來源：網際網路金融
作者 | 陳璐溦
來源 | 中國電子銀行網
其實，某種程度上我們已經是半個機器人了，正常生活已經離不開手機、電腦等等一系列電子設備。
當然，成為人工智慧共生體還需要很長一段時間，但不可否認的是人工智慧正在改變現有世界的運作方式。
就目前我們在手機銀行使用的指紋識別、語音交互都是基於人工智慧技術實現的，除了這些看得見的人工智慧技術，當然還有許多看不見的AI應用。
人工智慧五大特點
人工智慧如何抓住你的錢包？
移動網際網路初期，曾經掀起過一波由網際網路巨頭瓜分零售端市場所引發的價格歧視，主要是通過微信搶紅包等補貼式價格歧視策略搶佔市場，「掌上專享」、「手機特惠」等非常常見。
而今時今日精明的商家推出的就是AI化價格歧視。AI化動態定價可以根據用戶數據、供求關係精準推算出支付意願，當然這也會使那些不精明的消費者支付更多。就比如說，晚上的麵包買一送一會更划算；深夜乘坐滴滴價格會翻倍。
曾經線下零售商很難在價格上做出快速反應，但現在通過電子化顯示的「智能貨架」或者「智能價籤」可以讓超市在一天中不同的時段提供不同的價格，背後的一系列智能化算法，消費者是無法察覺的。就比如說，盒馬鮮生已經全面使用電子價籤。
零售系統研究公司（RSR）對美國用戶最近的一項調查發現，71%的消費者並不關心動態定價策略，但14%的年輕消費者表示他們比較喜歡這一方式。
也就是說，當用戶了解了「遊戲規則」後更容易接受動態定價。當然，精明的消費者也將受益於動態定價。
雖說銀行不會發生動態化定價，但是同樣會有差異化服務。舉個最簡單的例子就是手機銀行的千人千面，根據用戶常用功能進行界面智能化排布；針對不同細分人群推出不同版本手機銀行（銀髮族版本、私人銀行版本等）。
在智能化風險定價方面，由於利率市場化推進，擠壓銀行利潤，這就使得銀行不得不根據客戶利率敏感程度、金額、周期、信用風險預測等因素，通過智能化手段建立差異化的定價模型，對不同人群推出不同信貸利率，從而獲得更高的收益。
人工智慧為什麼最懂你？
當然，有些智能服務的主要目的並不是要掏空我們的錢包，而是要建立用戶關係，提升消費者的體驗感，增強客戶對企業的粘性。
AI系統推送就是其中一類，電商平臺產品推薦、頭條新聞推薦、銀行資訊推薦都包含在其中。為什麼APP總能推薦出你感興趣的新聞或資訊、最心儀的產品，那是因為你在每次操作時，APP後臺都在進行成千上萬次的運算，通過數據採集、存儲、模型訓練、算法、協調過濾，找出你可能喜歡的放在最前面。
影響用戶感知的因素
圖片來源：羅婷予,Miguel Baptista Nunes.從用戶視角理解智能推薦系統.數字圖書館論壇,2019,(10):30~36
與此同時，這也衍生出另一個問題，AI推薦讓用戶關注內容更集中，也更狹窄。AI推薦可以作為彌補用戶偏好不完整的修行為，推薦那些我們平時沒關注到的電影或產品，開闊我們的視野，但現實卻不是這樣的。
主要是因為用戶對推薦內容的多樣性以及新穎度多數情況下是負向感知，而AI推薦系統會根據用戶的反饋對推薦內容進行誤差修正，所以最終呈現的內容就是推薦內容集中度高。換言之，也就是AI很容易產生選擇偏見。
另一方面，人工智慧技術也有兩個非常明顯的優勢，不會犯低級錯誤、不會受情緒影響。現在金融工作的發展目標是流程自動化，透明化，確保工作流程的一致性。
本質上，其實是提高效率，減少人為操作的風險，避免人為決策的不一致。而人工智慧恰好能有效改善這一狀況。
在資管領域，智能投顧的優勢更為明顯。除了費率低、操作便捷、適用人群較廣以外，最重要的就是降低主觀因素對投資的影響。
據興業證券預測，到2022年，中國的智能投顧管理資產總額將超6600億美元，用戶數超過1億。
但智能理財、智能投顧平臺依舊存在獲客難，流失率高等問題。某平臺負責人稱，一旦智能投顧表現不穩定後，客戶馬上流失，並且是長久性流失。這主要是由於智能投顧擅長的是長期投資而非短期投機。
智能理財的短期收益無法滿足激進用戶，同樣也無法滿足 「保本」用戶。另外，由於我們的市場有效性不足，缺少成熟的投資品種，難以做到智能化的高效配置和調整。這恐怕在短期內也無法解決。
人工智慧要便利還是要隱私？
另外，由於應用場景較多，人機互動時使用的生物識別認證也比較常見。在金融領域，櫃面開戶、自助銀行、行動支付等等都會用到。
據CFCA發布的2019中國電子銀行調查報告顯示，指紋登錄是操作最快的，也是用戶滿意度最高的輔助身份認證方式。
除了指紋、聲紋、人臉識別，現在虹膜識別和靜脈識別也在快速發展。預計到2023年，中國生物識別行業的市場規模將達到379億元。
儘管人臉識別存在風險，但便利性卻超過了用戶顧慮。憑藉人臉識別功能的便捷性，即使不是全部，目前大多數應用程式App也會提供類似的功能。
而且，越來越多的網站和應用程式App正在轉向基於面部識別的驗證，許多在線開戶正從過時控制項轉向更現代的控制項（例如拍照文檔匹配）這對生物數據以及文檔儲存提了極高的要求，部分用戶還沒意識到其中的巨大的風險。
其實，個性化生物識別數據已經存在活躍的暗網交易，並且在2020年將繼續增長。一部分信息的獲取是來自開放源和社交媒體；另一部分是通過網絡釣魚，不僅竊取靜態憑據，而且還竊取用戶面部自拍和視頻。
另一個威脅是，先進的惡意軟體可以闖入行動裝置身份驗證。2019年5月，中國消費者協會對29款主流智能門鎖進行試驗，發現85.7%的商品信息識別卡開啟存在安全風險。
除了生物識別，其他領域也涉及到隱私與便捷的問題。比如，智能推薦只有犧牲掉部分隱私數據（行為數據）才能獲取便捷性功能。用戶是否願意用隱私換便捷就又是另一個問題了。
去年年末，央行等相關部門對個人金融信息採集劃定了監管紅線，但部分銀行仍有「超採」問題，自動讀取照片、文件、電池信息、手機系統設置等。
人工智慧在帶來便利的同時，也同時存在安全隱患，但這也不是一時半會兒能解決的，希望未來能出現更為先進的優化技術或替代方式。