人工智能正变革诸多行业，金融行业首当其冲。
李开复老师在其《人工智能》一书中提到，智慧金融是AI目前最被看好的落地领域。因为金融行业可以说是全球大数据积累*的行业，银行、保险、证券等业务本来就是基于大规模数据开展的，这些行业很早就开始了自动化系统的建设、并极度重视数据本市的规范化、数据采集的自动化、数据存储的集中化、数据共享的平台化。
与互联网创业不同，AI创业需要巨大资本投入，服务器、人才和数据标注等方面都需要巨大的投入，而金融机构雄厚的资本使得每年都能够支出大手笔的IT投入。数据显示，美国摩根大通银行每年的IT指出是95亿美金，美国银行是90亿，富国银行是70亿美金。而中国平安每年的研发投入经费在70亿元人民币以上，这是互联网玩家所不能比拟的。
“金融科技对传统银行是冲击是颠覆性的，虽然刚刚开始，但它的影响已经产生。”11月6日，清华大学国家金融研究院院长朱民在首届JDD-2017京东金融全球数据探索者大会上表示，AI应用会遍布银行所有的垂直领域和职能部门，这就是传统商业银行的未来，这也是金融科技的未来。
然而，任何一个新兴技术浪潮都难免会有泡沫，疯狂的AI金融背后，仍有三大谎言。
谎言一：给银行再造一个系统
2008年末有人曾经说过“如果银行不改变，我们就改变银行”的豪言壮语，时至今日，貌似都已经变成了现实，微信、支付宝等第三方支付确实改变了金融体系。但是，移动支付并未从本质上改变银行体系，银行还是基于传统的CRM系统。
人工智能是一把利剑，很多人拿到它，*个想法就是要改变原有的行业体系。这种“拿着锤子找钉子”的打法难免受挫，因为银行体系是经历几十年沉淀，上下游牵涉到的流程复杂，不易改变。
Linkface CEO黄硕有十年的银行从业经验，他在接受亿欧采访时说，想给银行客户做一个服务的时候，客户的基本原则要求是不要轻易改变他们现有的业务流程，因为金融业务的流程特别复杂，不像互联网公司可以试试，金融机构没有半年的论证不会跟你谈，切记“心太大”。
传统银行的市场相对比较封闭，他们对于外面的接受度比较低，银行领域的从业人有一套相对固定的思维方式。12月14日，来2017亿欧创新者年会-AI产业应用峰会，与业界*大佬共同探讨AI如何在金融、安防、医疗、新零售等领域商业落地。
谎言二：人脸识别取款
人脸识别技术愈来愈成熟，并逐渐在安防、交通、3C等领域落地，今年九月，中国农业银行在贵阳的两台自动取款机上线“刷脸取款”，用户可以不带卡，只要刷脸就能取款。
但是，刷脸取款真的安全吗？
作为国家人脸识别标准起草人，中科奥森首席科学家李子青对人脸识别的应用相对保守，他在接受亿欧采访时说：“如今的人脸识别还很不成熟，只要你看到戴墨镜到口罩能识别的都是瞎吹，骗人的人脸识别；双胞胎能识别出来的都是在骗人；跨年龄的人脸识别都是骗人，MIT review 说蚂蚁金服和百度达到了金融级别，我认为是没有达到的。有部分银行想用刷脸取款，我觉得5年之内别想做。”
其实，无证取款就是运用1：N的人脸识别技术，目前技术成熟度还不如1：1的人证验证。而且银行对人脸识别准确度要求非常高，因为取款是不可逆的，如果大范围上线，潜在危险非常大。另外，一旦银行推出人脸识别之后，很可能会有黑客来对付。
其实，农行的人脸识别取款也不是一键完成，农行对外表示，除了人脸识别之外，用户还需要输入手机号码或身份证号进行身份确认，最后再依靠密钥进行取款，安全性相对插卡取款还多了一重保障。
谎言三：AI将取代金融和数据分析师
数据分析都是为了解决一个问题，或者验证一个猜想，总之需要达到一个目标。这些需要先预设一个或多个目标作为切入点，然后在探索过程中逐步修正。
提出和发现问题的过程，交给计算机干不太靠谱，因为计算机不会提出问题，即使计算机能发现的问题也一定是人已经发现了的问题，需要先有人来设定规则，然后计算机才能根据规则发现问题。而数据分析师，就是设定规则的人。
对模型输出的数据进行解读，那完全是分析师的天下。即使同一份数据给不同的分析师，可能会得出不同的结论，很多时候分析师并不单单根据数据本身得出结论，还要结合很多外界因素来修正结论。分析师的经验越丰富，拥有的有效信息量越多，得出的结论就越接近事实。
而且这个过程是计算机目前没办法自主进行的，商业智能系统做的再好，也需要由分析师来设定规则，告诉计算机在什么时间需要做什么。
媒体经常以“机器人杀人”、“取代工作”为噱头证明人工智能浪潮的来临，金融行业失业威胁论此起彼伏。其实，许多金融科技从业者重视人工智能但远未到委以重任的地步，业内普遍认为,人工智能所能替代的只是初级的信息收集与处理等基础工作。在真正可以完整模拟人脑的人工智能出现前，分析师不可能被取代。
