人工智慧大举兴起 金融业员工首当其冲

　　AlphaGo 大胜人类棋手，为 AI 发展写下新的一页。而 AI 为人类带来的冲击当然不只在棋盘上，这点金融业人员恐怕最能体会。

　　从 2016 年至今，包括贝莱德集团、高盛集团、德意志银行、瑞士信贷、荷兰 ING 银行等全球重量级银行都展开裁员计画，而背后的原因无不指向数位化后的终极目标──人工智慧。

　　这股 AI 潮流首先从金融产业吹起并不令人意外，金融业的本质即是由数据所驱动，包括交易决策、投资策略拟定等，皆需倚赖大量数据为基础，而大量数据也正是人工智慧导入的前提，这也是为什么金融行业结合人工智慧的前景看好。

　　从 AI 在金融行业的应用范畴来看，前端的客户服务、精准行销，到核心业务辅助投资与交易，再到后台的风险控管等，皆有其用武之地。

　　其中，金融业导入 AI 应用中，最具发展潜力的应用莫过于辅助量化投资。因传统的量化投资是指透过建立财务与交易数据模型，分析其中特性以进行交易策略的拟定，这些模型通常较为复杂且相对静态，随着时间的推进与市场的变化，模型精准度将不断下降，若要维持模型精准度，则需即时更新前端数据采集，这也是整个量化投资流程中工作量最大的部分。

　　而人工智慧的导入，正可为这个耗时与耗费大量人力的工作阶段带来效益。透过知识图谱（Knowledge Graph）的搭建，结合机器学习、自然语言处理进行资讯处理，构建可在短时间完成数据分析与交易决策的量化交易模型。

　　从上述机器学习的应用，就可以发现，人工智慧的导入必然将对金融业的劳动力结构带来冲击。

　　事实上，金融业从 2012 年的数位浪潮兴起后，华尔街已累计削减高达一万两千多个职位，人工智慧发展再度推波助澜，使得影响的范围不断扩大，金融从业人员裁撤的数字持续往上攀升。

　　从我们的分析来看，投资业务因高度倚赖数据驱动，受到人工智慧技术的发展影响较大，为交易员、金融分析师、基金经理等职位带来的较大冲击。

　　除了投资业务将备受冲击，一般大众也将在金融业数位转型趋势下，更快速感受到 AI 带来的影响，就以投顾业务来看，网路或行动装置下单已成为一般投资大众与券商互动的主要方式，在此基础上，智慧投顾的发展大幅将降低投顾服务进入门槛降，使得锁定高净值族群的投顾服务得以扩张至一般大众，小额投资人得以较低廉的费用，接受到个人化的理财服务。

　　另外，来看看 AI 应用为保险业者带来的变革。当保险事故发生时，过去必须等待保险公司的定损人员到事故现场，但未来只需要透过手机拍照结合图像识别、深度学习等 AI 应用，即可快速核定理赔金额。诸如此类的应用，将逐渐渗透到我们的日常生活中，对于过去仰赖人力从事这些业务的商业银行、保险公司来说，AI 的发展将改变整体人力结构。

　　从金融业导入 AI 应用的发展来看，劳力结构分布势必将被重塑，然而，AI 真的将消灭金融业大部分的人力需求？若从目前发展来看，AI 能够处理的仅是初阶的数据采撷与处理工作，在决策、演算法生成与交易执行的部分，因存在高度风险与监理门槛，仍需由专业金融从业人员负责。以保险服务为例，前台保险业务员、初阶核保人员、勘察员等，仰赖大量人力处理繁杂文书业务的工作，将率先被人工智慧所取代，但后台的理赔分析、精算师等，尚需专业人员负责风险的把控。

　　因此，即使 AI 的发展对于交易员、投资银行分析师、投资顾问等劳动力的影响相对大，短期内 AI 被率先应用的领域还是风险相对较低与流程简单的金融业务。长期而言，AI 技术发展成熟后，或将全面渗透高数据驱动的投资领域，各金融机构的 AI 系统也将因长期投入的数据资源不同，各 AI 系统所拟定的投资策略将出现差异化，届时，不同 AI 系统间的角力战可能将率先于金融市场引爆。

