银行中的机器学习–机会，风险，用例
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研究技术突破。幸运的是，人工智能和机器学习已经在这里帮助他们实现这一目标。改善数据处理将带来更好的策略和预防欺诈的水平。
银行统计中的人工智能
根据研究公司Autonomous Next的预测，到 2030年，全世界的银行将能够通过使用人工智能技术将成本降低22％。储蓄可能达到1万亿美元。
金融公司雇用了60％的专业人员 有创造AI系统技能的人。
预计将在银行部门中使用面部识别技术来防止信用卡欺诈。人脸识别技术将 在2020年将其年收入增长率提高20％以上。
银行如何使用人工智能
银行从其客户，投资者，合作伙伴和承包商那里收到的数据是动态的，可用于不同目的，这取决于用于分析数据的参数。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
当银行和其他金融组织有机会了解有关用户及其在网络上的行为的所有信息时，他们同时也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，可以使用聊天机器人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，以及在用户超过透支额度的情况下向用户发送通知，反之亦然，如果帐户余额高于通常水平，则相反。
个性化优惠
拥有有关用户行为的各种信息，可使金融公司了解客户目前的需求，以及他们愿意并能够支付的费用。因此，例如，如果客户正在看汽车经销商的广告，那么在分析其偿付能力和所有可能的风险之后，开发个性化的贷款报价可能是有意义的。
客户保留
在银行中使用大数据的现代AI系统不仅可以分析，而且可以做出假设。例如，在许多情况下，可以预测客户是否拒绝银行组织的服务的意图。对这种意图的了解表明，有必要采取额外的保留措施，创建更具针对性和个性化的报价，从而改善客户体验。
机器学习实现银行安全交易
在预防欺诈的背景下，金融行业机器学习的主要优势在于系统可以不断学习。换句话说，同一个欺诈性想法将不会奏效两次。这非常适合 银行业中的信用卡欺诈检测。
人工智能如何使银行安全
大多数金融交易是在用户通过Internet或实体商店购买商品时进行的。这意味着大多数欺诈交易也以购买东西为借口发生。银行中的AI提供了防止这种情况发生的机会。例如：
带有面部识别功能的相机可以确定在实体销售点购买时信用卡是否在合法所有者的手中。
跟踪发生金融交易的可疑IP地址可以帮助防止使用优惠券进行欺诈，并识别欺诈意图。例如，如果某人购买某产品是为了将假冒产品退还该产品。
市场研究与预测
结合大数据的机器学习不仅可以收集信息，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思路，降低信用风险（还可以找到针对特定用户的最低风险和最适合的贷款之间的中间地带），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。最简单的示例是聊天机器人，它可以成功地为客户提供有关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款！除了使用ML可以使公司降低成本这一事实外，合乎逻辑的是，由于改善了客户服务，它还有助于增加利润。
美国银行的机器学习用例
以下是一些有关美国领先银行的机器学习工作原理的示例。
摩根大通
这家美国领先的银行已经开发了一种 称为合同智能（COiN）的智能合同系统。基于数据和机器学习的算法有助于快速查找必要的文档和其中包含的重要信息。目前，该银行处理着超过12
美国银行
该银行的聊天机器人是一位真正的财务顾问和战略家。该系统分析用户数据并在客户显示出略有不同的购买习惯时发出警告，并提醒他需要支付账单。美国银行的聊天机器人还知道如何使用银行卡执行简单的操作，例如阻止和取消阻止卡。
富国银行
该银行开发了一个智能聊天机器人，可以将与网站的互动变成简单便捷的过程。富国银行开发了Predictive Banking分析系统，该系统能够将异常情况通知客户。例如，如果客户的支出超过了其平均支票金额。如果客户收到的转账金额大于其通常保留在其帐户中的资金金额，则该系统还可以建议在存款中节省一定金额。
花旗银行
花旗银行开发了一个功能强大的欺诈预防系统，该系统可跟踪用户行为的异常情况。特别是，该系统经过精心设计，可以在互联网上购物时检测到信用卡交易的欺诈行为。
美国银行
该银行开发了“费用向导”（Expense Wizard），该应用程序允许客户管理其帐户以及预订机票和国外住宿。这个程序专注于其他国家的安全付款。对于不使用公司信用卡进行商务旅行的人来说，这非常方便，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。
在银行中采用机器学习是否存在任何风险？
当然，人工智能技术可以彻底改变银行业。但是，存在某些风险-但它们主要与技术的新颖性以及用户之间对他们的实际工作方式缺乏充分的了解有关。
裁员
这是与AI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不限。但是，现代研究表明，与无人认领的职业相比，银行业的人工智能将提供更多的新工作。另外，您还记得我们在本文开头谈到的研究吗？金融机构雇用了60％的AI人才。这已经有足够的理由说我们不应该期望完全崩溃。
更少的人际交往减少了信任
还有一种观点认为，由于与人类顾问合作的机会越来越少，用户对金融机构的信心也会降低。这是正确的，但仅部分如此。我们很可能会观察到这种趋势，但只针对前一代人，他们不太愿意一开始就相信技术。但是对于愿意为便利性和可靠性支付更多费用的千禧一代，他们很高兴有机会单击几下进行任何操作。
道德风险
道德风险与金融公司为自己的利益（以及对客户的利益）的收集，存储，系统化，分析和使用的数据量持续增长这一事实有关。一些用户不喜欢这种趋势，但是目前无法采取任何行动而不会留下任何个人数据。欺诈者最不喜欢这个事实，因为他们已经开始觉得欺骗AI系统变得越来越难了。同时，这对于改善用户体验和提高安全级别是绝对有利的。
假阳性结果风险
机器学习系统和AI会跟踪用户行为的模式，并将其与每个用户相关的规范接受版本进行比较。因此，例如，如果用户在国外完成交易，但他没有将旅行信息通知银行（或者由于某种原因，银行无法捕获此信息；例如，用户没有从信用卡上购买机票） ，但作为礼物收到），则此操作可以解释为欺诈。但是实际上，所有事情都是合法的-仅有少量信息会导致错误的肯定结果。
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AI引入其业务流程，金融组织应清楚地了解其目标-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，在为银行或另一家金融公司开发AI和ML解决方案时，您需要确保委托此任务的公司了解您的业务细节，并知道该软件应完成的任务。
此外，在选择潜在的AI供应商时，请确保该公司已经具有开发针对金融部门的解决方案的经验。为什么？因为安全要求比任何其他领域都高，所以可能只有医疗保健例外。这是我们在6家AI公司中排名前十的文章，其中包含有关选择合适的供应商的更多详细建议。
结论
金融部门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度。但是，要做到这一点，您的AI解决方案必须由称职的专家团队开发。SPD Group已具有为金融机构开发机器学习和人工智能的经验。

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！