国内某家股份制商业银行里，反欺诈专员小张日常需要面对海量的审查材料，每天加班却依然无法保证工作的及时性和准确性，他和同事们甚至部门领导都承受着巨大的工作压力。小张时常幻想，如果有“人”能够替他分担工作就好了。
以上工作压力主要源于在过去几十年中，这家股份制商业银行的业务规模不断增长、产品日益丰富，业务场景复杂化，导致审查难度不断攀升。由此，金融欺诈风险成为该银行不容忽视的困扰。在此背景下，反欺诈变得格外重要，并对该银行的风控能力及实效性提出更高的要求。然而，传统的反欺诈工作经常需要调用海量资料，耗时费力，员工叫苦不迭，工作成果的质量难以保障。
因此，该股份制商业银行引入了市面上最为先进的反欺诈决策智能平台。该类平台能够结合大数据等相关技术，通过对多方信息进行高速分析处理，于事前、事中、事后全流程对欺诈活动保持高度警惕，检查异常情况并及时做出预测及操作处理。该类反欺诈决策智能平台的自动甄别准确率高达90%以上，真正实现了反欺诈工作的自动化、智能化和高效化。对于反欺诈相关的业务部门而言，可谓“梦想照进现实”般地高效减负，对该银行本身来说，更是实现了人工智能高效武装大脑，科技为业务保驾护航。
来源：CIC灼识咨询
在上述案例中发挥巨大作用的技术就是决策智能。那么，什么是决策智能？通俗来讲，决策智能是融合数据科学、社会科学和管理科学等，完成决策的自动化。这里不仅是决策制定的自动化，还应是整个管理决策过程的自动化，包括方案选择的自动化以及效果跟踪、评估与反馈的自动化。决策智能的应用，就如同机械化代替手工劳动，本质是为了带来效率的提升。
来源：CIC灼识咨询
决策智能的良好运作需要三个核心要素：第一，充足信息，需要更加充足的信息资源用于决策；第二，洞察分析，需要洞察相关资源以产生更多的潜在可执行决策；第三，决策能力，对于既有资源快速做出最优的决策判断。
决策智能和人工智能同为“智能”，这二者之间究竟存在着怎样的关系？
首先从定义来看，决策智能属于人工智能的一种深层领域。而人工智能科学主要包括以下三个层次：
浅层领域，即运算智能。主要表现为快速运算和储存能力，例如人工神经网络、进化算法等。
中层领域，即感知智能。主要表现于计算机的视觉、听觉、触觉等感知能力，例如图像识别、语音识别、人脸识别、语义识别等。
深层领域，即认知智能。主要表现于计算机的理解、思考和判断能力，实现机器对人的“大脑判断和决策”的替代，使机器可以像人一样捕捉灵感、发现问题、判断分析、做出决策、付诸行动，是对机器的“人格化”，也是对人的神经网络的“机器化”，是人工智能的最尖端领域，而且其中重要的深层领域之一即是决策智能。
各个层次的人工智能技术正在以飞快的速度创新发展，根据各项人工智能技术的成熟度划分，决策智能目前正处于“期望膨胀期”，技术发展速度较快，预计2-5年后将迎来其生产成熟期。
来源：CIC灼识咨询
人们对于决策智能的探索伴随着人工智能的发展浪潮，不断进阶升级。自上世纪下半叶起，决策智能的发展历经了预设规则的前决策智能阶段、初步具备决策能力的有限决策智能阶段，目前部分商业化的智能决策产品已初步进入完全决策智能阶段，系统可以自我驱动并直接做出决策和行动，实现了决策智能的“半人格化”，未来决策智能还将朝着“全人格化”的超级决策智能阶段前进。
来源：CIC灼识咨询
决策智能的具体系统形态也在技术发展过程中几经变迁，逐渐优化升级。
专家系统：上世纪80年代开始的前决策智能阶段，人工智能关注重点是将人类的知识提取到计算机系统中，使其可以更好地被理解和运用。专家系统通过将某一行业的业务知识预先部署在系统中，模仿人类的推理方式进行试探性推理，并使用人类能理解的术语以解释和证明结论，由此拓展了人的感知和执行能力，有助于提高企业的管理和决策水平。
