本文摘要：眼下，当全球各经济体希望执着更加高层次的经济性刺激点和生产力时，很多商业领袖争相将目光改向了AI，期望借此寻找决心。第一轮AI浪潮，将智能引进了业务流程，代替了部分艰巨劳动的人力，并提升了工作效率。 未来的AI发展势必会更进一步产生更加深远影响的影响。以AI技术造就生产力发展，打造出全新的经济发展路径，是时代的大势所趋。近年来，AI赋能金融科技沦为了金融行业热度居高不下的话题，在2017年还因此促成了“智能金融”概念。

眼下，当全球各经济体希望执着更加高层次的经济性刺激点和生产力时，很多商业领袖争相将目光改向了AI，期望借此寻找决心。第一轮AI浪潮，将智能引进了业务流程，代替了部分艰巨劳动的人力，并提升了工作效率。

未来的AI发展势必会更进一步产生更加深远影响的影响。以AI技术造就生产力发展，打造出全新的经济发展路径，是时代的大势所趋。近年来，AI赋能金融科技沦为了金融行业热度居高不下的话题，在2017年还因此促成了“智能金融”概念。作为金融科技的子集，监管科技急需抓住人工智能这一风口，维系金融安全性，及时、高效地展开监管合规。

那么，人工智能可以为监管合规做到些什么呢？一、数据处理人类于是以从IT（InformationTechnology）时代南北DT（DataTechnology）时代。在DT时代，数据沦为数字时代的“新能源”。

金融监管对数据的倚赖程度也在日益提高，但是现阶段仍有很多金融机构无法符合监管机构明确提出的数据拒绝：一是数据处理能力更为领先。现阶段很多金融机构的基础设施还过于完备，随着交易方式的创意和交易系统的升级，交易过程中产生的海量数据堪称激化了数据处理的可玩性。

二是数据质量不低。金融业务积极开展过程中产生的大量文本、图像、音频等非结构化数据，缺少数据的更进一步清除加工。

三是数据孤岛现象。金融机构之间、监管机构与被监管机构之间经常出现了信息断层，原因如下：1）有所不同金融机构之间数据标准化程度有所不同，无法构建数据的有效地流通和分享；2）企业出于维护商业机密或者节约数据整理成本的考虑到而不不愿分享自身数据，一些政府部门也缺少数据公开发表的动力；3）数据流通分享过程中无法保证数据的安全性和完整性。而人工智能在数据信息处理这一方面，具备天然优势。

它不仅需要高效处置大量级数据，而且需要将图片、语音、视频等简单的非线性、非结构化数据，转化成为标准化、结构化数据展开分析。此外，人工智能还具备自然语言处置能力，需要从语义层面上对数据信息展开分析，而某种程度是逗留在符号处置上，需要协助监管机构从数以亿计的交易信息中检验出有具备较强相关性或者怀疑的交易数据，还可以协助从业人员借此萃取有价值的交易信息，提升监管人员的监管效率。二、合规审查和持续合规评估传统的监管合规更好地依赖人工核查，大多使用统计资料报表、现场检查等方式，监管机构倚赖金融机构上报监管数据和合规报告，这种监管模式不存在显著的时滞性。那么是不是有可能让人工智能替换部分监管合规岗位呢？答案是认同的。

“智能合规官（AICO）”、“机器人辅助合规手册（RACH）”等人工智能典型应用于场景正是因高效、动态监管合规的市场需求而问世的。智能合规技术，又称“监管雷达”，“智能合规官”，是创建在理解计算出来基础上的应用程序，通过数字化监管协议（RegPort），让“机器可读书”规则可以协助标准化规则的发布和用于，通过用于标准化规则集以增加歧义和说明错误，可以辅助金融机构和金融科技企业展开合规审查和持续合规评估。当业务系统在运营时，智能合规官不会动态找到、辨识违背合规性拒绝的流程，并且明确提出建议。同时，在线自学手册不会映射到机构的各个系统中，只要有涉及的业务再次发生，在线手册就不会经常出现，提醒有关的规定和拒绝。

