本文共字，预计阅读时间。

文/国盛证券有限责任公司 陆修然、徐保国、游俊、刘唤群

（本文为“证券机构数字化转型与证券科技创新”征文活动入围文章。）

摘要：本文探讨证券行业业务集中运营如何借助人工智能技术，改变现有业务办理时资料录入繁琐、审核量大、驳回率高、流程合规性差、等待时间长等问题，实现“集中运营”向“智慧运营”的切实转变。“非现场智能开户系统”作为国盛证券“智慧运营”工程的一期项目，已于2019年10月正式上线，在行业内率先实现了“双向智能控制，实时智能审核”的线上智能开户，本文将进行重点介绍。

本次研究所述的 “双向智能控制”，指的是客户与见证人员之间、业务系统与智能应用系统之间的流程走向由智能的识别结果、质检结果自动控制；“实时智能质检”指的是智能质检任务、识别结果、纠错提醒等与业务办理步骤同步进行。即：业务流程结束，智能质检也随之完成。

一、背景

在日新月异的高新技术驱动下，数字化转型已是大势所趋。如何实现“金融”与“科技”的“超融合”，是证券行业未来发展的重大课题。相关政府部门陆续出台引领性政策，指导各行业人工智能的发展布局。如2017年国务院发布《新一代人工智能发展规划》、2019年央行发布《金融科技（FinTech）发展规划（2019-2021年）》等。当前，证券公司已基本完成了由 “分散运营”向 “集中运营”的过渡，即将步入“智慧运营”的崭新时期。

二、数字化转型历程

为切实推动公司的数字化转型，以“增强合规可控性、提高办理效率、优化客户体验、降低运营成本”为基本目标，国盛证券从2018年3月份开始，着手相关系统的建设和改造。到2019年10月份，“智慧运营”工程的一期项目建成投产，并于同年11月份启动了二期项目的建设。

从过程上看，“智慧运营”工程历经了“业务运营集中化时期”、“智能化改造准备期”、“智能化建设一期”和“智能化建设二期”等四个阶段（各期主要目标及内容见表1）。

从技术角度上分析，随着“业务流程自动化、资料无纸化、档案管理集中化、音视频一体化”的业务集中运营中台的建成，以及市场上日趋成熟的AI能力，为证券业务办理进行整体的智能化改造准备好了充分条件。

表1：“智慧运营”项目各阶段工作主要目标及内容

三、证券非现场开户现状

证券业务按办理渠道，大致可分为：线上非现场开户、线上网厅业务办理、线下临柜业务办理三大块。其中，非现场开户业务大概占所有证券业务办理总数的25%左右，比重较大，受众面较广；而该业务涉及的资料录入项远程难控、客户素质参差不齐、对见证人员专业性要求较高、业务合规风险较大、体验感难以提升且运营效率低下。经过梳理，我们认为，投资者身份识别及远程视频见证为最薄弱的两大环节。如下所述：

3.1  投资者身份难以精准识别

1. 身份证件不够清晰、ps过度、图片遮挡不完整、反光光斑等问题，准确识别难；
2. 上传的身份证件可能存在用拍屏、截图、身份证彩印等图片，证件来源难保合规；
3. 通过肉眼比对证件上的头像、视频中的头像、公安返回头像，人工难以确认三者是否为同一人，风险不能有效控制。

3.2 远程见证过程难以确保合规

1. 业务话术漏读错读。人工朗读容易出现错读、漏读、夹带方言的情况。
2. 回答内容非客户本人自愿。如客户回答不是在问题完整表述后进行回答，或回答过程受到旁人引导。
3. 视频画面监控依靠人工。见证人员需全程关注录制过程中客户是否都在视频画面内，且背景有无切换。
4. 视频完整性无法保证。录制视频过程不顺畅，视频不连续、不完整的问题。

由此可见，引入人工智能技术助力智慧化运营，解决证券业务办理过程中的种种弊端，已迫在眉睫。

四、科技赋能非现场开户

4.1 智能应用系统概述

1）架构设计

本次构建的智能应用系统，与证券业务集中运营中台松耦合设计。通过模块化的接入，可全面对接业务中台的“线上非现场开户”、“现场临柜业务办理”、“网厅及掌厅业务办理”等系统。同时，对接统一AI能力中心，为业务中台实时提供AI能力。详见图1：

