在“金融科技红利”扩大与“人口红利”衰减的背景下，效率和成本共同驱动着金融智能化发展。区块链、大数据、人工智能等金融科技的发展正在深入到风险管理、资产定价等金融核心领域，推动着金融业向智能化方向发展。在支付清算领域，人工智能将给支付服务提供者带来巨大变革，会取代许多重复性的工作，减少人工干预环节，促进企业由劳动密集型的“作业团队”转变为知识密集型的“智慧工厂”。
人工智能在支付清算领域的行业特性与应用分析
目前，通过人工智能创新支付业务的优势主要表现在以下几个方面：
一是人工智能创新支付方式。以人工智能为代表的人脸识别、语音识别、生物识别技术正改变传统支付方式，激励创新支付手段，促使银行、非银行支付机构创新智能支付服务。
二是人工智能提升用户支付体验。通过“智能语音”服务、生物识别身份认证、智能投资顾问等方式为客户带来更快捷、更便利、更智能的操控体验，进一步提升了客户服务水平、节约了人工运营成本。
三是人工智能提高支付运营效能。通过现实人脸图像与联网核查图像、客户身份证图像交叉比对，由人工智能算法引擎完成身份认证，从而加强了金融服务供给、提升了金融服务效率、提高了支付运营效能。
目前，随着人工智能在金融行业的渗透，已广泛应用于账户、工具、系统、监管等支付领域。
（一）智能账户
账户体系是金融交易的核心，也是支付业务的基石。通过人工智能的图谱计算技术，将账户进行聚类和关联分析，基于协同账户准确把握企业画像，全面获取金融服务的需求和精准识别支付清算的风险。从信息平台用户体系到交易平台交易账户与支付账户分离，再到交易平台交易账户与支付账户关联。通过关联银行Ⅱ、Ⅲ类账户与支付账户，有利于银行和非银行支付机构创新获客、活客、资金运营、交易金融等业务模式，加快实现互联网化、场景化和平台化经营。
此外，通过人工智能自动化程度可以提高客户验证的效率。同时，通过“人工智能＋区块链技术”可实现数字化身份信息的安全、可靠管理，在保证客户隐私的前提下提升客户识别的效率并降低成本。通过程序化记录、储存、传递、核实、分析信息数据，可省去大量人力成本、中介成本，提高准确性和安全性，所记录的信用信息更为完整、难以造假。
（二）智能支付工具
传统的POS终端在过去十几年一直保持形式和内容不变，存在升级麻烦、功能单一、扩展性差、缺乏互动性等一系列问题，已经不能满足场景化和个性化支付的需求。随着智能移动POS技术的发展，不同商业模式参与方都可以参与智能化平台个性化应用，如集成从传统的收银、小票打印，到刷卡、二维码等多种支付解决方案，如从会员管理到营销管理等，并可以创造出更多的特色化服务。
移动智能终端是推动线上线下场景融合、提升支付服务水平和服务能力的基本保障。智能终端将推进支付的线上线下融合。
首先，智能终端对接了用户移动支付的需求，能够提供便利的移动支付方式。
其次，智能终端以移动支付为基础入口，连接了商户和消费者，让商户能够得到记录消费者行为的精准消费信息，进行精准营销。
这能够帮助实体店通过互联网触摸到消费者，并与之建立全渠道、深层次的线上互动，增强体验功能，发展智慧消费。
（三）智能清算系统
目前，构建企业级支付系统是实现企业战略转型与业务创新的需要。通过植入智能终端设备，对内统一支付结算平台内置智能路由，实现公司内部各系统统一接口，并根据不同业务规则选择最优路由支付，实现高效结算、智能对账。对外可集成多家支付平台，并为企业用户提供更多支付通道。
通过人工智能技术，设计支付结算系统智能选择入款、出款渠道，从而提高支付成功率，降低网关成本。网关会通过自动化、智能化分析用户选择的支付方式确定用来完成该操作合适的支付渠道。综合考虑收费、渠道的可用性等因素，通过深度学习算法，知识图谱计算来选择最优方案，如实现网上支付智能化。
（四）智能监管
金融领域已经采用不同计算机预测算法，通过人工智能技术来进行风险模型分析，应用于例如VaR、信用评级、风险准备金、长尾风险、行为分析、反洗钱等领域。其中运用到的算法包括：在线过程分析（OLAP）、聚类、相关性分析、决策树、热点分析、神经网络、预测模型、画像技术、自组织网络、网络数据挖掘，等等。
人工智能技术的出现将有效提升上述算法和模型的精度，提供更加有效的风险评估。
一是通过人工智能反欺诈，人工智能自动挖掘文字、数据和影像等信息进行深度理解，发现并标注风险警示；
二是通过人工智能实现信用风险管理，人工智能可以优化风险模型，并求解各变量间量化指标；
三是通过人工智能防范支付清算尾部风险，通过增强学习算法（也称为Q-Learning算法）可将极端事件引入风险分析框架，通过智能化量化风险等级实现风险评价。
同时，企业在监管要求的指导下，也建立起符合智能监管的智能风控体系。整个智能风控的起点从获取数据开始，其次是建立模型，其中最重要的是反欺诈和信用评定两项工作。最后是将模型在实践中不断优化和迭代，即机器学习。
