金融中的机器学习：收益，用例和机会
机器学习是当今世界范围内听到的一个术语。零售，医疗保健和制造业等行业正在从中受益匪浅。银行和金融业的领导人也是如此。技术真正爆炸之前有足够的时间和空间。但是，我们仍然可以谈论一些实际的用例以及您的企业可以从中受益的方式。
金融服务中的AI和ML
金融中的机器学习正在迅速发展–在金融领域已经有数十种选择。那么，为什么该行业将人工智能用于金融？
信用偿付能力评估
人工智能可以帮助银行更放心地向通过系统检查的人发放信贷。为此，程序和算法会分析有关潜在借款人的所有可用信息，研究其信用记录，工资水平的变化，并在此基础上确定客户的可靠性和贷款的安全性。此外，中资银行已经走得更远，并决定不仅仅局限于分析数据。
他们开始引入面部微表情识别技术。这样一来，他们就可以了解客户借贷时是否在撒谎。为此，他们开发了AI系统，借助智能手机相机，它可以检测肉眼看不见的面部表情的最小变化。因此，银行发现了潜在的欺诈者，他们已经将未付贷款的损失减少了60％。
做决定
这是一项全球性任务，通过在金融服务中引入AI和ML可以成功解决。当算法可以分析所有可用的结构化和非结构化数据时（包括公司业务流程的内部数据和外部数据，例如客户请求及其在社交媒体上的操作），金融机构可以发现有用的趋势和潜在的危险趋势。它有助于评估风险水平并允许人们做出最明智的决定。
欺诈保护
银行和支付系统已经在开发模型以识别和阻止大多数欺诈性交易。这些模型建立在客户的交易历史以及客户在Internet上的行为的基础上。大数据技术已经开发出了基于人工智能的，可检测在线欺诈的系统。
人工智能还将减少欺诈性社会工程。例如，当冒充银行职员的冒名顶替者伪造数据时，他的活动将被抵消。这样的系统将使金融欺骗对犯罪分子无利可图，大多数重罪计划将“死亡”。
服务水平提升
许多银行已经实现了基于AI的应用程序，使客户能够获得当前问题的答案。例如，客户可以了解他本月的支出，在食品上的花费，信用卡债务，最负担得起的保险等。
有些应用程序在连接到支付系统时会分析帐户。例如，用于移动通信或Internet。这些为所有者提供了更多的储蓄和赚钱潜力。先进的算法可以在线分析用户行为，并允许金融机构开发更多个性化和互惠互利的产品。例如，如果客户正在寻找购买汽车的机会，则银行可以在分析客户的财务状况之后制定合适的贷款要约。
基于数据分析的客户保留与获取
根据对客户个人财务行为的分析，银行正在制定适当的广告或建议。这样，银行还可以接收有关客户或潜在客户的意图的信息。他们有机会吸引目前需要个性化报价的新客户，如果客户计划拒绝与该银行合作，他们还可以采取措施中止服务。
提高效率
具有AI的系统可帮助自动化和优化银行分支机构中发生的流程。将来，纸介质的使用将被完全放弃。所有信息将以电子形式存在。因此，AI可以促进内部操作的工作，进行例行操作并比任何员工更快地处理它们（不牺牲准确性）。
此外，人工智能收集和组织不断变化的信息的能力可以提高报告效率。人工智能还可以设计内部文档，甚至可以列出常见问题；所有这些都将根据需要不断更新。
制定投资策略
每次处理新的信息流时，人工智能都会对其知识进行学习和系统化。这样一来，它就可以评估市场情况，并通过大数据分析形成最有利可图的投资交易。许多对冲基金已经对王牌进行了算法交易。该程序能够研究，分析和系统化对人脑来说过大的数据量，除此以外，在开发投资策略时使用AI的主要优势在于，它对典型的人类感受一无所知和情感。贪婪，恐惧和兴奋与这项技术无关。因此，其所有假设都是绝对合理的。
在道德方面收集用户数据
所有这些任务都可以借助大数据分析（包括个人数据）成功解决，而人工智能显然在此方面取得了成功。但是，提出有关收集有关用户信息的道德规范的问题是合理的。目前，只有58％的用户对收集其个人信息的其他人或技术感到平静。但是，如果用户与另一方之间存在信任，则客户会对其个人数据的安全感到放心。
人工智能在金融中的应用
可以肯定地说，人工智能和金融已被证明是有益的组合。人工智能和机器学习技术正在完全改变我们与银行和金融机构互动的方式。根据最近的一项研究，有77％的顾客选择使用信用卡付款，而只有12％的顾客选择现金付款。这并不奇怪，因为使用信用卡可以使租房，在线购物或预订机票变得更加容易。
