人工智能如何影响银行业

银行业似乎一直是最发达、最愿意投资新技术的行业之一。

难怪人工智能迅速成为整个现代金融市场赖以建立的技术支柱之一。

并非所有人都知道，人工智能不仅是领先的分析解决方案，而且是改变客户与金融业提供的服务交互方式的一种方式。 让我们仔细看看这种非同寻常的关系，它对我们使用银行的方式的影响，以及对欺诈检测和合规监管等问题的影响。

银行业中的人工智能

人工智能用于许多金融科技解决方案。 它可以解决许多企业面临的日常挑战，例如客户体验个性化和忠诚度建设，以及严格的技术财务功能，例如异常检测或欺诈预防。

然而，人工智能在行业中的开端并非如此简单。 1950 年代首次尝试使用计算机改善银行的运营。 故事从最简单、最明显的解决方案开始：会计师希望使用计算机进行比真人更快、更准确的计算。

然而，事实证明，它们的使用可能并不那么容易，因为机器本身并不像现在这样强大。 尽管如此，即使在今天仍用于机器学习的贝叶斯统计数据被实施以扩展算法，从而能够处理股票市场预测、贷款偿还或审计概率计算等处理行为。

90 年代初，人工智能和机器学习与第一批对冲基金一起出现在华尔街——但仍然没有重大突破。 它只是随着数据可用性的增加而出现的，通常是随着互联网的普及。 从那时起，利用机器不断增长的能力，操作系统有了极其迅速的发展。

如今，人工智能基本上影响了银行运营的每一个领域，以及我们在金融领域使用技术的背景下经常忘记的部门的工作，比如企业核心方面，甚至包括人力资源团队的工作。

人工智能所涉及的所有方面都在下面的热图中得到了完美的总结：

资源

考虑到行业中大量的 AI 应用程序，您基本上可以写一本关于它们的书。 让我们关注金融科技中已经（或即将）普遍使用的最常见的解决方案，作为消费者，我们应该很清楚这些解决方案。

根据埃森哲的说法，该行业有一些关键趋势应该遵循：

• 跨部门使用人工智能
• 完全数字化和全渠道的客户旅程
• 异常检测，识别欺诈账户
• 用户体验个性化
• 开放银行、开放 API、PSD2
• 快速适用的解决方案

为进一步简化问题，上述方面可以分为四类：销售优化、增长收入驱动、运营流程改进和信用风险管理。

但这不仅仅是关于要涵盖的主题领域的可能性。 在该行业运营的整个公司中使用人工智能的规模是巨大的。 金融服务领域的人工智能全球研究表明，85% 的受访者目前使用某种形式的人工智能。 作为实施此类解决方案的原因，受访者表示需要同时提高速度和效率，以及对更广泛的数据驱动洞察力的需求。

更重要的是，报告中包含的声明性统计数据更加乐观：77% 的受访者表示，到 2020 年底，人工智能将成为其业务最重要或最重要的投资领域之一。

但金融科技代表究竟想投资什么？ 与表面相反，由于在创收、流程自动化、风险管理、客户服务和客户获取等方面实施了人工智能，他们中的大多数 (64%) 主要计划投资于接触大众用户。 这是一个非常显着的增长。 目前，只有 16% 的受访者表示有意在这些领域进行投资。

人工智能在银行业中究竟是如何使用的？

让我们在最后一段末尾的划分上停下来，仔细看看提到的每个领域：

在金融科技、Synerise 中使用人工智能带来的好处

他们受益于负责金融机构战略的经理所重视的优势——即降低成本、提高销售和收入或降低业务风险。 然而，值得一提的是，银行使用的人工智能选项并没有就此结束。 这些可能性可能远远落后于典型的预期功能。

1.人工智能面部识别——但首先，让我来张自拍

金融市场有句话说的很及时：人们不需要银行，他们需要银行。

在智能手机和简化登录方式的时代，进入银行移动应用程序有一种特殊的方式：自拍。 该解决方案相对容易部署和实施。 识别过程很快，不需要最终用户采取太多行动，这本身就是推动采用该过程的一种令人鼓舞的方式。

来自新加坡的华侨银行使客户能够使用这种人工智能驱动的选项； 以这种方式登录的唯一要求是拥有 iPhone X。

引用该银行的官方声明，由于面部识别解决方案，其用户现在可以：“在移动应用程序上进行日常银行业务时无需密码甚至指纹。”

但是这项技术实际上是如何工作的呢？ 顾名思义，登录过程的成功取决于识别或验证给定银行用户的身份。 人工智能捕捉、分析和比较我们每个人脸上的特定模式。

让我们看看另一家银行使用这种技术准备的指令，波兰银行PEKAO：

设置帐户需要有关如何自拍的说明：手势“眨眼”、手势“向左转”、手势“向右转”