图1：智能应用系统架构

2）功能说明

依据不同的业务场景，在智能应用系统内提前设计好需要智能化介入的流程节点，同时由该系统实时获取业务中台的数据流，自动触发智能化辅助的请求，并实时将处理结果返回给业务中台。从而实现自动录入、校验和控制。减少人工识别、审核、质检等环节的工作量，实现业务简单化、标准化、合规化。

4.2 非现场智能开户应用场景

已上线投产的非现场智能系统，将传统的人工质检工作通过AI能力辅助完成。针对非现场开户，模拟人工审核的背景进行智能应用，提升业务办理效率、审核精准度，具体应用场景详见表2。

表2：非现场开户智能应用场景列表

4.3 非现场智能开户应用模型

为紧紧把握住“双向智能控制、实时智能审核”的系统建设目标，本次构建的智能应用系统渗透至非现场开户的全业务流程，其模型详见图2：

图2：非现场开户智能应用模型

在受理端，根据配置中心的审核要素（含应用场景的所有审核要素），对所有信息进行实时审核。在业务受理源头及时纠错并提醒投资者更正开户信息，达到投资者“只登录一次、只录入一次、只参与一次见证视频、一次性办结”的效果，提升体验和效率。

在审核端，将所有检测要素的结果封装为审核报告,辅助审核人员快速定位审核结果，并支持审核人员根据视频检测日志，快速定位到需重点关注的视频节点，降低审核人员的从业难度，使审核人员真正实现“稳、准、狠”的办事效率，并在有限人力的情形下，能快速支撑不断增长的业务量。

五、重点与难点分析

总体而言，寻求扩展性及稳定性良好的技术架构、技术手段的突破及技术模式的创新，是本次研究的重点与难点。这里从四个方面展开初步探讨：

5.1 如何构建全流程、双向实时的智能应用系统

目前，单个业务流程节点的智能化处理在行业内有所应用。如：智能识别、智能播报、智能双录等。但是，以业务全生命周期为对象、进行实时智能质检的应用系统在行业内还没有投产先例。本次构建的智能应用系统目标是在全业务流程的办理过程中进行智能的同步识别、同步确认、同步纠错、同步提醒从而最终达到同步控制。在技术实现上，重点关注以下几个方面：

1） 全流程

从客户在互联网终端上的接入开始到见证、从资料录入到结果输出、从质检到审核等全业务链均设计了智能化辅助请求的覆盖。从而实现了智能化辅助对全业务流程的介入。

2）实时性

业务系统经改造后，可将业务数据流与智能辅助请求实时推送至智能应用系统，自动触发智能辅助开关。从而实现智能质检任务、识别结果、纠错提醒等与业务办理进度的同步进行。即：业务流程结束，智能质检也随之完成，结果随之展示。

3）双向性

业务系统是否进行下一个流程节点，依赖于智能应用系统返回的识别和质检结果；而智能应用系统能否输出结果以达到控制效果，则根据业务系统的入参请求。从而实现了客户与见证人员之间、业务系统与智能应用系统之间有双向的数据交互。即“人人对话”与“人机对话”均借助了智能化辅助。

5.2 如何提高人工智能识别率

1）语音智能识别

线上非现场开户业务场景中，语音识别技术面临噪音、短语音、网络卡顿、方言等难题。经历史数据测试结果表明，市场上通用的识别模型无法有效满足业务需求。因此，我们针对这种应用场景进行了语音识别模型的定制化训练、前端语音输入时的降噪处理等手段，进而提升语音识别准确率。

