AI赋能金融科技，可以为监管合规做些什么呢？

眼下，当全球各经济体努力追求更高层次的经济刺激点和生产力时，很多商业领袖纷纷将目光转向了AI，希望从中找到出路。第一轮AI浪潮，将智能引入了业务流程，取代了部分繁重劳动的人力，并提高了工作效率。未来的AI发展势必会进一步产生更深远的影响。以AI技术带动生产力发展，打造全新的经济发展路径，是时代的大势所趋。

近年来，AI赋能金融科技成为了金融行业热度居高不下的话题，在2017年还因此催生了“智能金融”概念。作为金融科技的子集，监管科技亟需抓紧人工智能这一风口，维系金融安全，及时、高效地进行监管合规。

那么，人工智能可以为监管合规做些什么呢？

一、数据处理

人类正从IT（Information Technology） 时代走向DT（Data Technology）时代。在DT时代，数据成为数字时代的“新能源”。金融监管对数据的依赖程度也在日益提升，但是现阶段仍有很多金融机构难以满足监管机构提出的数据要求：

一是数据处理能力较为落后。现阶段很多金融机构的基础设施还不够完善，随着交易方式的创新和交易系统的升级，交易过程中产生的海量数据更是加剧了数据处理的难度。

二是数据质量不高。金融业务开展过程中产生的大量文本、图像、音频等非结构化数据，缺乏数据的进一步清洗加工。

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出现了信息断层，原因如下：1）不同金融机构之间数据标准化程度不同，无法实现数据的有效流通和共享；2）企业出于保护商业机密或者节约数据整理成本的考虑而不愿意共享自身数据，一些政府部门也缺乏数据公开的动力；3）数据流通共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，具有天然优势。它不仅能够高效处理大量级数据，而且能够将图片、语音、视频等复杂的非线性、非结构化数据，转化为标准化、结构化数据进行分析。此外，人工智能还具有自然语言处理能力，能够从语义层面上对数据信息进行分析，而不仅仅是停留在符号处理上，能够帮助监管机构从数以亿计的交易信息中筛选出具有较强相关性或者可疑的交易数据，还可以帮助从业人员从中提炼有价值的交易信息，提高监管人员的监管效率。

二、合规审核和持续合规评估

传统的监管合规更多地依靠人工核查，大多采用统计报表、现场检查等方式，监管机构依赖金融机构报送监管数据和合规报告，这种监管模式存在明显的时滞性。那么有没有可能让人工智能代替部分监管合规岗位呢？答案是肯定的。

“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场景正是因高效、实时监管合规的需求而诞生的。智能合规技术，又称“监管雷达”，“智能合规官”，是建立在认知计算基础上的应用程序，通过数字化监管协议（RegPort），让“机器可读”规则可以帮助标准化规则的公布和使用，通过使用标准化规则集以减少歧义和解释错误，可以辅助金融机构和金融科技企业进行合规审核和持续合规评估。

当业务系统在运行时，智能合规官会实时发现、识别违反合规性要求的流程，并且提出建议。同时，在线学习手册会嵌入到机构的各个系统中，只要有相关的业务发生，在线手册就会出现，提示有关的规定和要求。除此之外，人工智能还能通过自主学习监管政策、案例，分析比较不同国家监管文件之间的关联和差异，帮助实现全局化计算进行风险评估，辅助跨国公司准确把握境外监管规则，为金融机构实现合法的跨境业务提供保障。

除了智能合规，人工智能还能自动生成合规报告。爱尔兰一家创业公司AQMETRICS旗下的MiFID Ⅱ系统利用数据的自动抓取、分析等技术，设计了可以自动生成规范的MiFID Ⅱ报告的系统，该系统还可以储存报告和原始数据以供查阅。

三、KYC

KYC（Know Your Customer）是金融监管中识别风险、做好风险防控工作中重要的一个环节。随着以第三方支付、P2P、互联网理财等为代表的互联网金融的快速崛起，金融机构面临着巨大数量的客户风险精准识别的压力以及严格的反洗钱、反恐怖融资等监管合规要求，而传统的KYC过程不仅会产生巨大的人力成本和时间成本，同时也存在精确度低、识别能力有限的问题。人工智能恰恰可以帮助金融机构合规部门解放部分繁重、枯燥的合规工作。

当前，人脸识别、指纹识别技术等人工智能技术作为验证客户身份、远程开户、刷脸支付，解决金融安全隐患的方案，已经发展成熟正在逐步推广。譬如，京东金融在客户信息收集与验证的基础上，基于完备的KYC流程建立反洗钱模型，充分运用人脸识别、语音识别、设备指纹等人工智能技术进行身份甄别和风险排查，提高了客户身份识别效率。

除了识别客户身份，人工智能还可以用于客户风险评级。机器学习、自然语言处理（NLP）等人工智能技术，可帮助金融机构从更多维度刻画客户身份，建立客户风险视图，实现精准客户风险评分，利用规则引擎和算法模型，减少反洗钱误报率，提高金融机构了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注册申请人填报的描述性披露信息（非结构化数据），以更全面地对申请人的行为进行预测，特别是对其潜在的欺诈和不当行为的市场风险进行评估，并将这些信息映射到已知的风险等级（如申请人的审查结果或过去违规情况）中，从而提高了金融机构对客户风险的评估能力和监测风险的能力。

四、风控

人工智能在监测金融机构内部威胁和外部风险，防范反欺诈和反洗钱等金融犯罪行为方面也有很大帮助。相对于传统的人工风险监测，爱尔兰一家电子商务诈骗预防公司Trustev 可以在交易对手登录网站时就对客户的登录信息进行分析，并对其进行深度的数据挖掘分析从而将交易分为欺诈，可疑，安全三个类别。Trustev会自动屏蔽欺诈交易，并将可疑交易转送人工识别。在减少人工成本的同时，Trustev也有效地提高了欺诈交易的识别率。此外，基于人工智能技术的“智能合约”还可以结合区块链技术，将“区块链 ＋ 智能合约”技术嵌套在金融监管体系中，符合监管部门对金融机构和金融科技企业在风险内控、内部审计及合规性等方面的要求。由于区块链技术的去中心化、信任强化、分布式共识、不可篡改、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追踪骗贷、洗钱等犯罪行为，从而最大程度地屏蔽经营风险。

有人把人工智能的发展分为三个阶段：计算智能、感知智能、认知智能，对应的DT服务的发展就是数据从信息向知识演化并最终生长为数据智能的演变过程。然而，当前大部分金融机构的人工智能还停留在感知智能向认知智能转化这个阶段，上述提到的四个应用场景主要还是在感知这一阶段。未来随着需求驱动和新技术赋能，人工智能将更好地为监管合规服务。