危与机的攻防转换，成为今年金融行业震荡向上突破的主旋律。
疫情冲击了金融机构的传统展业方式，信用风险集中爆发，重线下靠人工的获客、风控、贷后管理模式败得一塌涂地。不过，危难之中的机遇也愈发清晰，金融机构对依托人工智能、云计算在内的科技化手段认识更深一步，弥补智能化运营短板成为金融行业的共识。
业内人士透露，春节后持牌消费金融公司等金融机构向数字化转型转变。其中，一个比较明显的趋势为贷中、贷后借助人工智能决策工具处理的业务占比大幅提升，部分消费金融公司智能机器人的工作量能占到九成。
从人工智能的落地情况来看，移动支付、消费金融是人工智能最先渗透的场景之一。人工智能的三驾核心马车为数据、算法、算力，数据是人工智能从实验室走到具体服务场景的基础，而移动支付和消费金融背后丰富的应用场景，恰好为人工智能落地提供了完备的生态土壤。
图片来源于网络
反之，金融科技领域的人工智能技术也为银行、消费金融公司、信托、保险等机构输出智能综合解决方案，优化企业的营销获客和风控流程。以萨摩耶数科为例，萨摩耶数科在人工智能领域研发的自动建模平台AUTOMAN 1.0，便可以通过模型、策略自动迭代更新，及时识别、掌控未知风险，让金融样本处理成为业务决策自动化的一环。
国务院于2017年出台《人工智能发展规划》，各地政府纷纷加大人工智能投入力度，人工智能已成为国家战略。当前，人工智能已在金融、汽车、物流等领域应用，产业各方的人工智能服务方案雏形已成，待技术更加成熟后，渗透率也会随之增加。
人工智能的目标是提升产业生产力，最大限度把一个企业从重复性的工作中解放出来。金融行业与人工智能深度融合，在降本增效的同时必然会重塑金融业，一场以智能+金融的新格局慢慢成型。
金融需要何种人工智能？
近三年来，金融科技行业风起云涌，形成了少量头部机构与众多中尾部机构并存的格局。无论是以蚂蚁集团、京东数科、360数科为代表的互联网系巨头，还是以萨摩耶数科为代表的行业领先的金融科技公司，均研发了大量的人工智能技术。
就金融机构的需求而言，在急需降低成本的市场环境中，很多机构迫切要用智能化的科技手段取代劳动密集的人工模式，将人力成本降下来。同时，为提升贷前、贷中、贷后的运营管理效率，金融机构也逐渐从粗放管理向精细化的管理方式转变。
拿风控来讲，传统金融机构一方面转型线上，缺少必要的人才、技术支撑；另一方面在面临信用风险较高的长尾客群时，缺乏用户全生命周期模型管理经验。在普惠金融趋势下，下沉客群又是金融机构受理的客群之一。
这就引申出到底什么样的人工智能与金融机构的需求匹配，或者说什么样的人工智能对于金融机构才真正有价值。
根据金融业务的实际情况，金融机构的需求逻辑主要集中在两三个方面，其一是必须合规；其二工具能够“即接即用”，减少对接成本和其他支持费用；其三工具能在短时间内让金融机构看到效果，并能为金融机构带来的价值覆盖技术服务费成本。
按照上述人工智能服务金融机构的价值导向，行业内确实有一批能为金融机构带来较大增益、推动风控运营智能化的工具。在这些人工智能解决方案中，萨摩耶数科旗下的自动建模平台——AUTOMAN 1.0可以称得上是一个典型的样本。
AUTOMAN 1.0是将人工智能应用在模型设计领域，使模型开发周期减少50%-70%，最短可在2周内完成样本建模任务，极大地缩短原始样本与经营决策的距离，实现整体降本增效。
在风控模型中，KS指标来评估模型的区分度一项核心指标，区分度越大，说明模型的风险排序能力越强。AUTOMAN 1.0在测试环境中，KS值区分度高出人工建模效果0.05个百分点。
具体到风控场景里，AUTOMAN的样本研判及处理、最优模型保存及部署、新样本预测、模型训练及调优四大功能，能通过便捷的方式直接接入金融机构的系统中，使得风控模型辨识风险的精准度更高。
值得一提的是，AUTOMAN虽然内置前沿流行算法，但用户没有知识背景也能熟练使用，这背后主要靠AUTOMAN的一键建模模式。该模式下，不需要合作机构写代码，按照说明放好样本就能训练出可部署调用的模型。另外，AUTOMAN还能自动安装所需环境依赖包，用户无需再自行设置环境。