1．数据集采样

以真实发生的历史存量音频数据为蓝本，通过人工标注、脱敏等加工处理，分成了训练、测试两个数据集。其中，测试样本尽量均衡，全面覆盖上述该业务场景的复杂语音环境特点。

数据分布，表3：

数据格式，表4：

2.针对性的模型训练

基于以上数据集采样，联合供应商进行数据模型训练。同时，对客户回答常见内容增加语言模型权重，提高对此类高频关键词汇的识别率。训练模型及训练方案见图3。

图3：非现场开户语音识别训练模型及方案

3.语音录入前端优化措施

在APP的前端集成进“端点检测”与“静默检测”等功能的SDK，保证在音频输入的前端就做好降噪处理、断句与停顿处理。

4.优化后识别率比对

经过多轮测试及调优，输出的个性化模型在识别率表现上有显著提升，见表5：

说明：中文语音识别一般使用 “字错率”（CER）的行业标准来度量模型准确性。

2）OCR识别

1．合并多个识别模型的计算节点，提升识别率

将身份证识别结果的输出由原来的识别和质检两个独立计算节点的方式改为“一次识别，一次计算、一次输出”，这样不仅节约了识别时间，还在流程上保证了成功率，识别流程见图4：

图4：身份证识别与质检模型流程

经过算法的修改，输出的个性化模型在识别率有所提升，见表6：

表6：个性化模型对识别率提升的比对

5.3 如何提高智能识别速度

1）采用语音流的实时识别，提高客户体验

对通用的语音识别模式进行了重构。系统在音视频服务的底层就调用 ASR能力，即在音视频服务系统内部对录入的音频文件进行流模式的实时识别后再输出识别结果。摒弃了在应用层对语音流转换成落地文件（如 mp4、wav、pcm 等）后再进行外部识别的传统方式。经过实际测试比对，语音识别比后者的识别准确率提高了3%。这样不仅避免了多系统间语音在传输上存在失真而导致的识别率下降，也保证了语音交互与识别结果之间的实时同步，免除了识别带来的额外等待时间；

2）进行硬件优化，提高OCR识别速度

主要手段有：服务器增加使用GPU、使用低延时网卡、调优BIOS配置、升级OPENSSH与BASH服务等来提高OCR识别服务器的硬件性能和图像处理能力，从而提高OCR识别速度。根据实测结果，调优后的服务器其识别速度为传统服务器的 8-10 倍，大大缩短了应用上的处理时间。

5.4 如何提高质检对象的合规性

规避 AI 识别技术的盲点与漏洞，借助AI技术自身之间的互补性，进一步防范业务风险，也是本次研究的重点。

1）使用 PQC 技术来保证 OCR 其识别对象的可靠性

单纯的OCR技术只能完成图文识别和信息提取，但对身份证图片的来源、无图文区域的质量均无法做出判断。因此，我们在 OCR 识别的基础上使用了 PQC 技术，通过深度 AI 学习，可将拍屏、遮挡、裁边、曝光、复印件（彩印件）等违规图片筛选出来，进行质检告警，提高了业务合规性；

2）使用 VPR 技术来保证 ASR 其识别对象的的真实性

ASR 只能完成语义的识别，但对是否为客户本人回答并不能确认。因此，我们采用 VPR 技术，即可将音频据声纹做出质量检查并输出结果（如男女声、前后回答非同一人、变声软件、他人指导回答等），保存完整的证据链。此外，还可将客户已入库的多个音频文件进行存量声纹比对，防止音频欺诈行为，有效防范业务风险。

3）使用比对与核查技术来保证客户的真实与见证过程的合规

完成客户人像自动采集后，将抓拍到的客户“活体照片”与通过OCR识别技术取到“身份证头像”以及通过公安接口获取的“公安头像”三者进行自动比对，结合“凭证信息核查”、“手机实名制核查”的结果，确认是否为客户本人；此外，系统还自动进行“人脸对焦”，去实时判断客户是否离开录制画面，辅助远程业务的合规可控。

六、能效分析

6.1 案例较为典型，可实现快速复制和推广，普及性良好

国盛证券本次改造的业务集中运营中台（含非现场开户、线下临柜业务系统、网厅终端等）、音视频服务系统、以及新建的AI能力都为市场占有率较高的供应商提供，具有很强的普遍性特征。因此，本次创新性研究在为行业进行上述系统的改造、系统间对接、AI能力优化、边缘探索等方面提供了实际案例。

6.2 AI助力，促运营降本增效，使业务更加合规

智能应用系统以调用AI技术替代庞大的质检团队，有如下特点： 1）满足质检业务多样性要求，提高质检覆盖率、精确度；2）支持实时质检和实时控制，第一时间发现问题，做到及时应对风险；3）标准统一，支持标准化修改和配置；4）结果系统留痕，证据链完备。支持随时查询和稽核，使业务流程更加合规。

