢失或泄露；
其次根据数据的敏感程度对数据进行分类保护，采取数据分级防护措施，对于客户敏感信息，需经过系统进行脱敏处理后，才能进一步进入测试或外包等环境进行使用；
最后应加强对数据访问的权限控制，严格防控数据访问途径，对任何数据访问的场景都要确定到访问者的权限、时间、途径，避免越级。
3.加强人才培养和技术创新
人才培养是决定人工智能持续发展的重要因素。人才作为智能金融的核心载体、科技创新的承担者，对智能金融的高效运作至关重要，而高素质的人工智能人才的缺乏，是商业银行体系一直以来的短板。为弥补商业银行技术型人才的缺失、迎合人工智能等新技术的发展需要，银行业应该加强对人工智能技术人才的引进和培养。
通过拓展人才引进方式和渠道，采用灵活科学地方式引进并留住新型技术人才，在引进的同时与创新性科技公司的多角度合作；通过建设人工智能型项目加强对内部人才的培养和强化。
针对银行内部人才建设一套培训体系，强化员工的专业素质和技术知识，使员工尽快找到前进方向和定位。通过对人才的培养逐渐打造出专业的技术研发团队，并给予人力、物力等多方面支持，驱动人工智能技术在支付领域的业务创新，充分掌握技术并最大化地应用于支付领域中。
上一条：支付系统运维监控业务外包的风险与建议