银行使用各种因素来决定批准信用卡和贷款，信用记录是最重要的因素之一。以下是一些利用人工智能做出更明智的信用决策的公司的示例。
热情金融
总部位于洛杉矶的ZestFinance推出了Zest自动化机器学习（ZAML）平台。这是一个有助于信用评估的承保解决方案。此处的人工智能可以评估缺乏信用记录的借款人。
基于各种数据点，该平台提供了令人印象深刻的透明度。放贷者现在可以改善对过去认为无法放贷的人的评估。ZAML是旨在快速实现和扩展的端到端平台。据ZestFinance称，实施ZAML的汽车贷方已经将年度亏损减少了25％。
科学系统
纽约市的一个项目提供了一个由AI驱动的承保平台，该平台为信贷机构提供了更高的透明度并减少了损失。Scienaptic Ether已经拥有1亿多客户，可以连接数量惊人的数据。该平台可在转换数据时做出明智的决策，并在每次交互时了解更多信息，从而提供上下文承保情报。与一家领先的信用卡公司合作，Scienaptic声称在不到一个月的时间里节省了1.51亿美元。
金融业正越来越多地使用机器学习来获得更准确，灵活的模型。机构已经可以改善趋势搜索，风险管理和未来计划。这里有些例子：
宪章
该公司为各自的金融机构的领导者提供机器学习功能和数据分析，这些领导者包括美国银行，摩根士丹利，标普全球和摩根大通。Kensho的分析解决方案基于自然语言处理（NLP）和云计算的精华。他们的系统可以用英语回答复杂的财务问题。标普全球于2018年以5.5亿美元的价格收购了Kensho。
阿亚斯迪
该公司提供基于云的现场机器智能解决方案，以帮助组织应对多层次的挑战。Ayasdi用于识别，评估和管理风险；预测客户需求；甚至有助于减少洗钱活动。通过使用Ayasdi的反洗钱（AML）解决方案，一家领先的银行节省了20％的调查费用。
当今的消费者对银行业务的要求更高。据埃森哲公司称，在33
卡西斯托
KAI（一种基于AI的对话平台）的开发人员目前正在改善金融行业的客户体验。KAI提供自助服务解决方案，最终减少了与员工交谈的需求，从而降低了呼叫中心的通话量。不仅如此，他们的聊天机器人还提供基于数据的建议和日常财务决策建议。道明银行集团已计划将Kasisto解决方案添加到其移动应用程序中。
安倍晋三
该虚拟助手与Facebook，Google Home，Amazon Alexa，SMS，Web和移动电话集成，可为客户提供更好的银行体验。它可以与支持请求一样简单，但也可以扩展到对话管理和个人金融银行业务。对于每个银行或金融机构来说，如今都必须提高网络安全性。人工智能和机器学习可以在这一领域产生巨大的影响。以下是一些为行业领导者提供基于AI的网络安全的公司。
形状安全
美利坚合众国的主要银行已经在使用Shape Security来减少信用申请欺诈，刮擦，礼品卡破解和凭证填充。Shape Security的软件可以通过经过数十亿次请求训练的机器学习模型，轻松区分真实的人和机器人之间的区别。他们的网络Blackfish使用AI机器人来检测受损的登录凭据，并通知客户和银行确切的时间发生欺诈。Shape Security帮助一家大银行在使用的第一周内防止了100万个帐户的劫持。
黑暗痕迹
这些是许多行业的网络安全解决方案的开发商，金融就是其中之一。他们的机器学习平台分析网络数据并提供基于概率的计算，在欺诈行为可能对地球上最大的金融机构造成损害之前对其进行检测。
总结了我们在金融领域的AI应用程序和金融科技领域的AI列表。现在，让我们仔细看看银行业如何使用机器学习技术。
银行机器学习
由于AI和ML金融项目的影响，银行业可以永远改变。这种变化的范围是惊人的。但是，大多数银行机构仍仅在其流程中开始实施AI。根据叙事科学和国家商业研究所的数据，已经有32％的金融服务主管使用了以下AI技术：预测分析，推荐引擎和语音识别。
在银行业中使用AI和ML的最大障碍是遗留系统。作为传统行业，银行业务负责人一直在犹豫不决地更改似乎对他们而言完美无缺的技术流程。因此，这减慢了AI的集成速度。
随着客户对银行的更多需求，客户已成为机器学习和人工智能的真正推动者。商业领袖了解保持竞争优势的必要性，因此被迫发展。