正如银行首席执行官 Michal Krupinski 所说，公司对引入人脸识别技术的结果非常满意，大约 25% 的账户输入是在银行营业时间之外进行的。

他强调：

“我们相信我们的银行业务，我们的优势是移动应用程序的优势，我们在这里的年增长率达到了 50-60%。我们将在移动应用程序上投入更多资金。”

结果证明如此令人满意，以至于自拍验证功能也可能会适应微型公司的需求。

2.二胜一：恒生银行（香港）和虚拟助理

也许您将虚拟助手与看起来像人的机器人联系起来，并且有一天会接管世界。

然而，关于现实看起来如何的准确性是完全不同的。 诚然，聊天助手从卑微的开始已经走过了漫长的道路，但实际上我们还在发展机器学习和自然语言处理，所以聊天助手只是在学习我们人类的方式，离掌握世界还很远。

一个例子是恒生银行（中国）Haro和Dori创造的双胞胎。 他们有非凡的语言能力； 他们用中文、英文、粤语和中英文混合语言进行交流。

但是，聊天助手分享了他们的任务。 Haro 专注于一般查询，例如产品、服务（特别强调抵押贷款、个人贷款、信用卡和保险服务）。

反过来，Dori 是一种典型的 Facebook Messenger，利用基于客户偏好的个性化推荐提供的机会。

当然，这只是众多有趣的例子之一。 另一个是美国银行员工和人工智能驱动的聊天机器人 Erica，负责处理卡安全更新和信用卡债务减少。 2019 年，这个虚拟助手处理了超过 5000 万客户的请求，无论他们的需求和年龄如何：15% 来自 Z 世代，49% 来自千禧一代，20% 来自 X 世代，16% 来自老年人，他们通常不是此类的目标群体解决方案。

3.多跟我说话：语音识别

语音搜索变得越来越流行。 在最近关于这个主题的一份报告中，微软强调，到 2020 年，69% 的受访者将定期使用语音助手。 当然，这种趋势并没有逃脱劳埃德银行、苏格兰银行或哈利法克斯英国等银行的注意。

这些金融机构决定通过使用“语音生物识别技术”来简化客户的生活，即通过人工智能驱动的对用户语音特征的高级分析来确认身份。

当然，很难不同意通过语音命令使用帐户比传统的记录方法更容易、更快捷——但它完全安全吗？ 一些行业分析师指出，如果网络上有包含我们声音的录音（例如，以播客的形式）——它们可能会被未经授权的人用来登录我们的帐户。

（电子）货币的窃窃私语——现实生活中的用例

这些解决方案可能会在不久的将来开花结果，尽管它们已经在行业中以有限的形式存在。 当前版本，尤其是在欧洲和美国市场，是一些更普通和熟悉的解决方案，专注于移动银行、欺诈检测和监管合规。

手机银行

移动是我们的未来：预计到 2023 年，全球将有超过 73.3 亿人使用该设备。 到同年，移动应用市场将产生 9352 亿美元的收入，其中当然也包括移动银行应用。 是什么让我们如此愿意投资于它们？

首先，手机银行意味着更高的安全性，通常比典型的在线银行更高。 更重要的是，银行急切地使用应用程序的原因更加平淡无奇，因为它们可以让银行降低运营成本。 由于移动，典型的离线银行业务和人力资源的支出可以减少，而且它们也比 ATM 便宜。 更重要的是，它们实际上不仅节省了金钱，还节省了通常用于补充“必要”文书工作的时间和纸张。

此外，移动应用程序始终可用。 通过这个渠道收集的数据很容易分析。 此外，由于发送推送通知的选项，移动设备促进了与客户的沟通。

但人工智能与此有什么关系？ 乍一看，得益于人工智能解决方案，手机银行中的生物识别技术可能看起来有点像科幻电影的一部分，尤其是指纹扫描、面部识别、虹膜扫描和语音生物识别等方面。

让我们停下来想一想我们的智能手机是否能够支持如此先进的技术。 根据瞻博网络研究数据，专用硬件的可用性不会成为用于这些生物识别目的的障碍。 该公司预测，到 2024 年，大约 90% 的手机将应对这些现代解决方案。

在这种情况下，我们应该问自己的真正问题有点不同。 非接触式卡时代的人们真的会想要使用这种移动功能来验证非接触式支付吗？ 上面提到的预测并不是很有希望——只有 30% 的受访者表示他们很乐意使用这个选项。

欺诈识别

人工智能欺诈检测的第一个种子是在 10 多年前实施的，基于异常检测，一种识别规范偏差的技术，涵盖与网络安全和反洗钱流程相关的问题。

如今，金融领域常见的欺诈类型包括身份盗用和使用被盗文件或登录信息敲诈勒索贷款。 正如这份 McAfee 报告所指出的那样（其中还包括有关金融欺诈的数据），网络犯罪在全球范围内对金融科技造成的损失约为 6000 亿美元，相当于全球 GDP 的 0.8%。

