在《金融科技（FinTech）发展规划（2019-2021年）》中，“人工智能”被数次提及，探索人工智能技术在智慧营销、身份识别、风险防控等领域的应用路径和方法，推动金融服务向主动化、个性化、智慧化发展正在成为金融行业的发展趋势。
AI之于金融行业
“AI+金融”是将人工智能作为基础特征，与传统金融行业的全面融合，相对于简单的行业叠加，“AI+”更侧重于为传统行业的模式创新和流程再造提供新的思路和方法，促进经济形态的演进，从而催生新的商业模式，提高运营效率，带来整个产业的全面升级。其中，金融行业信息化建设起步早，其主要业务都是基于大规模数据展开，急需自动化和智能化的变革来解放人力，此外，金融普惠化和场景化的创新，也需要新的技术手段来提供支持，而人工智能与金融的结合，无疑为金融创新提供了更多的可能。
技术、数据和场景的需求使人工智能在金融领域得以快速应用，其中，涉及的AI相关技术主要有：机器学习、生物识别、自然语言处理、语音识别和知识图谱等。
机器学习：在海量的金融大数据中学习规律和方法，然后应用到金融业务的各个环节，有效地优化流程、提升效率;
生物识别：包括指纹识别、人脸识别、虹膜识别和指静脉识别等，广泛应用于客户身份认证、远程开户、无卡取款、刷脸支付、金库管理和网络借贷等金融场景；
自然语言处理：显著提升金融行业获取、清洗、加工和分析数据的效率。例如：新闻公告、年报、研究报告等大量文本形式信息，利用自然语言处理技术可迅速提取关键指标，进行分析总结；
语音识别：通常与语音合成技术结合提供于语音自然流畅的人机交互，其主要应用于电话客服、各类智能终端的语音导航、业务咨询等场景；
知识图谱：从“实体-关系”的角度整合金融业现有数据，结合外部数据，建立连接形成大规模的实体关系网络。从而突破传统的计算模式，便于有效地挖掘潜在客户、预警潜在风险，帮助金融行业提升效率、优化流程。
在场景应用上，一方面，金融业良好的数据基础为AI应用场景创新提供了条件，促使各领域充分挖掘数据的潜在价值，利用技术实现业务模式的创新和产业升级，从而使人工智能在金融领域的应用场景越来越多元；另一方面，金融服务业的属性决定了其大部分业务是基于用户服务展开的，大量的服务场景也需要利用技术来提升效率、优化体验、实现行业的精细化运营和服务升级。总之，金融业为人工智能的落地应用提供了良好的场景条件。
场景之于AI应用
目前，人工智能技术在银行、理财、投研、信贷、保险、风控、支付等领域得到实践，并呈现出向各个领域渗透的趋势。金融行业围绕银行服务、理财投资、信贷、保险、监管等业务已衍生出智慧银行、智能投顾、智能投研、智能信贷、智能保险、智能监管等应用场景。
智慧银行
人工智能的场景化应用渗透到银行业的方方面面，从前台业务到后台分析决策和企业运营，典型应用包括：智慧网点、智能客服、刷脸支付、智能风控、智慧营销和智能化运营等。其中，智慧网点是智慧银行的核心，以提升用户体验为核心，一方面从网点软硬件设施和环境配置等实体上来改变银行信息采集方式和服务模式；另一方面充分利用后台分析和决策系统的结果来优化前台业务，从而提升服务质量，提高商业银行的核心竞争力。
智能投顾
是现代人工智能相关技术在财富管理领域的应用。它通过一系列智能算法综合评估用户的风险偏好、投资目标、财务状况等基本信息，并结合现代投资组合理论为用户提供自动化、个性化的理财方案。其实质是利用机器模拟理财顾问的个人经验。其核心环节包括：用户画像、大类资产配置（投资标的选择）、投资组合构建和动态优化等。
智能投研
是指利用大数据和机器学习，将数据、信息和决策进行智能整合，并实现数据之间的智能化关联，从而自动化地完成信息的收集、清洗、分析和决策的投研过程，提高投研者工作效率和投资能力。将收据收集、数据/知识提取、分析研究和观点呈现等四大传统人工投研流程通过自动化途径加以优化，实现从搜索到投资观点的一步跨越。
智能信贷
基于大数据和人工智能等金融科技相关技术，实现线上信贷业务的全流程优化和监控，从而提升风控能力和运营效率，降低人员维护成本。智能信贷通过收集用户信息，筛选出有效数据，并根据指标和变量的权重对这些有效数据进行再次分析处理，最后通过决策引擎对此单借贷形成审批、额度、定价等判断，完成信贷流程，从贷前、贷中和贷后的各个环节实现信贷业务精细化运作。整个过程并行处理，依靠机器自动化完成，从而能够实现线上审核的“秒批”或“秒拒”。
随着人工智能技术的逐渐成熟，行业关注的重点正在逐步从技术研发转移到场景探索上来，金融行业无疑将会迎来更多的发展机会。
