近年來，AI賦能金融科技成為了金融行業熱度居高不下的話題，在2017年還因此催生了“智能金融”概念。作為金融科技的子集，監管科技亟需抓緊人工智能這一風口，維系金融安全，及時、高效地進行監管合規。
那么，人工智能可以為監管合規做些什么呢?
一、數據處理
人類正從IT(Information Technology) 時代走向DT(Data Technology)時代。在DT時代，數據成為數字時代的“新能源”。金融監管對數據的依賴程度也在日益提升，但是現階段仍有很多金融機構難以滿足監管機構提出的數據要求：
一是數據處理能力較為落后。現階段很多金融機構的基礎設施還不夠完善，隨著交易方式的創新和交易系統的升級，交易過程中產生的海量數據更是加劇了數據處理的難度。
二是數據質量不高。金融業務開展過程中產生的大量文本、圖像、音頻等非結構化數據，缺乏數據的進一步清洗加工。
三是數據孤島現象。金融機構之間、監管機構與被監管機構之間出現了信息斷層，原因如下：1)不同金融機構之間數據標準化程度不同，無法實現數據的有效流通和共享;2)企業出于保護商業機密或者節約數據整理成本的考慮而不愿意共享自身數據，一些政府部門也缺乏數據公開的動力;3)數據流通共享過程中無法保證數據的安全性和完整性。
而人工智能在數據信息處理這一方面，具有天然優勢。它不僅能夠高效處理大量級數據，而且能夠將圖片、語音、視頻等復雜的非線性、非結構化數據，轉化為標準化、結構化數據進行分析。此外，人工智能還具有自然語言處理能力，能夠從語義層面上對數據信息進行分析，而不僅僅是停留在符號處理上，能夠幫助監管機構從數以億計的交易信息中篩選出具有較強相關性或者可疑的交易數據，還可以幫助從業人員從中提煉有價值的交易信息，提高監管人員的監管效率。
二、合規審核和持續合規評估
傳統的監管合規更多地依靠人工核查，大多采用統計報表、現場檢查等方式，監管機構依賴金融機構報送監管數據和合規報告，這種監管模式存在明顯的時滯性。那么有沒有可能讓人工智能代替部分監管合規崗位呢?答案是肯定的。
“智能合規官(AICO)”、“機器人輔助合規手冊(RACH)”等人工智能典型應用場景正是因高效、實時監管合規的需求而誕生的。智能合規技術，又稱“監管雷達”，“智能合規官”，是建立在認知計算基礎上的應用程序，通過數字化監管協議(RegPort)，讓“機器可讀”規則可以幫助標準化規則的公布和使用，通過使用標準化規則集以減少歧義和解釋錯誤，可以輔助金融機構和金融科技企業進行合規審核和持續合規評估。
當業務系統在運行時，智能合規官會實時發現、識別違反合規性要求的流程，并且提出建議。同時，在線學習
手冊會嵌入到機構的各個系統中，只要有相關的業務發生，在線手冊就會出現，提示有關的規定和要求。除此之外，人工智能還能通過自主學習監管政策、案例，分析比較不同國家監管文件之間的關聯和差異，幫助實現全局化計算進行風險評估，輔助跨國公司準確把握境外監管規則，為金融機構實現合法的跨境業務提供保障。
除了智能合規，人工智能還能自動生成合規報告。愛爾蘭一家創業公司AQMETRICS旗下的MiFID Ⅱ系統利用數據的自動抓取、分析等技術，設計了可以自動生成規范的MiFID Ⅱ報告的系統，該系統還可以儲存報告和原始數據以供查閱。
三、KYC
KYC(Know Your Customer)是金融監管中識別風險、做好風險防控工作中重要的一個環節。隨著以第三方支付、P2P、互聯網理財等為代表的互聯網金融的快速崛起，金融機構面臨著巨大數量的客戶風險精準識別的壓力以及嚴格的反洗錢、反恐怖融資等監管合規要求，而傳統的KYC過程不僅會產生巨大的人力成本和時間成本，同時也存在精確度低、識別能力有限的問題。人工智能恰恰可以幫助金融機構合規部門解放部分繁重、枯燥的合規工作。
當前，人臉識別、指紋識別技術等人工智能技術作為驗證客戶身份、遠程開戶、刷臉支付，解決金融安全隱患的方案，已經發展成熟正在逐步推廣。譬如，京東金融在客戶信息收集與驗證的基礎上，基于完備的KYC流程建立反洗錢模型，充分運用人臉識別、語音識別、設備指紋等人工智能技術進行身份甄別和風險排查，提高了客戶身份識別效率。
除了識別客戶身份，人工智能還可以用于客戶風險評級。機器學習、自然語言處理(NLP)等人工智能技術，可幫助金融機構從更多維度刻畫客戶身份，建立客戶風險視圖，實現精準客戶風險評分，利用規則引擎和算法模型，減少反洗錢誤報率，提高金融機構了解客戶及監管合規能力。譬如，美國證券交易委員會(SEC)利用機器學習的方法來分析注冊申請人填報的描述性披露信息(非結構化數據)，以更全面地對申請人的行為進行預測，特別是對其潛在的欺詐和不當行為的市場風險進行評估，并將這些信息映射到已知的風險等級(如申請人的審查結果或過去違規情況)中，從而提高了金融機構對客戶風險的評估能力和監測風險的能力。
四、風控
人工智能在監測金融機構內部威脅和外部風險，防范反欺詐和反洗錢等金融犯罪行為方面也有很大幫助。相對于傳統的人工風險監測，愛爾蘭一家電子商務詐騙預防公司Trustev 可以在交易對手登錄網站時就對客戶的登錄信息進行分析，并對其進行深度的數據挖掘分析從而將交易分為欺詐，可疑，安全三個類別。Trustev會自動屏蔽欺詐交易，并將可疑交易轉送人工識別。在減少人工成本的同時，Trustev也有效地提高了欺詐交易的識別率。此外，基于人工智能技術的“智能合約”還可以結合區塊鏈技術，將“區塊鏈 + 智能合約”技術嵌套在金融監管體系中，符合監管部門對金融機構和金融科技企業在風險內控、內部審計及合規性等方面的要求。由于區塊鏈技術的去中心化、信任強化、分布式共識、不可篡改、可追溯等特性，金融企業憑借區塊鏈技術就可以及時發現和追蹤騙貸、洗錢等犯罪行為，從而最大程度地屏蔽經營風險。
有人把人工智能的發展分為三個階段：計算智能、感知智能、認知智能，對應的DT服務的發展就是數據從信息向知識演化并最終生長為數據智能的演變過程。然而，當前大部分金融機構的人工智能還停留在感知智能向認知智能轉化這個階段，上述提到的四個應用場景主要還是在感知這一階段。未來隨著需求驅動和新技術賦能，人工智能將更好地為監管合規服務。
京公網安備 11010502049343號