对（duì）于金融机构来说，从冠（guàn）状病毒疫情中恢复将会结束他们采（cǎi）用人工智（zhì）能(AI)和机器学习(ML)的实验性工作，并要求大规模（mó）采用。疫情危机要求金融组织（zhī）全（quán）天候响（xiǎng）应客户（hù）需求，因此他们不断加快转型的步伐，但是（shì）必须确保其核（hé）心关键业务（wù）继续平（píng）稳运行（háng）。这（zhè）引起了（le）金（jīn）融行业对人工智能和机器学习解决（jué）方案的兴趣，这些解决方案减少了对操作进（jìn）行人工干预的需求，显（xiǎn）著提高了安全性，并为业务创新腾出了（le）时间。人工智能和机（jī）器学习减少了（le）从产生（shēng）创意（yì）到为创造价值（zhí）之间的时间（jiān），为（wéi）组织带来（lái）了长期的战略（luè）优势（shì）。

人们（men）现在看到（dào）很多（duō）银行和金融机构正在转型成为类似于大型科技公司的数（shù）字（zì）化驱动型组（zǔ）织，致力建立能够持续关（guān）注客户的能力。那么（me）银行和金融机构如何才能充分（fèn）利用人工智能?在实践中有哪些关键用（yòng）例?

对业（yè）务（wù）的好处

在疫情发生（shēng）之（zhī）前，许多金融服务机构已经（jīng）采用了人工智能和机（jī）器学习。然而，人们（men）难以确定哪些关键功（gōng）能从人工智能中受益（yì）最大，因此这（zhè）些（xiē）技术（shù）并（bìng）不总能带来预期的（de）回报。这种情（qíng）况将在未来几个月内发生（shēng）变化：人工智能和（hé）机器（qì）学习部署的增加将成为疫情期间经济复苏的核心（xīn），疫情突出了应用人工智能的特定领域（yù）。这些范围从（cóng）信（xìn）用贷款决（jué）策、防止欺（qī）诈（zhà）到通过无（wú）摩擦的全天候互动改善客户体验。

人工（gōng）智（zhì）能可以改进的（de）一些特（tè）定金融服务流程包括（kuò）：

智能自动化文档处理

人工智（zhì）能和机（jī）器人流（liú）程自动化优化（huà）了各种功能，提高了（le）效率，并提高了（le）核心财务（wù）流程的整体速度和准确（què）性，从（cóng）而显著（zhe）节省了（le）成本。一个典型（xíng）的领（lǐng）域是e-KYC，这（zhè）是一个远程的、无纸化（huà）的（de）过（guò）程，可以减少“了解客户（hù）”协议的（de）审批成本，例（lì）如（rú）验证客户（hù）身份和签名。

这项任务曾经涉及重复（fù）和平凡的工作，需要付出相当大的努力来（lái）跟（gēn）踪文件处理、贷款支付和（hé）偿还情况以及监管整个（gè）过程。然而在今年，很多组织正在采（cǎi）用（yòng）智（zhì）能自动化平台来管理、解释和提取非结构化（huà）数据，其中包括文本、图像、扫描（miáo）文档(手（shǒu）写（xiě）文档（dàng）和电子文档)、传真（zhēn）和网页内容。这些平台运行在自然语言处理（lǐ）(NLP)引擎上，该引（yǐn）擎可以识（shí）别任（rèn）何丢失、看不（bú）见和格式错（cuò）误的数据（jù），提供（gòng）近（jìn）乎完美的精确度（dù）和更高的（de）可靠（kào）性。由（yóu）于缩短了平均处理时间，组织通过改善客户体验获得显著的（de）竞争优势（shì）。

高效、全面的客户支持（chí）

虚拟助理能够以更少的（de）人工投入来响应客户的需（xū）求。作为（wéi）一种提高生（shēng）产率的简单方法，减（jiǎn）少（shǎo）了（le）在客户查询时花费的时间和精力，从而使（shǐ）组织（zhī）团队能够专（zhuān）注于推动业务创（chuàng）新的长期项目。

人们都熟（shú）悉电子商务网站上的（de）聊天（tiān）机器人，并且这（zhè）样（yàng）的解决方案在金融（róng）服务（wù）行（háng）业中变得越来越普遍。摩根大通(JP Morgan)等（děng）金融机构现在正利用聊天（tiān）机器人简（jiǎn）化其后台（tái）操作，加强客户（hù）支持。这些平台（tái）包（bāo）括COIN平台，该平（píng）台运行（háng）在银行私有云网络支持的机（jī）器学习系统上。除了（le）创建对一般（bān）查询的适当（dāng）响应之外，COIN还（hái）可以（yǐ）自动执行法（fǎ）律归（guī）档任务、审阅文档、处理基（jī）本的IT请（qǐng）求(如密码重置)，并为银行家（jiā）和客（kè）户创建了新的工具，从而提高他（tā）们的熟（shú）练程度，并减少人为错误。

风险管（guǎn）理分析

评估信誉（yù）度主要基于个（gè）人或组织偿还贷款的可能性。确（què）定违约的可能性是所（suǒ）有（yǒu）贷款（kuǎn）组（zǔ）织的风险管理流程的基础。即使有（yǒu）无懈可击（jī）的（de）数据分（fèn）析，评估（gū）这一点仍然（rán）存在困难，因为可能（néng）对一些个（gè）人和组（zǔ）织偿还（hái）贷款的能力不信任。

为了解（jiě）决（jué）这（zhè）一问题，Lendo和ZestFinance等公司正在使用（yòng）人工智（zhì）能进行风险评估，并确定个（gè）人的（de）信（xìn）用（yòng）度。像Equifax这样的信用机构（gòu）也使（shǐ）用人（rén）工智能、机器学习和先进的数据（jù）和分析工具来分析风险评估中的替代来源（yuán），并在这个过程中（zhōng）获（huò）得洞察力。

以往在这个过程中通常使用贷（dài）款者有限的（de）数据（jù）集，例如（rú）年（nián）薪和信用（yòng）评分。然（rán）而（ér），采用人工智（zhì）能技（jì）术，组（zǔ）织现（xiàn）在能够考虑（lǜ）个人的数字财务足迹来确定违约的（de）可能性。除了传（chuán）统数据集之外，这种替代数据的分（fèn）析对确定没有常（cháng）规贷款或信用记录的个人的信誉尤（yóu）其有（yǒu）用（yòng）。

在今年，企业（yè）和客户之（zhī）间的互动方式发生了不可逆转的变化，金融（róng）行业也（yě）不例外。在（zài）疫情带来的紧迫性之前，金融机构（gòu）已经在（zài）有限的范（fàn）围内尝试采用人工智（zhì）能和机器学习技术。今年得以更加广泛的采（cǎi）用（yòng）源于（yú）金融行业对业务创新（xīn）和提高弹性的需要。

银行和（hé）金融机构现在已（yǐ）经意识（shí）到了受益（yì）于人工（gōng）智能的关（guān）键领（lǐng）域，例如，后台运营效率的提高以及客户参与（yǔ）度的显著提高。在疫情发生之前还处（chù）于起步阶段的转型已（yǐ）经加速，并且正迅速成为一（yī）种标准。更重要的是，现在（zài）接受（shòu）人工（gōng）智能并优先考虑其（qí）全面实施的金融机构将有（yǒu）可能在未来获得更多的回报。