商业信用证业务的人工智能应用前景

近年来，人工智能在金融领域应用风生水起。作为国际结算重要工具的信用证业务，尽管专业性强、规则复杂，但也有规律可循。可以预见，人工智能未来在信用证业务方面的应用，将会越来越广泛。本文以商业信用证为例，探讨人工智能的应用场景。

信用证业务项下客户、机构等人工智能画像

对银行来说，已经积累了大量的进出口信用证业务数据，利用人工智能和大数据技术，可以实现以下几方面的画像，为业务管理和风险防控提供支持。

客户画像

对历史交易进行分析，勾画出客户/交易对手的行为特点，包括信用证执行情况、业务纠纷情况等。对于交易中经常出现实质性拒付（如单据退回交单行），或者经常利用拒付获得商业利益（商品降价）等情况，可以考虑将此类客户/交易对手列为黑名单/灰名单，并对其后续发生的新业务进行警示或禁止。

代理银行画像

同样是利用历史交易，对代理行进行画像，将严重违反国际惯例的银行设置为黑名单/灰名单，并对其后续发生的新业务进行警示或禁止。

商品画像

通过对历史交易中商品进行识别和分析，获取商品与国家关系、商品与港口关系、商品与客户关系等信息，特别是大宗商品类。如后续交易相关进出口商品种类或数量出现商品画像矛盾的情况（如最近十年历史交易中，从A港口进口B大宗商品数量为0，而一笔新交易却是从A港口进口B大宗商品1000吨），应在业务办理时给予提示或警告。

信用证条款人工智能判别

按照业务惯例，信用证在条款上有一定的规律性。如商业信用证一般都有货物描述，单据要求条款中一般都包括发票、装箱单、运输单据等，附加条款中一般都有保付条款和寄单地址等。此外，信用证通知行一般都审核信用证是否有软条款。

为实现信用证条款人工智能判别，应针对信用证单据条款栏位（TAG46、TAG47、TAG78等），建立自然语言处理相关工具，包括分词、分句、单据条款相关模型等。众所周知，信用证TAG46是单据要求栏位，一般情况下都有发票要求、运输单据要求等内容；TAG47是附件条件，经常有单据出具语言要求、单据引用合同号要求等内容。这些要求在语义上一般是相互独立的表述。鉴此，在人工智能处理时可按以下四步操作：第一步，将上述条款栏位内容，按照规则拆分成独立语义的语句。第二步，通过算法模型对语句进行分类，如分为发票要求条款、运输单据要求条款、保险单据要求条款、单据出具语言要求条款、不符点费告知条款等。第三步，将这些条款再从软条款维度进行分类，识别出是否包含软条款。第四步，对于信用证存在关键信息的缺失（如缺少发票要求、缺少寄单地址等）或含有软条款情况，可根据实际情况进行相应的处理。如对信用证缺失寄单地址的情况，银行应联系开证行让其尽快提供寄单地址，以免在寄送单据时出现地址不明确的情况；如信用证有对受益人不利的软条款，银行应告知受益人，并建议受益人联系申请人进行修改。

人工智能业务录入

无论是客户提交纸质开证申请书，还是银行收到交单行的单据，都需要业务人员进行人工录入。采用OCR/ICR和自然语言处理等功能，可以实现业务的自动化录入。

首先是通过OCR/ICR技术，将纸质单据的图像文件转化为文本文件，然后通过自然语言处理等手段，对OCR/ICR识别的错误信息进行纠正，然后将该文本文件抽取成业务所需要的结构化数据，再转化为业务操作界面需要输入的数据项，实现业务智能化自动处理。

以进口开证信用证申请书为例。一般情况下，一家商业银行会有固定模板。银行可以通过固定模板，对开证申请书进行OCR/ICR识别，将申