您现在的位置是：首页 > 文章详情

酷炫二重奏：6个案例向你展示AI如何帮助金融技术发展

日期：2020-03-03点击：370收藏

云栖号：https://yqh.aliyun.com
第一手的上云资讯，不同行业精选的上云企业案例库，基于众多成功案例萃取而成的最佳实践，助力您上云决策！

在中国，使用互联网在账户间转账、申请银行贷款或进行交易，已成为居民日常。

不知道每当你用支付宝或微信进行转账或交易时，是否会意识到金融技术在日常生活中已经举足轻重。

2018年，大约 61%的美国人都使用数字银行服务，到2022年，这个数字将超过65%。金融技术是第四工业时代的新特征之一，是快速发展的数字技术应用，旨在改善和促进金融服务。

公司争相采用金融技术来提高竞争力。

令人印象深刻的是，该行业吸引了巨额投资：根据毕马威会计师事务所（KMPG）的数据，2018年，仅在英国，该行业就吸引了超过160亿美元的投资。

另一方面，整个国家都在及时采用人工智能技术，来争夺最大的利润。

韩国公布了一项有野心的国家计划，预计到2022年，投资20亿美元以提高其人工智能的研发水平。该计划包括在全国建立6个新的人工智能研究机构。该国研发支出占GDP的比例(4.3%)全球排名第一；引人注目的是，很大一部分支出用于人工智能。

还有一个国家，也想与世界领先的主导AI的国家并驾齐驱，那就是以色列。2018年，人工智能初创公司筹集了超过15亿美元的资金。

以色列是人工智能人才的温床。通过追踪近4000名在人工智能研发和集成(包括软件和硬件)方面工作的开发人员、工程师和数据科学家，发现，其中64%受雇于初创企业，31%在当地和跨国公司工作，这些公司在以色列设有专门的人工智能中心、实验室。然而，全世界对人工智能解决方案开发、部署和维护的需求如此之高，以至于目前的国家资源库根本难以满足需求。这使得许多金融技术公司需要借用外部人工智能人才库，以避免陷入国内人才短缺的“困境”，并加快上市时间。

例如，SkyCoin是以色列的第三代区块链平台，未能为基于AI的解决方案开发找到足够的Go语言工程师，于是在乌克兰雇佣了一个专门的软件团队，以加快上市时间，并组建比其国内更大的人工智能人才库。

金融技术通常被认为是全球人工智能驱动变革的催化剂，因为许多银行和金融机构已经有一定机会开创人工智能并从中获益，而许多其他行业正在观望，等待看到第一个成功的使用案例和合理的投资回报。

根据2018年金融技术研讨会，使用机器人过程自动化(RPA)的公司通常在3-8个月内就能收获40%-100%的投资回报率。

有些预测更加夸张。根据美国金融技术专业独立分析机构的“自主研究”，仅在美国，使用RPA和其他人工智能技术，就能帮助银行和金融机构节省超过1万亿美元；可以大幅削减现金业务专家、安保人员和其他工作人员的数量，预计将节省4900亿美元。如你所见，预计2019年后，人工智能和新兴技术将在金融技术向成熟产业转型中发挥关键作用。

下面来看看金融技术行业中的6个案例，关于如何有效利用机器学习（ML）、自然语言处理（NLP）和深度学习，更好地理解人工智能的变革性多么强大且独特。

1、自然语言搜索

在客户服务中，自然语言处理应用于帮助客户搜索与某个公司的交易或服务，同时，自然语言搜索也是筛选公司内部数据的一个非常有用的功能。金融公司需要即时按需访问内部数据以提高竞争能力。自然语言搜索使公司能够在几秒钟内完成这样的搜索。NLP将人类语言转换成一个SQL请求，并以方便的可视化形式提供结果。在现代市场中，当银行在不同时区全天候运营时，掌握相关信息可以节省数十亿美元，并有助于做出明智的战略决策。

2、算法交易

根据Techfunnel的数据，2017年，多达73%的日常交易活动是通过机器学习算法进行的。如今，金融公司越来越认识到算法交易的好处：它遵循预先定义的规则，减少了失误，无需使用耗时的市场监控，最重要的是，它不受人类情感的影响，而人类情感往往是高错误率的罪魁祸首。随着金融技术的发展，越来越多的企业更信任机器学习而不是人类的直觉。

3、信誉评估

自然语言处理是所谓金融普惠背后的驱动力，有助于最大限度地为以前没有银行账户的人群提供银行服务。例如，在美国和欧盟，银行可以通过分析客户的信用记录来评估其信誉，但在发展中国家，大多数客户根本没有任何信用记录。这就是自然语言处理和高级文本挖掘发挥作用的地方：通过分析用户在浏览互联网和使用社交媒体时留下的数字足迹，生成一个信用评分，帮助准确预测用户的下一步行为。

4、客服机器人

根据近年来开展的多项研究，如果有其他出路，绝大多数美国千禧一代会很乐意抛弃银行。这一代的技术人才列出了他们在银行亟待解决的难事，包括排长队以及与银行人员不愉快的互动等等。

自然语言处理是一套旨在识别人类语言和语音的技术，它的使用推动了聊天机器人的发展，使其能够执行一系列令人印象深刻的操作：如虚拟助理及自动索赔处理。虚拟助理将先前令人厌恶的经历变成愉快的体验。基于此技术，聊天机器人可以帮助客户分类整理金融产品，创建储蓄计划并控制客户的消费。例如，光大永明人寿（Sun Life）创建了数字教练Ella，帮助客户浏览他们的福利和养老金计划。

在保险技术领域，人工智能的操作都是与客户相关的：保险公司使用的客户风险评估中，个性化远程信息处理设备在跟踪驾驶状况和健康状况中发挥了重要作用。人工智能会自动选择适合每种风险状况的保险产品，并通过虚拟顾问提供给客户。

5、预测分析

另一个在金融技术中使用机器学习的典型例子是预测分析。通过及时采集、处理和分析大量数据集，企业能够比传统方法更快、更准确地预测未来的金融趋势。由于有助于分析数据、预测风险和识别机会，时至今日，机器学习算法稳步取代了传统的分析工具。

6、欺诈检测

技术进步往往会给金融机构带来更多的欺诈风险和安全漏洞。事实上，没有哪个行业像金融业那样遭受无数欺诈相关的损失。根据Javelin的身份欺诈报告，2018年，美国约有1700万企业经历过欺诈。幸运的是，ML欺诈检测工具也变得越来越先进，并且被证明比传统的手工方法更有效。ML能实时检测异常，验证措施少而有效，能识别隐藏的欺诈活动。银行交易和生物识别用户认证只是ML应用于检测欺诈的一部分例子。

Regtech是另一个新兴的金融技术细分市场。简而言之，它被公认为能够“利用新技术促进实现监管要求”，在现代快速发展的市场中，监管要求变得越来越复杂且无处不在。例如，像Comply Advantage这样的公司利用人工智能和机器学习来检测洗钱和恐怖融资，帮助公司遵守全球法规并保护其业务。