人们现在看到很多银行和金融机构正在转型成为类似于大型科技公司的数字化驱动型组织，致力建立能够持续关注客户的能力。那么银行和金融机构如何才能充分利用人工智能?在实践中有哪些关键用例?

作者：Mani Nagasundaram   来源：企业网D1Net

对于金融机构来说，从冠状病毒疫情中恢复将会结束他们采用人工智能(AI)和机器学习(ML)的实验性工作，并要求大规模采用。疫情危机要求金融组织全天候响应客户需求，因此他们不断加快转型的步伐，但是必须确保其核心关键业务继续平稳运行。这引起了金融行业对人工智能和机器学习解决方案的兴趣，这些解决方案减少了对操作进行人工干预的需求，显著提高了安全性，并为业务创新腾出了时间。人工智能和机器学习减少了从产生创意到为创造价值之间的时间，为组织带来了长期的战略优势。

人们现在看到很多银行和金融机构正在转型成为类似于大型科技公司的数字化驱动型组织，致力建立能够持续关注客户的能力。那么银行和金融机构如何才能充分利用人工智能?在实践中有哪些关键用例?

对业务的好处

在疫情发生之前，许多金融服务机构已经采用了人工智能和机器学习。然而，人们难以确定哪些关键功能从人工智能中受益最大，因此这些技术并不总能带来预期的回报。这种情况将在未来几个月内发生变化：人工智能和机器学习部署的增加将成为疫情期间经济复苏的核心，疫情突出了应用人工智能的特定领域。这些范围从信用贷款决策、防止欺诈到通过无摩擦的全天候互动改善客户体验。

人工智能可以改进的一些特定金融服务流程包括：

智能自动化文档处理

人工智能和机器人流程自动化优化了各种功能，提高了效率，并提高了核心财务流程的整体速度和准确性，从而显著节省了成本。一个典型的领域是e-KYC，这是一个远程的、无纸化的过程，可以减少“了解客户”协议的审批成本，例如验证客户身份和签名。

这项任务曾经涉及重复和平凡的工作，需要付出相当大的努力来跟踪文件处理、贷款支付和偿还情况以及监管整个过程。然而在今年，很多组织正在采用智能自动化平台来管理、解释和提取非结构化数据，其中包括文本、图像、扫描文档(手写文档和电子文档)、传真和网页内容。这些平台运行在自然语言处理(NLP)引擎上，该引擎可以识别任何丢失、看不见和格式错误的数据，提供近乎完美的精确度和更高的可靠性。由于缩短了平均处理时间，组织通过改善客户体验获得显著的竞争优势。

高效、全面的客户支持

虚拟助理能够以更少的人工投入来响应客户的需求。作为一种提高生产率的简单方法，减少了在客户查询时花费的时间和精力，从而使组织团队能够专注于推动业务创新的长期项目。

人们都熟悉电子商务网站上的聊天机器人，并且这样的解决方案在金融服务行业中变得越来越普遍。摩根大通(JP Morgan)等金融机构现在正利用聊天机器人简化其后台操作，加强客户支持。这些平台包括COIN平台，该平台运行在银行私有云网络支持的机器学习系统上。除了创建对一般查询的适当响应之外，COIN还可以自动执行法律归档任务、审阅文档、处理基本的IT请求(如密码重置)，并为银行家和客户创建了新的工具，从而提高他们的熟练程度，并减少人为错误。

风险管理分析

评估信誉度主要基于个人或组织偿还贷款的可能性。确定违约的可能性是所有贷款组织的风险管理流程的基础。即使有无懈可击的数据分析，评估这一点仍然存在困难，因为可能对一些个人和组织偿还贷款的能力不信任。

为了解决这一问题，Lendo和ZestFinance等公司正在使用人工智能进行风险评估，并确定个人的信用度。像Equifax这样的信用机构也使用人工智能、机器学习和先进的数据和分析工具来分析风险评估中的替代来源，并在这个过程中获得洞察力。

以往在这个过程中通常使用贷款者有限的数据集，例如年薪和信用评分。然而，采用人工智能技术，组织现在能够考虑个人的数字财务足迹来确定违约的可能性。除了传统数据集之外，这种替代数据的分析对确定没有常规贷款或信用记录的个人的信誉尤其有用。

现在是采用的时候了

在今年，企业和客户之间的互动方式发生了不可逆转的变化，金融行业也不例外。在疫情带来的紧迫性之前，金融机构已经在有限的范围内尝试采用人工智能和机器学习技术。今年得以更加广泛的采用源于金融行业对业务创新和提高弹性的需要。

银行和金融机构现在已经意识到了受益于人工智能的关键领域，例如，后台运营效率的提高以及客户参与度的显著提高。在疫情发生之前还处于起步阶段的转型已经加速，并且正迅速成为一种标准。更重要的是，现在接受人工智能并优先考虑其全面实施的金融机构将有可能在未来获得更多的回报。

免责声明：本文版权归原作者所有，钱大人登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。文章内容仅供参考，不构成投资建议。投资者据此操作，风险自担。此文如侵犯到您的合法权益，请联系我们。