除此之外，人工智能还能通过自律自学监管政策、案例，分析较为有所不同国家监管文件之间的关联和差异，协助构建全局化计算出来展开风险评估，辅助跨国公司精确做到境外监管规则，为金融机构构建合法的跨境业务获取确保。除了智能合规，人工智能还能自动分解合规报告。

爱尔兰一家创业公司AQMETRICS旗下的MiFIDⅡ系统利用数据的自动捕捉、分析等技术，设计了可以自动分解规范的MiFIDⅡ报告的系统，该系统还可以储存报告和原始数据以供查询。三、KYCKYC（KnowYourCustomer）是金融监管中辨识风险、作好风险防控工作中最重要的一个环节。随着以第三方支付、P2P、互联网财经等为代表的互联网金融的较慢兴起，金融机构面对着极大数量的客户风险精准辨识的压力以及严苛的反洗钱、反恐怖融资等监管合规拒绝，而传统的KYC过程不仅不会产生极大的人力成本和时间成本，同时也不存在精确度较低、辨识能力受限的问题。人工智能才是可以协助金融机构合规部门和平部分艰巨、乏味的合规工作。

当前，人脸识别、指纹识别技术等人工智能技术作为检验客户身份、远程开户、刷脸缴纳，解决问题金融安全隐患的方案，早已发展成熟期正在逐步推广。譬如，京东金融在客户信息搜集与检验的基础上，基于完善的KYC流程创建反洗钱模型，充分运用人脸识别、语音辨识、设备指纹等人工智能技术展开身份筛选和风险排查，提升了客户身份辨识效率。除了辨识客户身份，人工智能还可以用作客户风险评级。机器学习、自然语言处置（NLP）等人工智能技术，可协助金融机构从更加多维度刻画客户身份，创建客户风险视图，构建精准客户风险评分，利用规则引擎和算法模型，增加反洗钱误报率，提升金融机构理解客户及监管合规能力。

譬如，美国证券交易委员会（SEC）利用机器学习的方法来分析登记申请人填写的描述性透露信息（非结构化数据），以更加全面地对申请人的不道德展开预测，尤其是对其潜在的欺诈和失当不道德的市场风险展开评估，并将这些信息同构到未知的风险等级（如申请人的审查结果或过去违规情况）中，从而提升了金融机构对客户风险的评估能力和监测风险的能力。四、风触人工智能在监测金融机构内部威胁和外部风险，防止反欺诈和反洗钱等金融犯罪行为方面也有相当大协助。相对于传统的人工风险监测，爱尔兰一家电子商务诈骗防治公司Trustev可以在交易输掉指定网站时就对客户的指定信息展开分析，并对其展开深度的数据挖掘分析从而将交易分成欺诈，怀疑，安全性三个类别。

Trustev不会自动屏蔽欺诈交易，并将怀疑交易送到人工辨识。在增加人工成本的同时，Trustev也有效地提升了欺诈交易的识别率。此外，基于人工智能技术的“智能合约”还可以融合区块链技术，将“区块链＋智能合约”技术嵌套在金融监管体系中，合乎监管部门对金融机构和金融科技企业在风险内控、内部审核及合规性等方面的拒绝。

由于区块链技术的去中心化、信任增强、分布式共识、不能伪造、可追溯等特性，金融企业凭借区块链技术就可以及时发现和跟踪骗贷、洗黑钱等犯罪行为，从而仅次于程度地屏蔽经营风险。有人把人工智能的发展分成三个阶段：计算出来智能、感官智能、理解智能，对应的DT服务的发展就是数据从信息向科学知识进化并最后生长为数据智能的演进过程。

然而，当前大部分金融机构的人工智能还逗留在感官智能向理解智能转化成这个阶段，上述提及的四个应用于场景主要还是在感官这一阶段。未来随着市场需求驱动和新技术赋能，人工智能将更佳地为监管合规服务。

本文来源：皇冠官方链接-www.jackiefewell.com