经测算，到2027年，中国金融业就业人口可达到993万人，其中23%的工作岗位会受到人工智能带来的颠覆性影响，削减或转变为新型工种；剩下77%的工作岗位未被替代，但效率将获得大幅提升。

将受到人工智能颠覆性影响的主要为从事标准化、重复性工作的岗位，据估算至2027年约为230万人，即金融业就业总人口的23%。而余下760万人主要为需要解决复杂问题、应对人际情感交互及随机多变环境的岗位，将不会受到人工智能的颠覆，而是在人工智能的协助下提升效率。

人工智能爆发进入临界点

古老又现代的金融业有一套自己的行事准则：数字、报表、审批流程…...如华尔街手拿公文包快速穿过街道的行业精英们，节奏快速准确，一丝不苟。

金融场景下高度结构化的数据给AI技术的发展提供了优渥的土壤，在此之上，身份识别、风控管理、流程优化等领域开始出现AI技术的身影。事实上，金融行业已成为AI落地众多场景中，发展为迅速的领域之一，这从五年前开始的P2P浪潮之火爆程度就可见一斑。

正是由于语音、图像、模式识别等技术在风控、审批等环节的落地应用，单个信贷申请的受理成本大幅降低，曾经银行机构不愿意覆盖的长尾客群才有了信贷渠道。尽管从业门槛的降低带来了暂时的混乱，然而随着监管的收紧，真正拥有技术壁垒且精通商业运作的机构还是活了下来。可见，金融人工智能不仅具有市场、用户的高度关注，也有着非常重要的运用价值。

生物特征识别：大幅简化审验流程

传统的金融账户登录验证多采用账号+密码+短信验证码的模式，流程繁琐且会产生一定的通信费用。目前已有一部分金融机构将生物特征识别技术用于账户登录、账户查询、支付等身份验证环节。

金融领域正在应用的生物识别技术包括但不限于指纹识别、声纹识别、虹膜识别、人脸识别等。以人脸识别为例，随着智能手机逐步拥有1:1的人脸比对能力，支付及支付宝两大支付巨头先后上线了「刷脸支付」功能，并在线下门店展开了刷脸支付设备推广战。支付宝推出蜻蜓，支付推出青蛙，大额补贴各不相让。

语音语言处理：降低客服中心成本的利器

长久以来，客服部门是金融机构的成本中心，并且随着业务的增长，机构需要招募的客服人员也呈规模化增长。客服需要处理的问题数量随着机构的营销活动变化，因此机构需要的客服人员数量也非常弹性，如何快速招募并遣散客服又构成一道挑战。

随着语音语言处理技术的出现，围绕着客服中心的种种难题得到了解决。由于客户的问题集中化较为明显，因此基于语音语言技术的智能客服成为人工客服的道防线。不仅如此，智能客服还能代替人工客服进行大批量外呼，这样一来客服部门便从成本中心转变为利润中心，为金融机构带来实实在在的营收。

黑斑马智能作为一家专注于语音与数据人工智能产品研发的高科技企业，基于15年通讯领域从业经验和技术积累重组而成。2018年至今，黑斑马智能积极围绕人工智能领域进行研发投入，打造了以智能营销、智能客服、智能IVR、智能语音分析及智能坐席助手为核心的AI应用产品。目前，已与多家金融企业开展了业务合作。