为了获得超越竞争对手的决定性优势，银行以及其他金融机构必须深入挖掘技术突破。幸运的是，人工智能和机器学习已经可以帮助他们实现这一目标。改进数据处理将导致更好的策略和欺诈预防水平。


银行统计中的人工智能
根据研究公司 Autonomous Next 的预测，到 2030 年，全球银行将能够通过使用人工智能技术将成本降低 22%。节省的资金可能达到 1 万亿美元。
金融公司雇用 60% 的专业人士 谁拥有创建人工智能系统的技能。
预计人脸识别技术将用于银行业，以防止信用卡欺诈。人脸识别技术将在2020年将其年收入增长率提高20%以上。
人工智能如何用于银行业
银行从客户、投资者、合作伙伴和承包商那里收到的数据是动态的，可以用于不同的目的，具体取决于用于分析它们的参数。基本上，银行业人工智能的范围可以分为四大类。

改善客户体验
当银行和其他金融机构有机会了解有关用户及其在网络上的行为的所有信息时，他们同时获得了尽可能改善用户体验的机会。

聊天机器人

例如，如果用户在使用网站或应用程序时遇到困难，聊天机器人会被用来引导他走上正确的道路，同时减少银行支持人员的工作量。此外，现代聊天机器人可以执行简单的操作，例如锁定和解锁卡片，并在用户超过透支限额时向用户发送通知——如果账户余额高于平时，反之亦然。

个性化优惠

拥有关于用户行为的各种信息可以让金融公司了解客户目前的需求，以及他们愿意和能够支付的费用。因此，例如，如果客户正在查看汽车经销商的广告，那么开发个性化贷款报价可能是有意义的——当然，在分析了他的偿付能力和所有可能的风险之后。

客户保留

现代人工智能系统与银行业的大数据一起工作，不仅可以分析，还可以做出假设。例如，在许多情况下，如果客户想要拒绝银行机构的服务，则可以预测客户的意图。了解这种意图表明有必要采取额外的保留措施，创造更有针对性和个性化的优惠，从而改善客户体验。

用于安全银行交易的机器学习
在预防欺诈的背景下，机器学习对金融部门的主要优势在于系统不断学习。换句话说，同样的欺诈想法不会奏效两次。这对于银行业中的信用卡欺诈检测非常有用。

人工智能如何使银行安全
大多数金融交易是在用户在 Internet 或实体店购物时进行的。这意味着大多数欺诈交易也以购买商品为借口发生。银行业中的人工智能提供了防止这种情况发生的机会。例如：

在实体销售点购买时，​​具有面部识别功能的摄像头可以确定信用卡是否在合法所有者手中。
跟踪发生金融交易的可疑 IP 地址可能有助于防止使用折扣券进行欺诈并识别欺诈意图。例如，如果有人购买产品是为了退回假货。
市场研究与预测
机器学习结合大数据不仅可以收集信息，还可以找到特定的模式。例如，可以预见货币波动、确定最有利可图的投资理念、评估信用风险（还可以在最低风险和最适合特定用户的贷款之间找到中间地带）、研究竞争对手并确定安全性弱点。


降低成本
机器学习使金融组织能够识别流程中的弱点并更有效地组织全职员工的工作。最简单的例子是聊天机器人，它可以成功地为客户提供简单和标准问题的建议。聊天机器人也不需要为他们的工作付费！除了与 ML 合作可以使公司降低成本这一事实之外，由于改进了客户服务，它还有助于增加利润是合乎逻辑的。

美国银行的机器学习用例
以下是机器学习如何在美国领先银行工作的一些示例。

摩根大通
这家美国领先的银行开发了一种名为 Contract Intelligence (COiN) 的智能合约系统。基于数据和机器学习的算法有助于快速找到必要的文档和其中包含的重要信息。目前，该银行处理超过 12,000 份贷款合同，手动分析它们需要几年时间。现在，Chase 正在努力寻找进一步应用这些数据的方法——例如，训练系统搜索模式并根据它们做出假设。

