人工智能的求学之路，初期靠自家数据，武功日益千里，后期要多方化缘，殊难精进。

　　文/张书乐

　　刊载于《金融博览（财富）》杂志2017年2月刊

　　2017年1月开始，日本寿险巨头富国生命保险开始利用价值170万美元的人工智能系统IBM Watson Explorer，取代34名人类保险索赔职员，约占理赔部员工的30%，每年维护费用则为12.8万美元。而可节省的人类员工薪资支出则达110万美元/年。仅此一项，不到2年，成本即可收回。

　　距离2016年底，一直秉承人工智能威胁论的霍金在《卫报》的专栏中发文称：“工厂自动化已经让众多传统制造业工人失业，人工智能的兴起很有可能会让失业潮波及到中产阶级，最后只给人类留下护理、创造和监督工作。”不过几十天功夫，“失业”预言即在大金融领域成真。

　　人工智能真的要骑在人类的头上，并在下完棋后把第一刀砍向人的钱袋子吗？

　　人工智能是学徒，简单劳动下替代白领

　　在复盘2016年初AlphaGo对战李世石、2017年化名Master连斩中日韩三国棋手的诸多文章里，常会引用一个数据“深度学习了3000万个围棋对弈”。

　　其实这恰恰是人工智能的精华所在，即所谓3千万个对弈，就是围棋世界里的大数据，一个可以被收集、整理和捕捉的数据图谱。每一个AI能够惊世骇俗，根基也在于此。

　　富国生命保险重金购买的人工智能其实就扮演了这么一个角色，通过扫描医院记录和其他文件，根据保理伤害、病人医疗史以及程序管理等信息，确定是否进行理赔。

　　这一切都建立在一定的数据信息能够有效接入和掌握的基础之上，而拥有了不算真正完整的大数据流后，AI的工作则可以看做是——洗地。

　　一个学徒的角色，帮助师傅打打下手，按照规定的流程、既定的标准，用已经明确量化好的审批程序来完成既定工作。一切都在老师傅的计划之下。只是比起人类学徒来说，更快速、更不容易出错。

　　在同一篇报道中，另外3家日本保险公司也正在测试或安装人工智能，以便实现更多自动化任务，比如帮助客户寻找理想保险计划等。这其实依然是标准化作业流程下的循规蹈矩。

　　这种标准化流程的最大好处就是解放了老师傅的双手，也节约了用户时间。以国内运用了人工智能的某手机贷为例，据称通过人工智能进行信审和风控的比例已经提升至90%以上，而另一个手机贷则宣称实现了单月放款笔数超100万。在这个过程中，无一不是按照标准化流程来比对各种数据。只是，人工比对，效率慢、用户等待时间长罢了。

　　做帮工的AI和被其替代的那些人类员工，最大的共通之处就在于都是流水线上的工人，看似白领的业务，实际上都是简单劳动。

　　如果用一个比方来对比当下的人工智能替代人类的水准，不妨用O2O来想象。以往的线下门店，除了广告和口碑来招揽生意外，还需要人类雇员到街头去散发各种优惠劵，比如肯德基，但O2O通过网上聚合的方式，将这个散发优惠劵和期间耗费的人工、时间以及投放人群的精准度都进行了简化，有需求的人根据优惠的不同、距离的远近，直接通过O2O平台进行选择，而线下门店仅需要根据电子优惠劵乃至先期抵达的电子菜单、座位预定做好后期准备即可。

　　客人和门店的距离，缩短到了极致，效率得到空前提高，但对于最核心的服务来说，开奖，并无根本性改变。而人工智能目前在当前金融领域亦是如此，一个让客户无需等待的学徒模式。根据蚂蚁金服公布数据，网商银行的花呗与微贷业务上，使用机器学习把虚假交易率降低了近10倍，为支付宝的证件审核系统开发的基于深度学习的OCR系统，使证件校核时间从1天缩小到1秒，同时提升了30%的通过率。以智能客服为例，2015年“双11”期间，蚂蚁金服95%的远程客户服务就已经实现大数据智能机器人，同时实现了100%的自动语音识别。

　　在这个基础上，再去理解李开复口中：“人工智能最好的应用领域之一是金融领域，因为金融领域是唯一纯数字领域。”其中真实的意味也就在于此了。也因此，智能顾投之所以成为人工智能+金融的第一站，除了受益于国内互联网理财的高渗透率、传统理财市场服务的空白、居民强大的理财需求等传统因素外，这方面的个人金融数据最为单纯，基本上只要掌握用户投资风险程度，即可作出数据筛选和产品推荐，而不似保险那样需要更多非金融领域的数据来源。

　　获客和实现客源转换的难度与成本双低，也使得只是传统人工顾问投资效率加强版的智能顾投成了突破尖兵。