规则引擎：随着专家系统的广泛应用，人们逐渐意识到，系统作为工具的价值有时远远大于业务知识本身的价值，规则引擎应运而生。规则引擎把业务决策从应用程序代码中分离出来，接受用户的数据输入，将用户输入的初始数据和系统规则库中的不同规则进行匹配，然后根据匹配好的业务规则，辅助人做出业务决策，规则引擎本身并不具备决策能力。
决策引擎：随着应用系统变得越来越庞大，也越来越复杂，对更优秀的决策管理技术的需求也越来越高涨；另一方面，随着大数据技术的发展，海量数据的处理、分析、挖掘、决策成为了迫切需求。在此背景下，决策自动化的发展迎来新的契机，决策引擎中的数据预测性分析、模拟分析等功能应运而生，决策引擎本身包含了规则和决策条件，可以自主进行决策，即实现了真正意义上的决策智能。
高阶决策智能：随着决策智能技术的不断发展，系统甚至可以通过机器学习自动分析潜在规则，自动挖掘潜在数据规则，实现自我更新迭代，摆脱人的经验和逻辑，具备“半人格化”甚至“全人格化”属性。
决策智能是一项实用的科学技术，目前已经在金融、零售等许多行业场景中得到许多应用，帮助金融机构、零售商及其他企业客户解决人工处理带来的瓶颈与问题，提高了决策效率。
来源：CIC灼识咨询
决策智能在金融行业已经积累了大量的成功应用案例，例如银行业的反欺诈、反洗钱、精准营销、产品推荐，证券业的睡眠客户激活和投顾服务等应用场景。
除却文章开篇利用决策智能进行反欺诈自动化管理的某股份制商业银行，众多银行等金融机构也纷纷积极拥抱决策智能，例如，某大型国有银行打造业务决策引擎，对信贷进行智能化匹配，有效提升信贷决策效率和准确率。
决策智能凭借其优越的计算能力、分析能力和决策效率，被广泛应用在用户规模大、数据范围广的零售场景中。
例如，某大型跨国零售集团与一家科技服务商合作构建了决策平台，利用决策智能实现从门店管理到上下游供应链的全面智能化转型，包括线上智能推荐、销量预测、智能选品、智能选址等场景。基于该决策平台，该集团的门店销量预测准确率达到了极大的提升。
又如，某大型会员制零售商通过决策智能优化自己的会员制度，对其会员公众号中的客户做模型分级，并自动将不同的优惠券匹配分发到不同客户手上，该零售商因此获得了可观的会员销量。
科技应用让制造变得更聪明，目前很多工业制造企业也开始利用决策智能进行从产品设计与采购到生产、销售存货管理等各环节的管理优化。
例如，某化工企业依托决策智能平台，构建起独有的“智”造优势，车间人数减少三成，生产稳定性提升四倍，提高效率的同时，对生产现场的全方位智能化管理也为安全生产提供了可靠的保障。
当前企业的自动化改造大部分处在流程自动化阶段，尚未进入下个决策自动化阶段。在不远的将来，决策智能技术应用将成为企业新环境下的核心竞争优势，预计未来两年将有三分之一的大型企业机构将使用决策智能实现自动化决策，进而提高竞争优势，决策智能也将在各行各业广泛应用场景中激发出更大潜力和更多可能性。
未来决策智能服务需求不断增加，决策智能应用将向更多行业场景渗透；另一方面，决策智能不再满足于在特定独立的单一场景下服务客户，而是通过分析金融机构、企业等的整体业务生态，进行全方面全流程的决策赋能。
一是从决策智能基础设施层面实现云边部署，通过与云计算、边缘计算等技术的协同加强决策智能部署方式的灵活度；二是从决策智能产品层面采用模块化设计，各应用模块可以根据不同客户的需求进行快速灵活组合与适配。
决策智能的快速发展同时伴随着其合规治理体系的逐渐完善，众多决策智能公司推出了保护数据安全的技术理念，充分保护用户的隐私信息和客户的机密，从而为后续决策智能提供一个阳光、可信、安全的环境。