美国银行
这家银行的聊天机器人是真正的财务顾问和战略家。该系统分析用户数据，并在客户表现出略有不同的购买习惯的情况下发出警告，并提醒他需要支付账单。美国银行的聊天机器人也知道如何使用银行卡执行简单的操作，例如封锁和解锁卡。

富国银行
这家银行开发了一个智能聊天机器人，将与网站的交互变成一个简单方便的过程。富国银行开发了预测银行分析系统，能够通知客户异常情况；例如，如果客户花费的金额超过了他支票的平均金额。如果客户收到的转账金额大于他通常保留在其账户中的金额，该系统还可以提供节省一定金额的存款。

花旗银行
花旗银行开发了一个强大的欺诈预防系统，可以跟踪用户行为的异常情况。特别是，该系统经过完善，可在互联网购物时检测欺诈性信用卡交易。

美国银行
这家银行开发了费用向导，这是一个允许客户管理他们的账户以及在国外预订机票和住宿的应用程序。这个应用程序专注于其他国家的安全支付。对于那些在没有公司信用卡的情况下出差的人来说非常方便，因为该应用程序允许用户在一个地方收集有关旅行的所有财务数据并为其公司的财务部门创建报告。

在银行业采用机器学习是否存在风险？
当然，人工智能技术可以彻底改变银行业。然而，存在一定的风险——但它们主要与技术的新颖性以及用户对它们的实际工作方式缺乏充分了解有关。

裁员
这是与人工智能和机器学习相关的最常见的风险和恐惧之一，即使它们的应用范围如何。然而，现代研究表明，与无人认领的职业数量相比，银行业的人工智能将提供更多的新工作岗位。另外，你还记得我们在本文开头谈到的研究吗？60%的人工智能人才被金融机构聘用。这已经有充分的理由说我们不应该指望全面崩溃。

由于人际接触少，信任度低
还有一种观点认为，由于与人类顾问合作的机会减少，用户对金融机构的信心会降低。这是真的，但只是部分。我们很可能会观察到这种趋势，但仅限于上一代出生的人，他们一开始不太倾向于相信技术。但对于愿意为便利性和可靠性付出更多代价的千禧一代，他们会很高兴有机会通过点击几下执行任何操作。

道德风险
道德风险与金融公司收集、存储、系统化、分析和利用的数据量（以及客户的利益）持续增长有关。一些用户不喜欢这种趋势，但目前不可能在不留下个人数据痕迹的情况下采取任何行动。欺诈者最不喜欢这个事实，因为他们已经开始感觉到欺骗 AI 系统变得越来越难。同时，这对于提升用户体验和提升安全级别来说无疑是一个加分项。


假阳性结果风险
机器学习系统和人工智能跟踪用户行为模式，并将它们与每个用户的公认标准版本进行比较。因此，例如，如果用户在国外完成了一笔交易，但他没有通知银行他的旅行（或者银行由于某种原因无法获取此信息；例如，用户没有从他的信用卡购买机票，但作为礼物收到），则此操作可以解释为欺诈。但事实上，一切都是合法的——只是一点点缺乏信息就导致了假阳性结果。


如何选择最佳合作伙伴为您的金融服务开发机器学习解决方案
通过将人工智能引入他们的业务流程，金融组织应该清楚地了解他们的目标——因为简单地分析数据并不是最终目标；人工智能是帮助实现特定目标的一种方式。因此，在为银行或其他金融公司开发 AI 和 ML 解决方案时，您需要确保您委托此任务的公司了解您的业务细节，并了解该软件应完成哪些任务。

此外，在选择潜在的人工智能供应商时，请确保该公司已经拥有专门为金融部门开发解决方案的经验。为什么？因为安全要求比任何其他领域都高，也许只有医疗保健除外。这是我们关于 6 家 AI 公司之首的文章，其中包含有关选择合适供应商的更详细建议。


结论
金融领域的人工智能和机器学习可以使这些组织更有利可图并增加客户信任。

题库