從疫情大流行中復甦的金融機構將結束人工智慧和機器學習的試驗性實驗，並要求它們大規模採用。金融危機要求金融機構全天候響應客戶需求。因此，許多企業正在以越來越快的速度進行轉型，但它們必須確保其核心關鍵業務繼續順利執行。這引發了人們對人工智慧和機器學習解決方案的興趣，它們減少了人工干預操作的需要，顯著提高了安全性，併為創新騰出了時間。縮短創意產生和IT為企業帶來價值之間的時間，人工智慧和機器學習為組織帶來長期的戰略優勢。

我們現在看到，銀行正在轉變為類似於大型科技公司的數字驅動型企業，構建能夠讓客戶獲得持續關注的能力。那麼，銀行和金融機構如何才能最大限度地利用人工智慧，在實踐中有哪些關鍵的用例？

整個業務的好處

許多金融服務公司在大流行之前就已經採用人工智慧和人工智慧。然而，許多人難以確定哪些關鍵功能從人工智慧中獲益最大，因此該技術並不總是能帶來預期的回報。未來幾個月，這將發生變化：增加人工智慧和機器學習的部署將是從疫情中進行經濟復甦的核心，而且疫情的爆發突出了應用人工智慧的特定領域的優勢和存在感。從通知信貸決策和防止欺詐，到與客戶無障礙、全天候的交流溝通，以善客戶體驗。

AI可以改進的一些具體金融服務流程包括:

文件處理與智慧自動化

智慧和機器人流程自動化優化了各種功能，提高了效率，提高了核心財務流程的整體速度和準確性，從而節約了大量成本。引人注目的領域是e-KYC，即“客戶認證電子化”。這是一個遠端、無紙化的過程，可以降低關鍵的“客戶認證”協議，如驗證客戶身份和簽名的線下認證流程。

這個任務曾經涉及重複的、平凡的操作，需要花費大量的精力來跟蹤檔案處理、貸款支付和償還，以及整個過程的監管報告。今年以來，各機構一直在採用智慧自動化平臺來管理、解釋和提取非結構化資料，包括文字、影象、掃描文件(手寫和電子)、傳真和web內容。這些平臺執行在NLP(自然語言處理)引擎上，該引擎可以識別任何丟失的、看不見的和格式不良的資料，提供近乎完美的準確性和更高的可靠性。憤怒處理時間減少了，公司透過提高客戶體驗獲得了顯著的競爭優勢。

有效和徹底的客戶支援

虛擬助理可以以最少的員工投入來回應客戶的需求。直接的提高生產力的方法，花費在普通客戶查詢上的時間和精力被減少了，解放了團隊去關注那些推動整個業務創新的長期專案。

我們都熟悉電子商務網站上的聊天機器人，這類解決方案將在金融服務行業變得越來越普遍，摩根大通(JP Morgan)等機構現在正利用這些機器人來簡化他們的後臺操作，加強客戶支援。這些平臺包括COIN (contract intelligence的縮寫)，它在銀行私有云網路支援的ML系統上執行。除了為一般查詢建立適當的迴應外，COIN還自動執行法律歸檔任務、審查檔案、處理密碼重置等基本IT請求，併為銀行家和客戶建立新的工具，使其更加熟練，人為錯誤更少。

風險管理分析

估計信用度很大程度上是基於個人或企業償還貸款的可能性。確定違約機率是所有貸款機構風險管理流程的基礎。即使有無可挑剔的資料，評估這種情況也有困難，因為一些個人和組織在償還貸款的能力方面可能不誠實。

貸款機構曾在這一過程中使用一組有限的資料，如年薪和信用評分。然而，多虧了人工智慧，組織現在能夠考慮個人的整個數字財務足跡，以確定違約的可能性。除了傳統資料集之外，對這些替代資料的分析對於確定沒有常規貸款記錄或信用記錄的個人的信用價值特別有用。

現在是採取行動的時候了

今年，企業和客戶之間的互動方式發生了不可逆轉的變化，金融業也不例外。出於流感大流行所要求的緊迫性，金融機構一直在有限的規模上試驗人工智慧和ML，主要是為了“跟上鄰居”而進行的一種“倒計時遊戲”。今年出現的廣泛採用源於真正的創新和提高整個行業韌性的需要。

銀行和金融機構現在意識到了從人工智慧中受益的關鍵領域，比如後臺操作的更高效率，以及客戶參與度的顯著改善。在疫情出現之前還處於起步階段的轉型程序正在加速，並正在迅速成為標準做法。更重要的是，目前正在接受人工智慧、並將其全面實施列為優先事項的金融機構，將處於未來收穫其回報的最佳位置。