人工智能在金融投資領域應用頗多面臨不確定性複雜變量挑戰

　　在金融領域，人工智能的應用場景主要有智能客服、量化投資與量化交易、智能風控(反欺詐)、智能投顧等。楊靜認為，未來人工智能在保險、證券等領域還有大量場景可以挖掘，例如信用評估和智能賠付等等。
　　至於人工智能在金融領域與其他領域應用的不同，楊靜表示，“人工智能在金融領域的運用更注重數據挖掘，與阿爾法狗和無人駕駛等限定范圍和固定規則下的AI算法應用相比，金融領域首先擁有大量結構化的數據作為基礎優勢，但也面對與人、社會群體行為(包括情緒)在內大量不確定性複雜變量的挑戰，所以AI的運用最先在量化交易、智能客服等技術成熟領域取得突破”。
　　而在投資領域，人工智能的典型應用包括量化投資和智能投顧等。楊靜表示，“AlphaGO戰勝柯潔後，達利歐的量化投資原則也席卷業界。機器學習主導的AI投資基金年化收益已超過對沖基金，智能投顧即將顛覆基金證券領域”。
　　那該領域中難點在哪裏呢？她回答稱，在《智能投資：機器交易時代的崛起》一書中，根據美國金融監管局的標准，智能投顧服務包括：客戶分析、大類資產配置、投資組合選擇、交易執行、投資組合再平衡、稅收規劃、投資組合分析等。在中國，智能投資領域主要的難點在於金融領域政策監管的不確定性，貿易戰背景下彙率走向的不確定性，To B服務商業模式的不確定性，To C服務則在散戶主導的思維下，面對智能投顧技術信任度建立的瓶頸等。