作为AI的一部分，机器学习有助于改善客户体验，并使企业减少对人类员工的依赖。这是ML可以显着改善的银行业的五个主要领域。
预防诈骗
信用卡欺诈检测和预防 对任何金融机构都是一个挑战，对银行的声誉和利润率至关重要。幸运的是，预防欺诈是机器学习提供帮助的理想领域。银行拥有可通过机器学习算法分析的大量数据：消费习惯，位置和客户行为。如果发现可疑，机器学习可以立即得出结论并通知持卡人。对于人类员工来说，这种精确度是不可能的，因为必须实时分析数百笔交易。此外，算法不太可能出错。当检测到异常时，系统可能会立即要求客户端提供更多信息或阻止交易。通过实施ML，银行可以及时发现欺诈行为。
风险管理
信贷风险测试的自动化最终减少了银行的损失。考虑到交易历史，人工智能还可以对可能发生的问题做出预测。在几分钟之内，算法就可以处理大量数据，远远超出了员工的能力。大数据 技术为个人投资组合持有人提供了更深刻的见解，从而可以更好地制定决策。
个性化
尽管安全性对于客户和企业非常重要，但它们也重视独特的客户体验和多种银行业务选择。ML算法可以轻松地与单个客户数据保持联系。Capital No.1的助手Eno会在向客户收取两次信用卡费用或在咖啡馆给他们的小费太多时向客户发送通知。有时候，取回您的钱是一个漫长而令人沮丧的过程；该助手在通过您的信用卡确定有效交易时可能会非常有用。
机器学习模型可以向客户建议银行工具，以改善他们的财务决策。由于每个银行都提供大量不同的服务和选项，因此有时会造成混乱。人工智能可以为客户提供最佳的银行业务选择，帮助他们感到更加重要和满意。
信用评估
借助机器学习，对信用历史进行评分和评估潜在借款人的过程可能比现在流行的方法容易得多。ML可以客观地评估借款人，没有偏见或情绪。根据每个客户可用的大量历史数据，银行可以更清楚地了解风险。
流程自动化
机器人流程自动化（RPA）可以接管日常任务，从而为客户提供更精确的服务，而无人为错误。同时，员工可以专注于更复杂的任务。摩根大通公司（JPMorgan Chase＆Co）的Contract Intelligence（COIN）已自动处理法律文件以及提取数据。机器学习和图像识别被用来确定法律文件中的模式，从而将每年36万小时的人工劳动减少到仅几个小时。聊天机器人的使用已经非常流行。这是实现自动化，提高速度并降低人员参与此类过程的需求的另一种方法。
满足客户需求
另一个有趣的观点是客户对采用人工智能和机器学习的兴趣甚至需求。银行机构可以保持他们想要的保守度，但是他们的客户期望银行提供AI解决方案。安全性和个性化水平的提高正成为银行的新标准，它们必须遵守。人工智能的采用存在许多障碍，例如技能差距，遗留系统和高成本。但是，客户要求以改变作为忠诚度的代价，因此，银行必须现在和将来都要遵守。
金融业AI的隐患
人工智能开发领域的专家认识到，人类将仍然活着看到比其创造者更聪明的真实人工智能的出现。最重要的是，这种由人工神经网络创建的系统将独立思考和决策。这项创新的第一个也是最明显的后果是，金融业（以及其他主要行业）将开始逐渐放弃人们对业务流程的参与。
法国兴业银行是法国最大的银行之一，它已经宣布到2020年将其分支机构和900个工作场所减少15％，这是由于采取了更为积极的数字技术措施而采取的降低成本措施的一部分。因此，从事例行工作的金融业员工将很快被人工智能取代。
领先的日本公司也宣布愿意自动化30
同时，引入AI并不能弥补所有可能的错误-尽管该算法不能两次产生相同的错误。
金融业引入人工智能的投资和前景
但是，尽管存在各种危险和弊端，但统计数据证明，复杂的算法可以很好地应对任务，并增加了已经将其用于业务的人的利润。
46％的金融科技公司认为有必要在未来12个月内投资人工智能。
目前有25％的银行正在开发防止欺诈的系统。此外，金融机构认为此机会最为重要。
据预测，到2030年，借助人工智能，银行将节省1万亿美元。
金融行业的公司将在AI上进行最大的投资。
结论
人工智能绝对是一个有前途的投资领域。如果金融业的公司今天关注这些创新，它们将在未来几十年保持竞争力。在金融行业引入机器学习算法和人工智能时，领导者还需要考虑一种防范网络攻击的系统，以及使用户对数据安全性充满信心的方法。

关注 CDA人工智能学院 ，回复“录播”获取更多人工智能精选直播视频！