因此，系统能大幅度降低展业的运营成本，有效提升质检效率。下面，我们以已上线的“非现场智能开户”为例，从“见证驳回率”、“审核驳回率”和“业务总驳回率”等三个维度来比对智能开户系统上线前后的走势图和平均驳回率的比对分析，详细请见图5及图6：

图5：智能开户系统上线前后驳回率走势图

图6：传统开户与智能开户平均驳回率比对

如以上两图所示，通过分析智能开户系统上线（2019年10月）前后的业务驳回数据，我们可以得出以下结论：

1）“见证驳回率”基本维持不变甚至略有上升（7.591%较前7.154%）。说明在见证过程中，系统设置的阀值一直处于较高的标准运行，前端控制较为严格；

2）“审核驳回”下降了5.5个百分点，降幅达到62.9%（3.194%较前8.612%）。表明前端的有效控制为后端审核和质检减轻了较大工作量和业务压力；

3）“总驳回”下降了4.7个百分点，降幅达到30.2%（10.927%较前15.656%）。反映系统较大的提升了业务办理效率和客户体验。

七、未来展望

7.1 疫情之下显良效，智慧运营潜力巨大

今年2月，一场突如其来的疫情肆虐了神州大地，给正常的社会秩序和生产生活造成了巨大冲击。作为证券服务机构，我们在保障业务正常开展的过程中，意识到了数字化转型的必要性。尤其是远程展业的需求进一步放大和中后台支持人员不能正常上岗之间的矛盾较为突出。而此时已投产的非现场智能开户系统，因能显著缩短办理时长、提高办理成功率，从而直观地展示了人工智能技术的运用所显现出的良好能效。通过分析我公司2019年-2020年同期非现场开户业务数和见证审核工作人员数（见图7），或许能有一些启发。

图7：非现场开户业务数和见证审核工作人员数统计

如图所示：

1）自智能应用系统上线以后（2019年10月），在非现场开户数较前略有增长的情况下，见证和审核人员持续下降，由12人/天下降至4人/天，降幅达到67%；

2）在疫情最严重的时段（2020年2月-3月），非现场开户人数创下过去一年新高，见证、审核人员却创了历史新低。系统能效在经受住市场考验的同时，展现出巨大潜能。

7.2 业务中台改造顺利，全面实现智慧运营可期

除一期已上线的非现场智能开户外，其他场景的智能化改造进展顺利，年内可全面实现业务中台的智慧运营。目前，已完成系统的改造开发和接口联调，正在进行功能和业务测试，将于近期分步上线。在技术攻关和模式创新上，主要有以下几个方面：

1）系统具备“实时智能辅助、实时智能控制”的技术功能。对中台业务数据流的拆分和重新组装（场景包括临柜和线上的中登业务、证券业务、银行业务、适当性业务、信用业务等等）。在涉及录入、识别、审核、控制等操作的节点，嵌入了调用人工智能请求的接口、应答接口和流程控制开关。

2）业务模式创新，缩短业务办理时间。模式修改依赖于流程再造，主要方式有：“适当性双录步骤抽离”、“多协议一次阅读、一次签署、集中渲染、一次审核”等等。

3）AI能力范围进一步扩大，所支持的业务场景更加丰富。新建了适当性双录的语音识别模型和画面识别模型；新建了营业执照、签名签章和个性化表单（主要适用于协议和合同等）识别等功能，系统已支持现有业务所涉及所有无纸化档案的质检功能及免填单录入功能。

结束语：本次研究主要为人工智能技术在证券业务集中运营系统中的应用。通过人工智能手段赋能现有业务系统，挖掘并释放金融科技所蕴藏的巨大潜能，旨在使业务更便捷、流程更合规、成本更低廉。我们坚信，有着良好的国家政策驱使、有着证券业协会的主导和推动，各家会员在金融科技创新的实践上走出的每一小步，都将是整个行业进行数字化转型上的一大步。

[Source]

本文系未央网专栏作者发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！首图来自图虫创意。

本文为作者授权未央网发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！首图来自图虫创意。

本文版权归原作者所有，如有侵权，请联系删除。首图来自图虫创意。