金融服务公司如何通过人工智能实现任务转型

金融服务行业正在使用人工智能和机器学习提升各项业务流程的速度和准确性。利用人工智能和机器学习技术，金融服务公司可以大幅度降低风险，防止欺诈，优化投资策略，提高运营效率，并提供更为个性化的客户服务。

金融行业为何能从机器学习和人工智能中获益匪浅？设想一下银行与客户、合作伙伴之间流程繁复的业务环境，以及基于交易的重复交互。这些交互可以围绕客户行为和偏好生成大量丰富的数据集。一些先进的公司将人工智能和机器学习作为技术战略的关键部分，因而可以实时解读数据并根据数据采取行动，这既可以降低风险，也可以提供最为相关的客户体验。 顶级金融服务公司通过下列四种方式使用机器学习和人工智能，驱动业务增长。

使用更智能的机器管理风险和反欺诈

分析公司IDC预测, 与其他行业相比，2017-2020年期间，银行业和零售业对人工智能的投入最大。其中银行业投入的大部分资金将用于管理风险和反欺诈。IDC声称，仅2018年, 该行业花费在人工智能上费用已达33亿美元，其中大部分将用于自动威胁情报与预防系统，欺诈分析与调查，以及项目顾问和推荐系统。 机器学习和人工智能可以帮助银行和其他金融机构检测异常的客户行为，并标记可疑交易。虽然设置简单的自动化规则可能会经常误报欺诈或舞弊行动，但更为复杂的机器学习模型可以根据客户的典型行为模式和已知极端状况，更好地预测违规行为。 在一家银行的案例中，该银行的人工智能检测到一名犯罪分子窃取身份冒充客户登陆的欺诈行为。人工智能通过犯罪分子使用滚动条的行为检测出这一欺诈行为，因为真实用户在办理银行业务时更喜欢使用触控板。人工智能可以同时解读大量数据，因此能够标记不一致之处。

通过人工智能加持，制定投资决策

机器学习还可以通过在投资压力测试中使用人工智能，帮助银行和金融服务公司节省运营成本，提高运营效率。在麦肯锡一项调查中，风控经理们认为使用人工智能可以让信贷决策时间提速25-50％。 评估风险是许多银行投资机器学习技术的重中之重。金融稳定理事会（FSB）的一项报告显示，一家全球投资银行使用机器学习算法来查询未标记的数据。该算法利用模型实时判断可用资本额度以及可承受的损失限额。 美国银行也看到了使用人工智能算法分析大量交易数据的潜力。所有公司都可以获得大量有关其他公司投资的日常数据——他们获利及损失之处。美国银行认为，利用人工智能捕捉这些事件，并使用海量数据集更好地预测投资，将是下一个重大机遇。这一领域尚未被开发，但美国银行预计很快就能够利用这些信息流，进行实时分析和洞察。

 自动化流程提高效率麦肯锡公司的研究概述了未来几年下一波人工智能和自动化将如何改变金融服务——使用机器学习改善业务流程的公司，将获得明显的竞争优势。 该公司预测，机器将取代金融服务行业各项职能中超过10-25％的人力工作。例如，摩根大通今年使用机器人处理了170万个内部IT请求——相当于40名全职员工的工作量。 无独有偶，澳新银行（ANZ）正在使用机器人过程自动化（RPA），因此员工可以减少例行工作的工作量，专注于价值更高的工作。澳新银行将人工智能应用于40多个业务流程，每年可为特定银行业务节省30％以上的成本。

大规模改善客户体验

客户服务机器人是最常见的机器学习形式。通过大规模地自动执行重复性任务，机器人能够在一系列服务需求中与人类客户互动。最受瞩目的美国公司案例，是美国银行面向客户的虚拟助手“Erica”。 Erica使用自然语言处理来理解语音、文本和意图，并利用机器学习从客户数据——这些数据可以转化为建议和推荐——中获得洞察。 那些采用机器学习降低投资风险、检测欺诈、将业务流程自动化并更有效推动客户互动的金融服务公司，获得了显著的投资回报。