　　AI 潮流首先从金融产业吹起。

　　（综合报导）AlphaGo 大胜人类棋手，为 AI 发展写下新的一页。而 AI 为人类带来的冲击当然不只在棋盘上，这点金融业人员恐怕最能体会。

　　从 2016 年至今，包括贝莱德集团、高盛集团、德意志银行、瑞士信贷、荷兰 ING 银行等全球重量级银行都展开裁员计画，而背后的原因无不指向数位化后的终极目标──人工智慧。

　　这股 AI 潮流首先从金融产业吹起并不令人意外，金融业的本质即是由数据所驱动，包括交易决策、投资策略拟定等，皆需倚赖大量数据为基础，而大量数据也正是人工智慧导入的前提，这也是为什么金融行业结合人工智慧的前景看好。

　　从 AI 在金融行业的应用范畴来看，前端的客户服务、精准行销，到核心业务辅助投资与交易，再到后台的风险控管等，皆有其用武之地。

　　其中，金融业导入 AI 应用中，最具发展潜力的应用莫过于辅助量化投资。因传统的量化投资是指透过建立财务与交易数据模型，分析其中特性以进行交易策略的拟定，这些模型通常较为复杂且相对静态，随着时间的推进与市场的变化，模型精准度将不断下降，若要维持模型精准度，则需即时更新前端数据采集，这也是整个量化投资流程中工作量最大的部分。

　　而人工智慧的导入，正可为这个耗时与耗费大量人力的工作阶段带来效益。透过知识图谱（Knowledge Graph）的搭建，结合机器学习、自然语言处理进行资讯处理，构建可在短时间完成数据分析与交易决策的量化交易模型。

　　从上述机器学习的应用，就可以发现，人工智慧的导入必然将对金融业的劳动力结构带来冲击。

　　事实上，金融业从 2012 年的数位浪潮兴起后，华尔街已累计削减高达一万两千多个职位，人工智慧发展再度推波助澜，使得影响的范围不断扩大，金融从业人员裁撤的数字持续往上攀升。

　　从我们的分析来看，投资业务因高度倚赖数据驱动，受到人工智慧技术的发展影响较大，为交易员、金融分析师、基金经理等职位带来的较大冲击。

　　除了投资业务将备受冲击，一般大众也将在金融业数位转型趋势下，更快速感受到 AI 带来的影响，就以投顾业务来看，网路或行动装置下单已成为一般投资大众与券商互动的主要方式，在此基础上，智慧投顾的发展大幅将降低投顾服务进入门槛降，使得锁定高净值族群的投顾服务得以扩张至一般大众，小额投资人得以较低廉的费用，接受到个人化的理财服务。

　　另外，来看看 AI 应用为保险业者带来的变革。当保险事故发生时，过去必须等待保险公司的定损人员到事故现场，但未来只需要透过手机拍照结合图像识别、深度学习等 AI 应用，即可快速核定理赔金额。诸如此类的应用，将逐渐渗透到我们的日常生活中，对于过去仰赖人力从事这些业务的商业银行、保险公司来说，AI 的发展将改变整体人力结构。

　　从金融业导入 AI 应用的发展来看，劳力结构分布势必将被重塑，然而，AI 真的将消灭金融业大部分的人力需求？若从目前发展来看，AI 能够处理的仅是初阶的数据采撷与处理工作，在决策、演算法生成与交易执行的部分，因存在高度风险与监理门槛，仍需由专业金融从业人员负责。以保险服务为例，前台保险业务员、初阶核保人员、勘察员等，仰赖大量人力处理繁杂文书业务的工作，将率先被人工智慧所取代，但后台的理赔分析、精算师等，尚需专业人员负责风险的把控。

　　因此，即使 AI 的发展对于交易员、投资银行分析师、投资顾问等劳动力的影响相对大，短期内 AI 被率先应用的领域还是风险相对较低与流程简单的金融业务。长期而言，AI 技术发展成熟后，或将全面渗透高数据驱动的投资领域，各金融机构的 AI 系统也将因长期投入的数据资源不同，各 AI 系统所拟定的投资策略将出现差异化，届时，不同 AI 系统间的角力战可能将率先于金融市场引爆。