### 银行业对人工智能技术的高度关注
在银行和金融行业，人工智能技术的兴趣达到了空前的高度。
原因并不令人惊讶。人工智能的多种技术——包括机器学习、自然语言处理和计算机视觉——的战略应用可以为银行带来显著的成果，从提升员工和客户体验到改善后台操作。
与使用人工智能相关的成本节约可能是显著的。埃森哲报告称，“银行可以通过使用基于人工智能的工具实现与相同员工数量的交互或交易量增加2-5倍。”
Forrester Research的首席分析师玛莎·贝内特表示，金融机构在利用人工智能方面具有优势。“人工智能需要大量数据，而银行恰好拥有大量数据。”
实际上，人工智能和机器学习在银行服务中的应用并不新鲜。例如，支付公司早已使用机器学习来检测和防止欺诈交易。随着计算能力和存储的增加，检测越来越多地在实时进行。
本文为
企业人工智能指南
- 其中包括：
- 人工智能如何推动收入？这里有10种方法
- 8个AI无法替代的工作及原因
- 2024年十大人工智能和机器学习趋势
然而，贝内特警告说，关于人工智能的能力存在许多神话，包括机器智能与人类认知相当的观念。“机器并不智能，”她说。在人工智能确实超越人类能力的领域，例如在有大量变量的情况下预测结果，运行人工智能的成本可能超过收益。
人工智能在银行业的主要好处是什么？
以下是人工智能在银行和金融领域的主要好处列表，以及金融服务公司在使用人工智能时面临的一些风险和挑战的讨论。
1. 降低运营成本和风险
银行业在运营上基本上是数字化的，但仍然存在许多人为的流程，这些流程有时文书工作繁重。在这些流程中，由于潜在的人为错误，银行面临着显著的运营成本和风险问题。
机器人流程自动化（RPA）是一种模仿人类执行的基于规则的数字任务的软件，正在银行业中应用，以消除大量耗时且容易出错的工作，例如从合同、表单和其他来源输入客户数据。
结合改进的手写识别、自然语言处理和其他人工智能技术，RPA机器人变成了智能流程自动化工具，能够处理越来越多以前由人类处理的银行工作流程。超自动化的定义详细解释了人工智能与RPA结合的好处。
2. 通过聊天机器人改善客户体验
人们对银行营业时间的抱怨并不无道理。银行似乎从来没有在您最需要的时候开放，例如傍晚、假期和周末。昔日的呼叫中心以漫长的等待时间而臭名昭著，而当最终接通时，操作员往往无法解决客户的问题。
人工智能技术正在改变这一现状。
随时待命的聊天机器人。 人工智能在银行业的一大好处是使用对话助手或聊天机器人。聊天机器人与员工不同，可以24/7提供服务，客户越来越习惯使用这个软件程序来回答问题并处理许多以前需要人与人之间互动的标准银行任务。
“聊天机器人并不是全新的，一些银行已经在内部和面向客户的场景中使用它们，并获得了好处，”贝内特说。新冠疫情突显了它们的实用性。
人工智能为银行和金融带来了显著的好处。
“在疫情期间，它们取得了飞跃，因为任何可以由机器人处理的事情就不必由人来处理，”贝内特说。
追加销售。除了处理客户服务查询和关于个别交易的对话外，银行在使用聊天机器人让客户了解额外服务和产品方面也越来越熟练。
例如，商业客户可能并不知道有助于解决支付或信用问题的商户服务和贷款产品。在预测分析和人工智能工具（如机器学习）的支持下，聊天机器人（和客户服务代理）可以实时在正确的设备上提出正确的建议，提供高度个性化的服务，并可能提高收入。
然而，贝内特表示，金融服务公司和客户应记住，尽管自然语言处理和自然语言生成方面取得了突破，目前商业部署的聊天机器人“相对简单”。它们可以处理简单的查询，但通常无法理解上下文。这并不削弱它们的价值。
“这些简单的查询可能占客户来电问题的80%。”她说。
3. 改善欺诈检测和合规性
欺诈检测。 欺诈检测是一个机器“真正优于人类”的领域，贝内特表示。
“它们可以处理大量数字，应用不同的算法。除非编程不当，否则它们不会出错，”她说。人类在重复任务中容易出错。
在疫情之前，贝内特表示，她每天都可能在不同的国家工作。她的信用卡公司的欺诈检测已经好到她在从一个地方旅行到另一个地方时，信用卡从未被拒。唯一一次发生欺诈——在她马德里买奶酪时，有人试图购买电脑——她立刻就被联系了。
“我想说的是，拥有良好结构和数据的公司已经能够很好地利用人工智能进行欺诈检测，”她说。随着公司改进数据收集，算法变得更加先进，金融公司的收益也在增长。
