金融服務業的成果可能相當可觀：據麥肯錫全球研究所預測，人工智能和機器學習可為銀行業帶來超過2500億美元的價值。
盡管如此，由于潛在的金融、聲譽和監管影響，許多金融公司在人工智能方面仍持謹慎態度。以下將深入了解人工智能系統如何為金融公司的領導者做出關鍵決策。
與此同時，尋求競爭優勢的金融服務公司正在推出人工智能系統，以支持客戶服務運營，進行風險分析，以及徹底改革營銷和銷售流程。以下是幾家金融服務機構如何將人工智能用于工作的情況。
簡化客戶服務
金融服務機構Synchrony公司為許多主要企業信用卡運營服務，其中包括Gap、Old Navy、亞馬遜、JC Penney、Lowe's、Sam's Club和American Eagle，為超過8000萬活躍的消費者賬戶提供服務。而很多客戶需要信用卡方面的幫助，例如欺詐交易報告。
兩年前，該公司致力于采用人工智能，并雇傭了170多名數據科學家，同時在伊利諾伊大學建立了一個新興的技術中心。像許多金融服務公司一樣，Synchrony公司的人工智能和機器學習的關鍵部署是在聊天機器人上。
該公司首席技術官兼人工智能領導人Greg Simpson說，“我們的智能虛擬坐席名為 Sydney,為大多數零售商網站上的客戶提供咨詢服務，其中包括Gap和Lowe's。如果客戶對其中一個賬戶的信用卡有疑問，可以向Sydney詢問，Sydney將幫助其回答基本問題。”
該平臺目前每月處理50萬次聊天，根據多年來對Synchrony呼叫中心的呼叫提供答案。
Simpson表示，該智能虛擬坐席也可通過亞馬遜設備提供，有助于將實時聊天量減少50%以上，而使用Sydney的88%客戶表示他們對該服務感到滿意。
三井住友銀行是一家全球性金融公司，也是日本資產規模第二大銀行，同樣也在為客戶服務部署人工智能。該銀行使用IBM Watson監控呼叫中心對話，并自動識別問題并向運營商提供答案，從而將每次通話的成本降低60美分。該銀行董事Tomohiro Oka表示，每年有100多萬個電話，每年可以節省10萬美元。此外，客戶滿意度上升了8.4個百分點。
Oka于2015年任職三井住友銀行在硅谷的創新辦公室，并領導實施了該銀行的幾個人工智能項項目。
他說，“我們也在使用IBM Watson來實現面向員工的互動。例如，如果在日本總部一個銷售人員對內部規則提出疑問并希望獲得答案，則會有很大的時間差異，獲得答案可能延遲一天。”
他說，Watson習慣于自動回答這些問題。
Gartner公司分析師Moutusi Sau表示，在過去幾年中，所有主要銀行都在實施聊天機器人項目。他說，“采用有很多技術，例如會話聊天引擎、虛擬客戶助理等。他們是聊天機器人的重要組成部分。”
他表示，銀行正在繼續在該領域投資，但智能代理商現在正致力于提高內部運營效率。
為銷售流程帶來智能
位于美國堪薩斯州的中型銀行NBKC銀行決定采用聊天機器人，NBKC銀行正在使用人工智能技術作為其抵押貸款流程的一部分。
該銀行的執行副總裁兼抵押貸款總監ChadCronk說，“人們在抵押貸款領域看到的大部分人工智能都是圍繞聊天機器人進行客戶服務，我們考慮過這個問題，認為這個領域需要很多增長。”
在NBKC銀行，人工智能幫助向貸款人員分配潛在客戶。大約60%的新線索通過在線主要聚合器獲得，例如Lending Tree和Zillow，平均每天提供300到350個新線索，其余來自客戶推薦和回頭客。Cronk表示，在以往，通過“round robin”系統向公司的98名貸款人員分發了銷售線索。
但在分析歷史數據時，NBKC銀行發現一些貸款人員在早上或者下午晚些時候更善于處理新的潛在客戶，或者在特定地理區域的客戶中獲得更多的成功。
Cronk說，“這導致了在智能層面上分配潛在客戶的概念。我們認為，如果我們在適當的時間將潛在客戶與適當的貸款人員配對，我們將繼續提供更好的客戶體驗。”
由于規模較小，該銀行與外部供應商ProPair公司合作，而不是自己開發技術。ProPari公司的平臺幫助NBKC銀行將其收取率提高了10%，并提高了65%的貸款人員的績效。
如今，25%的線索以贖金的形式被分配到一個控制組。其余的是基于智能系統分配的，該系統將銷售線索分發給最適合的貸款人員，同時考慮到各個工作負載，以確保每個人仍然收到相同的銷售線索總數。
Cronk說，“我們已經看到了明顯的改善，有些季度的增幅為15%。”
他說，推出新技術大約需要三到四個月。來自第三方聚合器的潛在客戶數據通過API傳入銀行的潛在客戶管理系統Velocify。 Cronk表示，他們花了一些工作來弄清楚如何將代理商建議納入Velocify，并創建一個安全的環境，以便ProPaid可以研究代理商的歷史表現。