这些事件不仅会造成实际的经济损失，还会增加收债问题——在许多法律制度中，这是一个极其长期的过程，但不幸的是，并非在所有情况下都百分百有效。 金融机构也受到损害，因此，它们可能会在市场上失去声誉。 这种损害在金融市场上可能是致命的。

幸运的是，人工智能和自动防止金融欺诈的解决方案，也称为欺诈检测/预防系统 (FDS)，可以提供帮助。

检测和预防系统的主要区别在于它们的实施方式。 预防稍微复杂一些，需要授权银行干预银行平台和交易系统； 同时，检测只需要访问数据，无需直接干预平台。

无论您选择哪种 FDS 系统，它都应该能够检测和监控用户采取的所有操作，而不管他使用何种渠道来完成交易。 这不仅意味着投资于维护网络渠道，还意味着保护 ATM 机、一些呼叫中心服务、银行分行的“离线”操作或移动支付订单。

如下图所示，欺诈预防和检测市场的规模不断扩大。 到 2022 年，其价值将达到 415 亿美元，而 2016 年为 143.7 亿美元——大幅增长。

合规性

法规在银行业发挥着关键作用，这是人工智能可以提供帮助的另一个领域，在以数据为中心的现代世界中促进（和加速）复杂的分析。 让我们看看它如何简化整个过程并使其更加有效。

让我们从人工智能可以自动执行重复性手动任务这一事实开始。 监管合规流程基于从各种源系统收集数据。 在将这些数据转发以供进一步决策之前，必须对其进行组织和仔细检查。

如果没有人工智能，所有工作都是劳动密集型的，需要多次人工干预。 此外，整个过程耗时且容易出错。 这种解决方案也可以称为机器人过程自动化 (RPA)。 它可以通过自动化、使用 webhook 或 APO 集成来完成。

自然语言处理 (NLP) 使计算机程序能够理解人类语言的口语和书写。 NLP 提高了人工智能的能力和效率。 带有 NLP 的 RPA 软件可以为处理大量数据的银行专业人员创建更有效的分析。 具有机器学习功能的机器人流程自动化对于需要模仿人类行为的流程非常有用。

由于能够快速准确地处理，人工智能绝对是一个更好的决策者。 算法将分析所有风险，包括与金融犯罪、洗钱和潜在欺诈（AML、MiFID II、FinCEN）相关的风险。

客户服务

在银行业实施的人工智能无疑会影响销售的优化以及 B2B 和 B2C 销售的运营。 除其他外，这是由于改善了客户服务。

人工智能使您可以准确地到达选定的目标群体并个性化消息。 细分显着缩短了整个购买过程，而对客户偏好的充分利用会影响金融产品的用户数量。

人工智能还能够对客户决策进行详细分析，并仅提供特定人真正需要的产品。 值得强调的是，为银行创建的推荐模型比典型电子商务中使用的模型要复杂得多。

在上述生物特征示例的背景下，人工智能提供的非凡的个性化能力可能看起来很“普通”——所以让我向你展示具体的数字。

波士顿咨询集团估计，只有通过个性化的客户互动，一家银行每拥有 1000 亿美元的资产，就可以获得高达 3 亿美元的收入增长。

为什么会这样？ 消费者期望，根据定义，复杂的银行系统将像他们日常使用的其他服务一样易于访问和使用：

结论

我们正在进入一个全新的数字化时代，人工智能在金融科技中的可能性仍在发展。 我们不知道人工智能会有什么样的新功能及时让我们大吃一惊，但有一点是肯定的：品牌需要利用它提供的力量。

如您所见，银行拥有多种类型的数据：

• 结构化（数据库、服务器、事务日志）
• 半结构化（邮件、xml、jsons 等）
• 非结构化（报告、备忘录、图像、PowerPoint、文档）
• 元数据（描述数据的数据）

其中一些是实时出现的，但有些是非常稀缺的。

让我们利用人工智能和机器学习的进步，将来自这些多种可能性的信息组合到尽可能低的维度中。

许多功能与实现创收的最需要的应用程序相关，例如根据真实的 360 度客户档案推荐行动和报价，或通过添加允许品牌评估和比较银行正在工作的任何实体的邻域的功能来增强当前使用的统计模型与（债务人、债权人、商人、个人、企业）。

人工智能不仅可以让我们节省时间和金钱，还可以更好地保护储蓄并更轻松地获取我们的资金。 我们还想要什么？

查看 G2 的人工智能中心，了解更多关于 AI 的所有信息。