怎麼會是金融呢？

目前已應用落地的人工智慧，大多是網際網路和工業設計產品，金融還比較少。

比如，語音互動，就屬於人工智慧，目前應用到很多工業品上，像機器人，智慧裝置和手機上。

這幾年人工智慧的發展突飛猛進，主要得益於深度學習演算法的成功應用和大資料所打下的堅實的基礎。判斷人工智慧技術能在哪個行業最先引起革命性的變革，除了要看這個行業對自動化、智慧化的內在需求之外，主要還看這個行業內的資料積累、資料流傳、資料儲存和資料更新是不是達到了深度學習演算法對大資料的要求。

放眼各個垂直領域，金融行業可以說是全球大資料積累最好的行業。銀行、保險、證券等業務本來就是基於大規模資料開展的，這些行業很早就開始了自動化系統的建設，並極度重視資料自身的規範化、資料採集的自動化、資料儲存的集中化、資料共享的平臺化。以銀行為例，國內大中型銀行早在20世紀90年代，就開始規劃、設計、建造和部署銀行內部的大資料處理流程，經過20多年的建設，幾乎所有主要銀行都可以毫不費力地為即將到來的智慧應用提供堅實的資料基礎。

從需求層面來看，金融行業有著各垂直領域裡最迫切的自動化和智慧化的需求，而基於深度學習的人工智慧正好可以滿足這些需要。

在金融行業裡，最有可能應用人工智慧技術的領域主要包括：

1，量化交易與智慧投顧：一方面人工智慧技術可以對金融行業裡的各項投資業務，包括股權投資、債券投資、外匯投資、貴金屬投資等，利用量化演算法進行建模，並直接利用自動化的演算法參與實際交易，獲取最高回報。另一方面，人工智慧的演算法也為銀行、保險公司、證券公司以及它們的客戶提供投資策略方面的自動化建議，引導他們合理配置資產，最大限度規避金融市場風險，最大限度提高金融資本的收益率。

2，風險防控：銀行、保險等金融機構對於業務開展中存在的信用風險、市場風險、運營風險等幾個主要的風險型別歷來高度重視。而相關風險防控體系需要依賴高緯度的大量資料進行深入的分析，在這方面，基於深度學習的現代人工智慧演算法與人類分析員或傳統機器學習演算法相比，有著先天的優勢，可以對更為複雜的風險規律進行建模和計算。

3，安防與客戶身份認證：銀行各個辦公地點可以利用新一代的人臉識別技術，對往來人員進行身份甄別，確認沒有壞人進入敏感或者保密區域。

4，智慧客服：銀行、保險、證券等行業為確保客戶服務質量，一般都會建立大規模的呼叫中心或客服中心，僱用大量的客服人員，利用電話、網站、聊天工具等，解答問題。隨著支援語音識別、自然語言理解和知識檢索的人工智慧客服技術逐漸成熟，金融行業的客服中心會慢慢引入機器人客服專員，由人工智慧演算法代替工作人員，並最終建立全智慧化的客服中心。

5，精準營銷：人工智慧可以為銀行的潛在客戶進行精準的畫像，根據潛在客戶曾經的購買行為、個人特徵、社交習慣等， 將潛在客戶分為若干種類別，併為每一種類別的潛在客戶匹配最合適他們的金融產品。

金融是人工智慧落地最快的領域，從一個側面就能看出來，看看百度百信銀行使用的是aibank.com金融域名，據說花了上百萬，而像aifinance.cn（人工智慧金融） aifinancing.com（人工智慧理財）這樣的人工智慧金融類域名也價格不菲。