合规性。 银行业是经济中监管最严格的行业之一，无论是在美国还是全球。政府利用监管权力确保银行具有可接受的风险状况，以避免大规模违约，并确保银行客户不利用银行进行金融犯罪。因此，银行必须遵守无数法规，要求它们了解客户、维护客户隐私、监控电汇、预防洗钱和其他欺诈行为等。
银行的合规性如果不遵循，会产生显著的成本和更高的责任。因此，银行正在使用智能的人工智能虚拟助手来监控交易、观察客户行为，并将信息审计和记录到各种合规和监管系统中。
如上所述，基于大数据的欺诈预防已经对信用卡处理产生了重大影响，在贷款承销等领域也有应用。通过观察客户行为和模式，而不是具体规则，基于人工智能的系统帮助银行进行主动的合规管理，同时降低整体风险。
4. 改进贷款和信用决策
同样，银行正在使用基于人工智能的系统来帮助做出更明智、更安全和更有利可图的贷款和信用决策。目前，许多银行仍然过于依赖信用评分、信用历史、客户参考和银行交易来判断个人或公司是否有信用。
然而，许多人会证明，这些信用报告系统远非完美，往往存在错误，缺失真实的交易历史，并错误分类债权人。除了使用可用的数据外，基于人工智能的贷款决策系统和机器学习算法可以观察行为和模式，以确定信用历史有限的客户实际上是否可能成为良好的信用客户，或找到那些模式可能增加违约可能性的客户。
使用基于人工智能的系统进行贷款和信用决策的一个大挑战是，它们可能会遭受与人类相似的偏见问题，这个问题在“人工智能风险和挑战”部分中进行了讨论。这是由于贷款决策人工智能模型的训练方式。希望在现实世界中使用机器学习的银行必须努力消除偏见，并在其人工智能培训过程中融入伦理培训，以避免这些潜在问题。
可解释性在使用深度学习方法的人工智能算法时也是一个问题。（请参见“风险和缺点”部分。）
5. 投资过程的自动化
最后，一些银行正在深入探索人工智能，通过智能系统帮助做出投资决策并支持投资银行研究。瑞士的瑞银和荷兰的ING等公司正在利用人工智能系统在市场上寻找未开发的投资机会，并通知其算法交易系统。虽然人类仍在所有这些投资决策中发挥作用，但人工智能系统通过更好的建模和发现揭示了额外的机会。
此外，许多金融服务公司正在提供机器人顾问，以帮助客户进行投资组合管理。通过个性化、聊天机器人和客户特定模型，这些机器人顾问可以在客户需要帮助时提供高质量的投资决策指导。
风险和缺点是什么？
新兴技术由于其不成熟和实施时间有限而存在风险。使用人工智能的风险因该领域快速发展而加剧。除了使用人工智能在银行业的好处外，公司还必须考虑以下风险和挑战：
人工智能偏见。如前所述，人工智能偏见是使用人工智能在银行业的最大风险之一。这是由于决策人工智能模型的开发方式，即由人类带着他们的偏见和假设来训练机器学习模型。这些偏见在模型部署时可能会被放大，有时会产生令人担忧的结果。机器学习偏见的定义解释了可能无意中影响算法的不同类型的偏见，以及公司需要采取的消除措施。一旦模型训练完成，必须不断更新以适应新的因素（例如COVID-19）并防止“模型漂移”。
可解释性和伦理。金融机构在发放信用决策时必须遵循法规，要求它们向潜在客户解释其决策。这使得实施基于深度学习神经网络的工具变得困难，因为这些工具通过提取数千个变量之间的微妙关联来运作，这通常是人类大脑无法理解的。
“您必须解释算法是如何得出其决策的，”贝内特说。“我多年来一直告诉客户，‘计算机做的'听起来不好，而‘我们不知道计算机为什么这样做'听起来也没有更好。”
如何负责任地使用人工智能是全球公司、政府和其他实体关注的话题。2021年4月，欧盟委员会发布了一项提案，针对人工智能的风险——这是首个法律框架，可能只是政府在这一领域立法工作的开始。
客户不信任。 除了遵守法规外，金融服务公司在使用人工智能工具时还必须注意客户信任。例如，聊天机器人因其便利性受到青睐，但如果出现错误，则会导致客户失去信任，贝内特指出。
成本。最后，人工智能创新的速度既令人兴奋又昂贵，贝内特指出。算法从实验室创建到部署之间通常存在滞后，仅仅是因为运行成本太高。但即使是广泛采用的算法也可能证明使用成本过高。
“我们遇到过一些公司，实际上关闭了某些算法，因为它们运行的收益并没有超过运行成本，”她说。
