银行业进入4.0时代!首家5G无人银行诞生+工信部发放5G商用牌照
5G以其高带宽、低延时、广覆盖的优势,不仅可使网络传输大跨步提速,也将催生整个社会在商业逻辑、系统底层架构方面发生变革。
《贸易金融》记者:张艺妍
工信部6月3日宣布,近期将发放5G商用牌照,我国将正式进入5G商用元年。
5G以其高带宽、低延时、广覆盖的优势,不仅可使网络传输大跨步提速,也将催生整个社会在商业逻辑、系统底层架构方面发生变革。
5G商用的开启,不仅仅是工业和商业领域划时代的大事,更是金融投资、银行领域的大事。
首家5G无人银行上线
银行业在这个关键的历史时刻,纷纷布局5G无人银行。其中,走在前列的有中国银行,首家5G无人银行已经建成;建设银行在今年年底之前计划推出10家无人银行;工行也在加速推进5G无人银行的建设。
中国银行推出首家5G无人银行。5月31日,中国银行5G智能+生活馆在北京正式开业。该网点引入无人全自助智能服务,运用生物识别、影像识别、人工智能、语义分析、VR、流程自动化等前沿科技,实现办理金融业务的无人化和智能化,无需工作人员协助,客户可以借助面部识别技术无卡、无证办理业务。
中国银行副行长吴富林介绍,“5G智能+生活馆”是一种新的银行网点业态,搭建5G网络环境,运用于全球专家连线、远程客服等场景中,各项智能化功能将改变人们的金融生活。这还是个无人网点。”
建设银行预计今年年底建设10家5G银行。继2018年4月推出全国首家无人银行后,建设银行又将带着3家5G科技无人银行于6月面世,分别位于清华园、中粮广场和长安兴融中心,年底前约10家“5G科技无人银行”将在北京投入运营。
当然,银行布局5G银行的竞争是十分激烈的。麦肯锡曲向军称“国内的银行也已经开始积极尝试数字化转型,但实践效果喜忧参半。未来5年将是国内银行业群雄争霸的关键分水岭。相信只有那些真正将数字化与创新融入基因的银行,才能在新的市场竞争环境下脱颖而出,立于不败之地。”
银行业进入4.0时代
为何银行会如此重视数字化转型以及5G技术?实际上,5G只是继大数据、人工智能、区块链后,银行探索应用的另一项技术。
对此,建行相关负责人表示,数字化转型的技术基础是一个全新的技术架构体系的构建与进化。这是一个基于云技术的技术架构体系,其构建与进化在5年前就已经开始,可能还会再发展15-20年。
其中,在这个架构体系中,5G网络尤为关键,它是构筑万物互联的基础设施。因此,5G会对所有的行业都会产生影响,并催生新的业态,会引起生产力的跃迁。
值得注意的是,随着人工智能(AI)、现实增强(AR)、5G通信、区块链等创新型技术手段发展和普及,银行业已经进入了4.0时代。
银行4.0时代,人工智能为简化客户服务、优化营销过程、风险分析等方面作用巨大。此外,人工智能有更快发现欺诈行为的能力,人工智能还将影响更复杂的任务,如财务合同审查或交易发起。据调研机构Gartner公司预测,到2020年,20%的后台工作人员将依赖人工智能开展非常规工作。
中央财经大学互联网经济研究院院长孙宝文在刚刚结束的《2019中国金融创新论坛》上表示,未来的金融科技和产业发展紧密融合,使金融场景更加丰富,数据更多源,金融创新能力和服务实体经济能力不断增强。金融科技发展不仅仅是一种技术,更多的还是一种艺术,需要结合金融实际发展中的痛点问题,对症下药,逐渐强壮,稳步发展。
他还表示,银行数字化转型有以下几个特点:数据是基础、过程是关键,创新是核心。数据是基础有两层含义,首先是数据的积累与创造,银行自身现有的数据极为重要,如何创造衍生的数据也很重要,也就是要充分考虑多源化数据问题;其次是数据的应用与驱动,在客户画像、个性化产品定制、业务处理、信用评估、智能风控等方面应用数据驱动业务创新。
银行应用5G技术存在多方面挑战
事实上据《贸易金融》记者了解,5G技术的场景应用目前仍处在小范围的尝试探索阶段。对银行业来说,将物理网点融入5G元素可以增加客流量日渐式微的银行网点的人气和体验感,但金融业务要大规模应用5G技术仍有很长一段路要走,尤其是金融业对安全性要求较高,新技术大规模应用前仍有不少挑战需逐一攻破。
建行在5G领域相关负责人表示,银行应用5G技术也存在多方面挑战:
首先是技术的成熟度。例如,5G网络切片技术的具体实施方案尚不成熟,无法评估其对金融行业应用的支持力度。
其次是安全。金融行业对安全性的要求较高,而5G带来的海量数据连接,对数据安全和网络安全都提出了较大的挑战。据了解,建行5G无人银行为了保障数据安全,搭建了5G网络专用数据通道,将重要业务加密传输。
最后,在业务方面,目前基于5G技术的应用场景尚在探索中,尤其是要寻找与4G有本质差异的场景,能够提升用户体验的场景,才能保证业务形态的持续发展。
此外,目前弱人工智能技术应用也给银行带来挑战。因为算法 “歧视”,人工智能可能在不透明性和可解释性方面给银行带来一些挑战。使用传统的统计模型,数据科学家选择对特定决策或预测至关重要的因素,并决定对这些因素给予多少权重;然而,人工智能却很难做到,因而很难遵守监管机构的规定。