数字化时代正在创造一个个智能商业模式。

随着云计算、AI和5G等重大技术不断发展，新的商业模式也在接踵而至。尤其在实体经济向数字经济转型升级的过程中，作为富信息领域的金融行业要求人在面对纷繁复杂的数据时，精准地做出决策，但从行为经济学的角度讲，人不仅仅是一个经济人，更是一个社会人，而社会人在不确定的环境下做决策，其实存在着不少决策障碍。相较之下，由AI和RPA结合的数字员工会比人类更加理性，对数据的分析更为审慎，金融投资或将迎来由“机器辅助人决策”到“人辅助机器决策”的巨大变革。

什么是AI+RPA数字员工？

Automation，机器人流程自动化）是指可以模拟人类在计算机等数字化设备中的操作，并利用和融合现有各项技术减少人为重复、繁琐、大批量的工作任务，实现业务流程自动化的机器人软件。当前，大多数RPA平台都是由控制平台、设计平台和机器人三件套组成：控制平台主要进行流程分发、定时计划以及监控和管理多个机器人的运行，设计平台主要执行由控制平台预先制定好的流程，而机器人则负责执行任务。

数字化是BFSI行业的刚需，大型专业的金融投资机构在内部基本都已实现了交易直通式处理系统，减少了人工线下交易环节。但整个业务环节里依然牵涉多个系统，想要完全实现自动化，就可以用到RPA技术，RPA部署更加灵活敏捷，并且提供非侵入式的系统表层集成方式，能够连接多个异构系统，无需改变现有信息系统即可轻松实现自动化。RPA技术就像机械手，可以完成高效完成系统间的复杂操作。

然而到RPA还是属于浅层技术。但在保留RPA工作原理的基础上，我们可以结合AI技术，打破机器在能力和算力上的瓶颈，这里的AI不仅包含了OCR、NLP、CV等动作，更重要的是模仿人类大脑进行深度学习的能力，AI与RPA的技术结合构建了从数据到决策的闭环路径，能够处理繁琐的非结构化数据，应对诸多复杂的流程及场景，这就是我们所定义的数字员工。

为什么金融投资需要数字员工？

1、金融投资领域是富数据领域

维克托·迈尔·舍恩伯格在《大数据时代》一书中，专门花了一个章节来论述“一切皆可量化”的观点。量化成了数字化时代的核心，而量化的基础则是数据。据国际数据公司（International Data Corporation,IDC）统计，每年产生的数据从2010年不到1个ZB（ZB＝万亿CB）发展到2016年16.1ZB，并且DIC预估，2025年全球数据每年将达到163ZB。如此重量级的数据，若不借助云计算和AI，人力自然无法处理。就金融投资领域而言，据伯顿—泰勒国际咨询公司的统计，2016年全球金融数据市场规模为274.8亿美元，可以看出金融数据在投资中的重要性，并且该行业已相当成熟。

2、人的有限选择能力及决策过程的有限理性

在《神经经济学分析基础》一书中，作者通过实验得出了一个结论，当可选项超过8个时，人们容易摇摆不定，很难选出自己完全满意的那一个，并且极易出错。相信不少投资者也有过此经验，若股票选项太多时，就容易六神无主，不知所措，而后不得不向专业的投资顾问求助。与此同时，在现实世界中，各类事件本身具有不确定性，且对应的决策也并非建立在获得全局信息的基础上，其还依赖人们不稳定的观察与推断，而这也决定了人们的决策过程只是一个有限理性的过程。诺贝尔经济学奖、图灵奖得主以及“人工智能之父”郝伯特·西蒙提出了有限理性理论，认为理性应当是有限的理性，而不是完全理性；是在有限信息、有限计算能力下的过程理性、情境理性。这时，在AI加持下的数字员工的优势就足以彰显，AI通过深度学习不断完善自身，从而帮助有限理性的人做出最佳决策。

3、数字员工7*24小时极大提高效率

2010年左右，我国走过了“刘易斯拐点”，人口红利渐退。刘易斯拐点即劳动力过剩向短缺的转折点，是指在工业化进程中，随着农村富余劳动力向非农产业的逐步转移，农村富余劳动力逐渐减少，最终达到瓶颈状态。这意味着我国也已面临着劳动力短缺、人力成本上升等发展瓶颈。而数字员工出现的正是时候，其7*24小时不间断工作，不仅应对了劳动力短缺的问题，也助力企业实现降本增效。与此同时，数字员工本身具备的诸多优势，更成为企业优化流程、提高劳动生产力的关键要素。这对于流程复杂、数据割裂以及需要大力人工的金融行业来说，无疑是雪中送炭。

数字员工为金融投资带来了什么？

以智能投顾为例。金融投资领域里，智能投顾可以具备以下几个方面的能力：投资组合管理能力；风险管理能力；各金融市场专业系统与数据能力。

明确投资目标及在可选择的各种证券范围内确定投资组合，不论对机构还是个人，都是困难且重要的，但投资者由于不能全面地掌握专业知识及有限能力和理性，很难在投资过程中有效地管理风险，而使用智能投顾能较好地破除这方面的障碍。与此同时，在瞬息万变的市场中，不断有新的机遇和风险出现，而这都需要投资者持续关注并及时处理。可是，这些都是个人投资者无法具备的，借助智能投顾为个人持续跟踪资产组合是数字员工为金融投资带来重大变革的一个方面。

金融投资所需要的两个核心能力，一个是营销能力，另一个是风控能力。而风控能力也成为数字员工领域内的重要一环，尤其是在作为风控关键环节的量化风险分析方面。量化分析主要研究和分析市场趋势，其基础工作还是收集和统计数据，并进行风险的预测和管理，完成统计分析。而数据的收集需要团队的相互协作配合，耗时长，让不少量化风险分析师为之头疼。我们可以通过智能风控引擎，如蚂蚁金服的Alpha Risk，与RPA进行结合，为风险分析师们释放更多思考的空间。

3、各金融市场专业系统与数据能力
专业投资者离不开那些金融数据与系统。专业的工具与数据能辅助专业机构投资者进行例行投资，同样有助于个人投资者进行理性投资。其中部分功能、工具与数据，借助于云计算平台和投资智能助理可能以低成本的方式提供给个人投资者。尽管有的需要非常专业的知识，数字员工在深度学习技术的加持下，可以通过不断学习以完善在这方面的能力。除此之外，数字员工在智能投研、智能运营等方面也发挥了重要作用。

深度学习在金融领域中的应用还处于起步阶段，但最近以来的许多案例表明，利用深度学习和递归神经网络（RNN) 的方法（本文不作深入探讨），计算机已经在许多领域有超越于人类的表现，随着人工智能和金融科技的发展，数字员工将会为金融投资带来更多的便利。