欢迎光临
我们一直在努力
您的位置:首页>人工智能 >

Fintechs如何利用人工智能

机器学习(ML)和人工智能(AI)之间似乎存在持续的混淆。虽然经常互换使用,但实际情况是它们不一样。Gartner将AI定义为“应用高级分析和基于逻辑的技术,包括ML,来解释事件,支持和自动化决策,并采取行动。”根据这个定义,机器学习是实现AI的重要前提,但不是AI本身。换句话说,ML和AI之间的关系可以用下面的等式表示:

机器学习+决策+行动=人工智能

在我之前的文章中,我介绍了ML以及在投资这些解决方案之前需要考虑的因素,所以现在我将重点关注AI。仔细观察AI,有两种类型。一般AI是软件中一般人类认知的表示。另一方面,应用AI是计算机或计算机控制的设备执行谨慎的人工任务的能力。

根据Autonomous Research LLP的一份报告,fintech的机会在于应用AI,其潜力在2030年前可节省1万亿美元的成本。整个前台,中台和后台都将实现节省。在前台办公室,预计节省的资金为4900亿美元,其中几乎一半来自将AI用于零售分支机构的安全和管理任务。在中间办公室,预计可节省3500亿美元,其中一半以上来自将AI应用于合规,KYC / AML和身份验证。在后台,预计可节省2000亿美元,其中近四分之一来自将AI用于承保和收款。但人工智能不仅仅是储蓄。随着产品开发和客户服务成本的降低,fintechs将能够更快地推出新产品并进入新市场。简而言之,随着AI降低服务客户的成本,您可以为更多客户提供服务。更重要的是,作为ML的结果,新的学习将导致新的数据推动更聪明的行动,以增加收入。

虽然人工智能的人工智能的未来是光明的,但目前的状态是阴暗的。

虽然大多数金融科技人员都知道人工智能并开始尝试人工智能,但实际上很少有人将人工智能投入生产。在前台的聊天机器人,中间办公室的KYC / AML以及后台的风险承保等运营流程方面取得了进展。然而,大多数金融科技尚未将AI应用于更高级别的功能,如生物识别技术,语音助理和使用智能合约的合规性。因此,在能够系统地转变整个业务流程之前,金融科技还有很长的路要走。

两个关键因素是使金融科技公司无法实现人工智能的全部潜力:消费者情绪和风险。一般而言,消费者对金融中的人工智能持谨慎态度。最近的一项调查发现,消费者比接受机器人顾问的财务建议更容易接受机器人手术。与亚马逊,Spotify和Netflix不同,金融科技公司在制定糟糕的人工智能驱动决策时会遇到真正的财务和监管成本。虽然糟糕的产品,歌曲或电影推荐可能最坏的情况导致客户烦躁,但错误的信用决策会导致盈利能力下降以及金融科技的潜在罚款以及客户获得信贷的机会不足。

虽然克服消费者情绪需要长期教育,但金融科技现在可以采取实际步骤来应对风险。

1.从中间和后台的操作用例开始。[R粥不是侧重于数字化改造,重点放在AI可以逐步提高日常决策领域。这意味着从中间和后台的操作用例开始,例如KYC,验证和文档审查。将AI应用于这些领域将使员工能够专注于更多面向客户的增值活动。由于这些任务通常以高频率重复,因此金融科技将能够快速实现成本节约,生产率提升和转换提升。

2.拥抱冗余和补救。Ť他的意思是设计可以允许手动控制和AI成果整治过程。例如,在我的公司,分析和运营协同工作以检测和防止欺诈。我们使用多变量速度模型来确定某些事件的频率何时偏离标准。可疑活动将触发进行调查的操作警报。此外,在连续的基础上,对随机的事件样本运行并行手动过程。这使您可以验证自动化流程是否按照您的预期方式运行。

3.监控一切。考虑投资工具来监控AI的所有输入,输出和结果。有两个原因有助于监控金融科技领域。首先是合规。审计跟踪尤为重要,因为它们可以帮助您检查偏差。第二是业务表现。模型基于过去的消费者行为预测,但消费者行为不断变化。通过监控结果的变化(如准时付款的比率),您可以确定模型何时需要刷新 - 并确保为您的AI提供动力的模型保持其预测能力。在计划人工智能投资时,重要的是不要陷入炒作。证明这些早期投资的投资回报和可靠性对于确保未来AI投资的利益相关者的支持是必要的。

虽然人工智能仍有很多需要学习的地方,但企业现在可以而且应该从将AI应用于运营用例中受益。

免责声明:本网站图片,文字之类版权申明,因为网站可以由注册用户自行上传图片或文字,本网站无法鉴别所上传图片或文字的知识版权,如果侵犯,请及时通知我们,本网站将在第一时间及时删除。