人工智能在支付清算领域应用的国内外实践
国内外金融和非金融机构纷纷根据技术分类探索人工智能在支付领域的应用。
（一）国外人工智能在支付领域的应用情况
近几年，人工智能开始进入全球银行系统，在支付领域被广泛使用。如印度的CICI银行、HDFC银行在不同的经营领域内逐步引入人工智能技术，进行反洗钱、流动性和支付交易管理等。
新加坡星展银行首创的纯数字银行DigiBank，开创了生物识别技术和人工智能整合等先进技术的创新支付银行革命。意大利的Euklid公司专注银行业务服务，利用人工智能技术，尝试实现用户支付体验以及自动化运营。
摩根大通也将AI技术融入到投行业务中，通过人工智能进行股票交易及结算。
德国和以色列合作的Fraugster公司以人工智能为基础，开展支付欺诈探测，准确地预测欺诈行为。
俄罗斯Yandex公司利用深度学习计算技术，对安全及恶意的网站进行学习分类，保障网络支付安全。
格兰皇家银行旗下Natwest银行则在苹果手机应用中引入通过人脸识别登录该行手机银行APP的功能。
（二）国内人工智能在支付清算领域的应用情况
国内银行和非银行支付机构扩大支付市场份额，采用人工智能等高科技重塑支付行业，沿着降低成本和提升效率两条主线，实现金融服务的智能化、个性化、定制化。同时，不断完善平台功能，挖掘出新颖的、更加便捷、更加优惠的支付功能，在获客、风控、定价等方面实现战略布局，获取市场竞争力。
在“金融科技”迅速兴起的大背景下，国内银行机构纷纷开始人工智能新尝试。平安银行通过手机银行首创“智能语音”支付功能，客户可以自动判断收款人的相关信息和交易过程中的金额信息，实现“语音支付”、“语音取现”等操作。同时，平安银行尝试将生物识别技术引入支付领域，利用手指静脉识别技术，引入“智能钱柜”，实现系统记账与出纳分离的现金自动处理模式。
交通银行研发出全国金融领域第一款真正“能听会说、能思考、会判断”的智能理财机器人，能够为客户提供专业金融服务，帮助客户实现预支付操作等。北京银行积极探索人脸识别技术在支付流程中的应用，将人脸识别技术创新性地融入到柜台对客户身份的认证操作中，提升柜台业务效率。浙商银行首推ATM“刷脸”取款，进一步优化了用户在自助设备取款的流程。
此外，非银行支付机构也加快人工智能和支付的融合，支付宝利用人脸识别技术，完成支付流程的身份认证工作；同时，支付宝、财付通等支付机构推出“无感支付”，将车牌识别与移动支付相结合的技术应用，只要在支付宝上进行车牌绑定，就可以直接授权支付。此外，支付宝利用人工智能技术可以对转账行为进行评估，判断是否有诈骗风险。
人工智能在支付清算领域存在的风险及建议
（一）人工智能在支付清算领域应用存在的风险
一是信息泄露的风险。金融业作为信息密集型行业，应用人工智能必然会面临海量数据采集和处理的问题。这些数据一旦被成功攻击，会暴露用户的个人隐私，也极有可能对客户造成财产损失，甚至是人身安全。
二是金融监管难度加大。在现有金融监管体系下，由于人工智能故障引发的风险事件责任界定较为困难。一方面，人工智能本身的学习、决策机制所产生的行为无法追溯，这就对人工智能行为的监管带来困难；另一方面，一旦人工智能应用发生问题，其责任主体很难界定，后续处理成本也比较高。
三是信息采集的合法性问题突出。人工智能需要采集大量的数据来进行处理和分析，随着云技术的发展以及数据采集范围的扩大，“网络爬虫”技术可能会导致目标网站非公开信息的非法采集，成为不法分子进行非法信息交易的工具。
四是金融系统性风险加大。基于人工智能和机器学习的模型极为复杂，普遍缺乏可解释性。开发者和使用者很难预测这些应用程序将如何影响市场，或将给金融市场稳定带来意想不到的冲击，引起宏观层面的系统性风险。
（二）人工智能在支付领域风险防范的建议
一是立法为先。监管部门和管理机构应针对人工智能支付的特点和发展趋势，制定相应的管理办法和监管指引，引导人工智能支付健康发展；同时协调有关部门尽快出台法律法规，制定人工智能支付业务的市场准入和退出机制。
二是技术保障。在积极发展人工智能新业务的同时，进一步增强对新技术产品的研发力度，建立人工智能支付安全技术体系，创新研发模式，探索“产学研用”结合的研究模式。
三是评估前置。开展人工智能技术研发的同时，注重安全需求的周全考虑，做好项目前期安全评估工作，确保新技术产品的使用安全可靠，避免安全风险产生。
四是管控结合。重视对人工智能等新技术应用的研究及应用过程中的技术管控，积极采取多重因子认证、交易金额控制、交易笔数控制等技术措施，降低风险。
五是机制保障。进一步完善人工智能支付可能出现的投诉流程，同时，应加大对客户安全意识的宣传力度，从客户源头上做好信息安全保护工作。
来源：张娟 · 中国支付清算协会