風險分析
金融服務公司長期以來一直使用統計模型來評估風險——貸款中的信用風險、交易中的金融風險、保險部門的精算風險以及所有類別的欺詐風險。
BITS銀行政策研究所技術政策部門的總裁Chris Feeney說，“如今不同的是，這些算法的使用更加廣泛，可用數據量、數據類型和數據吞吐量正在改變正在解決的各種問題，如果可以收集更多有關交易的信息，可以更好地避免欺詐。”
Feeney希望人工智能成為金融公司的一個重要差異化因素。他說，“金融公司必須積極參與，但必須選擇自己的用例。”他建議企業尋找機會利用人工智能創造競爭優勢，同時也為消費者提供明確的價值。
他說，“這可能是貸款業務。現在有很多關于使用其他數據源向新的人群提供貸款產品的活動。”
他說，欺詐分析是另一個重要的用例。他說，“我認為人工智能將加快發現欺詐行為的能力，以避免欺詐，更快地發現異?；顒印?rdquo;
Raghav Nyapati最近在全球十大銀行實施人工智能項目，現在正在創建一家金融技術初創企業。他說，“人們將會采用成千上萬的應用程序。人工智能可以幫助過濾掉可能存在欺詐或高風險的應用程序，只有經過篩選的應用程序才會被代理審核。”
他解釋說，“這些決定需要得到人類判斷的支持。我們必須提供負責任的人工智能。我們需要利益相關者回答，客戶要回答。如果出現任何問題，銀行必須支付巨額罰金。”
調研機構Gartner公司最近的一項調查顯示，46%的金融服務公司使用人工智能進行欺詐檢測。
Tabb Group金融科技和歐洲研究主管Monica Summerville表示，在證券行業，很多公司在交易前和交易后風險分析中使用機器學習。
“以傳統方式進行風險分析非常耗費計算量，而且很多機器學習技術雖然近似，但需要足夠好，而且速度也越來越快。”她說。
在Tabb Group公司最近進行的一項調查中，大多數證券公司計劃在未來12個月擴大對人工智能的支出。她說：“人工智能被列為他們業務中最具顛覆性的技術。”
Gartner公司指出，人工智能還將影響更復雜的任務，如財務合同審查或交易發起。該公司預測，到2020年，20%的后臺工作人員將依賴人工智能開展非常規工作。
合規性挑戰
監管機構已經熟悉監督金融機構用于評估信用風險或發現可疑行為的模型的困難。例如，模型可能非常復雜，難以分析?；蛘咚鼈兛赡苁莵碜缘谌焦痰膶Ｓ心Ｐ汀?/div>
有很多方法可以解決這些問題，例如對模型進行獨立審查以及使用補償控制。在某些方面，人工智能驅動的系統可以像傳統的統計模型一樣對待，但它們也帶來了額外的擔憂。
美聯儲委員會成員LaelBrainard在去年的一次演講中說，“就其本身而言，人工智能可能在不透明性和可解釋性方面帶來一些挑戰。認識到在使用人工智能工具時可能存在一些有利的情況，即使它可能是無法解釋或不透明的，人工智能工具也應受到適當的控制。”
她說，這包括有關如何構建工具，如何在實踐中使用以及圍繞數據質量和適用性的控制。
可解釋性(也被稱為黑盒問題)是人工智能系統的一個特殊問題。使用傳統的統計模型，數據科學家選擇對特定決策或預測至關重要的因素，并決定對這些因素給予多少權重。然而，人工智能系統可以識別以前未知和難以理解的模式。這使得銀行很難遵守監管機構的規定，例如《平等信貸機會法》和《公平信貸報告法》，這兩項法律要求銀行解釋他們在做出決策時使用的因素。
Brainard補充說，“幸運的是，人工智能本身可能會在解決方案中發揮作用。人工智能社區正在回應在開發‘可解釋的’人工智能工具方面取得的重大進展，重點是擴大消費者獲得信貸的機會。”
Tabb公司的Summerville表示，證券業也在研究這個問題。她指出，“能在人工智能中構建一個無偏見的模型嗎?需要能夠解釋公司是如何做出決定的。監管機構有興趣確定你不會意外地引入偏見。”
隨著Synchronomy公司開始關注人工智能和機器學習的信用決策，黑盒問題也成為該公司面臨的一個問題。
他說，“我們希望在模型中建立可解釋性，并指出做出這些決定的原因。這不容易做到。不能出于歧視性的原因做出決定。例如不再說‘我不會為這個郵政編碼的人提供信用證明’，因為這是違法的。”
該公司還花費大量精力確保用于培訓人工智能模型的原始數據不會有偏差。Simpson說，這是公司需要這么多數據科學家的原因之一。
該公司采取的減少偏見的一種方法是從一個多元化的團隊開始。
他說，“如果沒有多元化的團隊，很難確定數據中的偏見，因為企業的團隊可能存在偏見。這對銀行來說尤為重要，團隊的多樣性是這個領域的第一個也是最好的防御策略。”
京公網安備 11010502049343號