对于个人客户来说 ， 声音可能仅是进行身份识别的工具之一 ， 对于金融业来说 ， 声纹却可能是反欺诈的手段之一 。 在银行业 ， 声纹识别已经应用在信用卡申请环节的反欺诈 ， 可以通过构建声纹黑名单 ， 拦截信用卡申请 。
报告介绍 ， 声汤科技帮助工商银行打造了语音反欺诈平台 ， 基于对声纹的收集、注册、对比、识别 ， 在信用卡申请、尽调等环节提供风险判断依据 。 对黑声纹进行标记入库 ， 可以应对外部黑中介通过更换电话号码等手段持续包装成客户实施的欺诈行为 。
报告介绍 ， 自2020年7月以来 ， 中国人寿财险利用反欺诈风险识别模型识别出了4400多个案例 ， 挽回金额超2亿元 。
AI技术在金融业的落地障碍
尽管金融业是AI企业重点开拓的市场之一 ， 在金融业 ， AI技术也找到了多个应用场景 ， 但并不意味着AI技术在金融业的落地一帆风顺 。
首先是投资回报率的问题 。 在技术引入前期 ， AI技术带来的效益可能难以覆盖高昂的投入成本 。 受业务规模所限 ， 中小金融机构对于AI技术给业务流程带来的提升 ， 可能感知不明显 ， 对AI技术的青睐度低于头部金融机构 。
其次是技术开发过程中的问题 。 如果是一事一例进行建模 ， 研发周期长且重复利用率低；场景需求可能会有变化 ， 若不进行维护和迭代 ， 模型的生命周期可能非常短 。 数据对于建模非常重要 ， 但不同金融机构之间可能并不共享数据 。
再次是合规的问题 。 合规问题关乎金融机构的生死存亡 。 人工智能作为一项正在推广中的技术 ， 本身存在一定的风险隐患 ， 这些风险隐患可能无法满足金融业的风险可控原则 。 如果训练的数据中就存在偏见 ， 依托AI算法得出的智能决策很可能也存在偏见 ， 形成数据歧视 。 人工智能技术要用到的数据也存在被滥用、泄露的风险 。
【中国信通院：AI技术已渗透至金融业的五大业务链条】报告倡导 ， 在推动人工智能不断深入金融场景、拓宽金融业务边界的同时 ， 也要进行可信人工智能多元化治理 ， 平衡业务转型与合规之间可能存在的冲突 。