模型调优方面，AUTOMAN内置自研究调参算法，帮助模型开发工程师使用集成工具包提升模型开发效率。 简单便捷并不意味着效果打折，AUTOMAN在效率与精度、标准化与通用性之中实现平衡，具备低成本、高精度、高效率地实现样本可视化的特点。
数据决定AI算法的精度，算法精度决定AI产品质量。萨摩耶数科从真实的金融场景入手，不断提升智能化模型的精确度，唯有精度高了才能帮助客户构建智能化的风控大脑。不只是萨摩耶数科，任何金融科技平台的人工智能解决方案都需遵循这一前提。
更新迭代是人工智能的灵魂
金融企业的人工智能需求仍存在很大增长空间，若想抢占市场份额，金融科技企业必须保持更新迭代的创新能力，时刻与金融机构的生产经营环境相适应。
目前，针对企业数字化转型推出的人工智能产品种类繁多，但在企业实施落地的过程中出现水土不服，更有甚者效率不升反降。企业应用人工智能出现负面效应，与人工智能供应商提供的产品有关，人工智能产品的实用性和特点不匹配企业的实际需求。
疫情叠加金融周期影响，传统金融机构的数字化转型紧迫性越来越强烈，尤其是在需要大量样本分析处理的风控环节。我国当前的消费金融市场相当一部分客群集中在优级、次优以下，而消费信贷产品又多以小额、分散、线上化为主，复杂的受理环境决定金融机构需要一个能不断迭代的智能风控解决方案。
针对AUTOMAN的迭代创新，萨摩耶数科人工智能团队负责人表示，目前 AUTOMAN1.5版本已经在内部测试中，而AUTOMAN2.0版本将新增回归模式。未来我们还将持续加大研发力度，持续推动人工智能在金融风控领域的应用。
另外，考虑到外部环境的波动及客群变化，后期萨摩耶数科考虑增加模型自迭代功能，实时应对外部风险的变化。同时，AUTOMAN平台将实时学习外部前沿算法及模型优化方法，加入更多插件。
人类对人工智能的想象及优化，其实早在18世纪就已开始。当时欧洲有一个堪称超越人类的Mechanical Turk（土耳其机器人），这个国际象棋游戏机器人的棋技卓尔不群，闻名欧洲与美洲，拿破仑和本杰明·富兰克林也不是其对手。机器人发明者去世后真相被揭开，这个机器人里其实藏着一个被雇来的国际象棋大师。
进入二十一世纪，亚马逊为了删除网站上重复的产品，研发了一个人机混合的Amazon Mechanical Turk（亚马逊土耳其机器人），该人工智能技术能让企业通过编程寻求遍布全球的廉价人力资源，去帮助企业做一些类似删除重复内容、音频转录等劳动密集型工作。
从土耳其机器人到亚马逊土耳其机器人，可以看出人是人工智能的核心，一切人工智能都需要经过人的指导进行反复算法训练，才能智能且高效地工作。这背后其实有一个很朴素的逻辑，人工智能的强大必须建立在人才队伍和科技投入上。
萨摩耶数科能持续更新样本模型自动化设计平台AUTOMAN ，也正是源于科研人才储备和大量的研发成本投入。萨摩耶数科创始人及核心团队来自华中科大、复旦大学等知名高校，博士、硕士学历者占比高，并且均深耕金融科技领域多年，具有丰富的科技创新实战和互联网风险管控经验。
研发技术投入方面，萨摩耶数科研发成本投入一直占公司总成本费用较高比重。除了AUTOMAN，萨摩耶数科自主研发的“猎户座”反欺诈模型、“Alpha-S”信贷审核机器人、DNA信用评分模型、“七剑”专有技术系列矩阵以及“欧拉”获客渠道监控等金融科技方案。
得益于扎实的科研投入，萨摩耶数科的金融科技解决方案得到大量金融机构的认可。截止2020年9月，萨摩耶数科已与包括商业银行、消金公司、信托公司和小贷款公司在内的近80家持牌金融机构达成合作，已累计为持牌金融机构输出了6000多万用户。
2017年，麦肯锡发布《人工智能：下一个数字前沿？》研究报告，报告采用大量企业经营的数据证实大规模采用人工智能技术将为企业带来丰厚回报，而那些未使用人工智能的传统企业正在被人工智能早期使用者远远甩在身后。
三年过去了，坚持以人工智能等金融科技手段驱动业务发展的金融机构，在融资、声誉、体量、抗周期风险能力上，保持一定的优势。传统金融机构数字化转型过程中，金融科技To B也迎来最硬核的风口。
疫情导致金融行业缺口出现，基于人工智能的智能风控科技底层应用会带领金融行业回补缺口，为金融行业的资产增长注入安全新动能，加强金融机构在展业中的风险抵御能力，实现业绩增长与资产质量齐升。
