风险管理行业如何应用人工智能

政府招标项目中的腐败调查、集装箱货物在海关的入关查验、批贷评估，这些看似毫不相关的问题，解决的思路是类似的：在全部数据或者文档中，抽样检查很小的一部分样例。在荷兰，这些问题都在通过人工智能的技术手段解决。传统的分析方法越来越无法处理日益庞大的数据量，认知技术包括数据挖掘、机器学习和自然语言处理正在取代传统分析方法，并应用这些海量数据集，以帮助找到已知和未知风险的指标。人工智能特别适合应用在风险管理领域，因为典型的风险问题通常包括不太可能或者模棱两可的事件。

为什么说人工智能是风险管理行业的游戏颠覆者？由于计算处理能力的提升以及数据存储成本的降低，人工智能的应用越来越广泛，这其中，基于认知的技术的人工智能可帮助计算机像人类一样互动，推理和学习。通过认知分析，计算机可以具备学习和推理技术。在现实世界中，存在着大量的非结构化数据，使用包括自然语言处理（NLP）在内的认知技术，使用高级算法来分析文本，以便从非结构化数据中获得洞察力和情感。尤其是在风险管理领域，需要面对大量而庞杂的合同、文献以及法律材料等信息从中找到相关联的线索，使用人工智能技术对这些非结构化的数据处理将极大提高问题处理效率。

荷兰政府的反贿赂调查

荷兰德勤通过人工智能技术调查政府官员接受贿赂以帮助某些公司赢得公开招标的案件。这些行贿的公司通常会聘请销售代理人向公职人员支付账外贿赂费。在调查过程中，需要在海量的合同数据中确定调查哪些合同与贿赂案有关，同时需要确定哪些合同与销售代理人的哪些付款相关。德勤将人工智能与机器学习的方法应用在整个调查过程中，以发现与贿赂有关的合同、电子邮件和文件；分析与销售代理有关的付款和财务交易；运用法务会计的分析方法通过对原始文件的分析确定交易和文件中的证据；通过多种手段预测文件、邮件、档案之间的相关性；确定出被怀疑对象的人际关系网络草图，确定受怀疑者相关的处理系统和流程并进行数据搜集，同时对支付和相关的财务文档进行数据分析。在这里，律师不需要阅读所有的文件，通过人工智能技术辅助调查、分析、发现的过程，律师只需要阅读最相关的文件，即可找到受贿嫌疑人。利用机器学习的方法，加快案件调查的进程。

海关查验

鹿特丹是荷兰乃至欧洲主要的过境港口，每年都有数百万的集装箱过境，公司和组织必须向海关提供有关货物的申报信息。欧洲的入境规则很复杂，有时还可能发生改变。在选择的过程中，海关根据公司提供的基本信息决定哪些集装箱需要抽检。每种选择的方法都会产生误报和漏报，误报导致集装箱入关不必要的延迟，漏报导致非法货物进入欧盟或者产生税收损失，海关的目标是最小化这些错误。是否有可能通过更复杂的分析技术来支持海关的选择过程？在这个过程中，是否能保证在遵守欧盟法规的前提下，增加检测概率、减少漏报和误报的数量？

海关查验问题和反贿赂调查之间有什么共性呢？

（1）用户面临的问题都是类似的，在真正的处理环节之前，都需要确定哪种情况是需要检查的，哪种情况并不需要。

（2）方法论是类似的，采用机器学习的分析方法可以极大的提高分析效率和分析的准确性。

（3）两个问题都需要在相对短的时间窗口解决。

.End.

风险管理智慧

风险，让您发现一个更精彩的世界。

关注“风险管理智慧”，带您走进智慧世界！