“智能+”聲紋識別落地金融應用

趙文聰

2018年，物流業、金融業、零售業等重資產傳統行業；城市管理、交通運輸、政務工業等國民生計各個方面；游戲、醫療、電商、視頻、在線教育等新產業的各個領域，都充斥著“智能+”的身影。

近日，《陸家嘴》雜志接觸到快商通COO劉曉葳，作為“智能+”市場領域的參與者，這家公司已將自主研發的聲紋識別技術落地應用在金融、安防、社保、智能家居、物聯網等領域，推出“金融信貸身份反欺詐”、“社保異地生存驗證”等行業解決方案。

此前，智研咨詢發布《2018-2024年中國聲紋識別技術行業市場運營態勢及發展前景預測報告》指出，2017年聲紋識別技術的全球收入為1.32億美元，而這一數值在幾年后將增至1.59億美元，增速達到20.5%，預計到2021年，聲紋識別技術的全球收入將達到2.64億美元。僅從這一數值來看，聲紋識別的市場預期樂觀。

《陸家嘴》：快商通是一家于2009年成立的AI公司，你覺得快商通在金融領域布局的核心競爭力是什么？ 可以從技術和商業兩個維度分別與大家分享一下嗎？

劉曉葳：我們現在主要提供兩方面的技術，一是自然語言處理，一是聲紋識別，剛好這兩方面是前后端關系。

聲紋識別是通過收集不同人的聲音特征，再根據聲音特征去識別人的身份，這項技術可以廣泛地應用于反欺詐、身份確認等方面。

對于自然語言處理，它是在人工智能領域里面最難的一個部分，面對前端一些語言的構成，先要由語音識別，再通過聲紋識別確認身份以后，接著通過語音識別做一些文字的轉化，它最終服務的才是自然語言處理。

在銀行的應用場景下，本身也有很多具有文本化的結構信息。小到一個合同，一些紙質文本的數據，所以整個技術方面是提供這兩項技術。

這兩項技術可以服務于怎樣的商業場景呢？在風控方面，聲紋識別幫助我們從源頭識別人的身份，然后更多地應用到其他場景，例如電話場景，以前在電話場景下沒有辦法做風控，但由于目前聲紋識別可做身份確認，所以已可以應用。

另外，在銀行整體經營效率的改進和優化中，通過自然語言處理的方式，也可以讓計算機更多理解和處理這些文本信息，從對應信息中提取出一些高度結構化的東西，或者發現一些敏感的內容。從而在降低風險、降低成本、提升效率等方面服務于銀行。

《陸家嘴》：那你認為人類語言信息（和聽覺信息）在金融各場景中產生的價值有多大？

劉曉葳：我認為價值有以下幾點，首先人類跟其他動物的最大區別，我認為在于語言能力，而語言能力又轉化為書面能力、口頭表達能力，所以我們在整個金融場景中會留存很多結構。其實以前數據分析只是聚焦在可量化的數值化行為數據，一大部分數據實際都被放棄掉，我們沒有辦法從中挖掘出任何東西。

現在這部分數據無論對我們整體的風控還是提高銀行的效率、完善經營控制等方面都是一個補全。

《陸家嘴》：快商通是如何用聲紋識別作為切入的？

劉曉葳：所謂的切入點，是這個口可以切。例如以前沒有做過的領域或者相對較少覆蓋的領域。在我看來，金融科技領域是一個類似盲區的點。此外，想要切入，說明業務對應的需求開始迫切。

我們可以立足這兩點逐步分析一下，業務切口對于聲紋需求的迫切性表現在哪里？

我們第一步聲紋識別選擇的切入點是電話貸款業務，電話貸款業務雖然在很多金融機構已有較大企業規模量，但是，這些企業在此業務上主要流通的是語音數據，沒有任何所謂的行為數據，也沒有數字化數據，僅僅有的就是語音。

我們以前通過電話通信角度想要知道一個人的真實身份，沒有辦法對身份做一些較為精準的確認。但目前在使用電話通道的時候，對于一些具體的場景，比如銀行中個人在申請貸款，我們可以通過聲紋識別更為準確地判斷對方身份。

目前已有的一些大公司，在電話場景下已有很多像信用卡、貸款等方面的應用，還有大量小型的機構、地方銀行，都在逐步拓展這個業務線，因為它們的零售業務量一定是越來越大，所以從現在開始搭建聲紋識別的聲紋庫和聲紋識別引擎是一個好的時機，以免未來金融機構自身業務量非常大的時候，他們要重新收集這些東西將會是很困難的。所以這是一個切入點。

除了“盲區”和需求迫切之外，切入點還有第三個特性，即它是一個入口，或者叫做一個起點。

我們現在的布局就是以聲紋識別為輻射中心，在完成對應身份確認的過程，后續會展開對應人的一系列行為數據，在判斷屬于同一個人的行為數據后，后續其他連帶領域還有很多東西可以進一步發展。

《陸家嘴》：金融“科技化”中用戶體驗與安全風控如何平衡？

劉曉葳：其實根本上還是要符合業務的需要。業務需要是什么？舉兩個具體的場景。

第一個場景就是支付。以華為為例，華為新發布的手機Mate 20系列，搭載了聲紋識別，但是解鎖手機的安全隱私性就類似于支付的場景。

所以在對應支付場景下的體驗對安全性的要求非常高，會降低用戶體驗。例如要利用聲紋識別進行支付，那么聲紋的技術則要求錯誤率極低，幾乎為零，才能通過，否則我必須加一個驗證的標準，所以對于類似場景使用，體驗便相對不流暢。

除此之外，銀行中的遠程柜員機，用人臉活體檢測的方式通過驗證，其實只是80%以下的通過率，通過率相對較低。用戶體驗可能就沒那么好，因為它是支付場景，要相對提高警惕。

第二個場景如線上貸款，當然要進行風控，但是前提首先需要將業務做起來。所以從這個角度來講，聲紋識別的應用中，我寧可說有幾個真正的我要抓的黑中介被漏過去了，我也不要將本來是我的目標客戶，但是被我認定成黑中介。因此，總體來看主要還是在于業務的設計。