【51CTO.com快譯】在過去的幾年中，金融行業越來越多地採用智慧解決方案應對行業領域不斷變化的格局。如今人工智慧(AI)和機器學習(ML)廣泛應用在各行業領域。

2019年，人工智慧在金融科技領域中的市場規模為66.7億美元。預計這一數字將在未來五年內增長到226億美元以上，而在此期間的複合年增長率(CAGR)高達23.37%，並且沒有任何放緩的跡象。

人工智慧和機器學習發展背後的驅動力是什麼?

其實不僅僅是金融科技領域，幾乎所有行業領域都對人工智慧和機器學習解決方案有著更高的需求。

目前，人工智慧技術用於解決各種業務挑戰。人工智慧和機器學習最常見的用例包括：

38%–降低成本37%–提供見解34%–提高客戶體驗30%–內部流程自動化27%–欺詐檢測26%–提高客戶滿意度

簡而言之，人工智慧和機器學習技術是幾乎所有行業領域變革的動力。透過採用這些技術，組織將對客戶需求和企業流程有更深入的瞭解，能夠針對不斷變化的市場需求來最佳化和完善產品和服務。金融科技領域也不例外。

(1)機器人顧問

在機器人顧問的應用中，將會看到從線上問卷調查到專用基金和投資組合管理，再到基於演算法的再平衡和建議的進步。而在2021年，人們將會看到系統的改進和更加完善的自我學習演算法，以幫助投資者。

(2)流程最佳化

人工智慧和機器學習目前在金融科技領域中最普遍應用的用途之一是流程最佳化，在2021年仍將繼續增長。流程最佳化可幫助金融機構減少員工的工作量，並在總體上使流程更加高效，提高生產力。通常情況下，流程最佳化用於自動化呼叫中心功能、最佳化面向客戶的聊天機器人的文書工作，以及改進員工培訓。

在2021年，將會看到這些技術的改進，並推動更多系統的自動化，例如回覆客戶查詢、生成報告、大資料分析，這將為金融機構提供更重要的見解。

(3)信用評分

當前一些信用評分系統已經過時。這些系統根據人口統計資料做出決定，其中包括職業、年齡、種族、性別等，但很少考慮貸款者的能力和風險。人工智慧和機器學習使金融機構能夠更準確地描述客戶風險。

使用信用評分技術可以將不良貸款減少50%，同時將回報率提高30%，這意味著可以制定更好的貸款決策。這種技術的工作原理是建立模型，驗證模型以檢查其工作，然後將其快速部署到市場上。這意味著金融機構不太可能向風險更高的客戶提供貸款，而符合條件的客戶可以更快地獲得信貸。未來將提供個性化的服務，並且是即時的貸款決策。

(4)安全性

根據Experian公司的調查，2020年55%以上的組織報告遭遇欺詐行為，這些組織中的五分之三表示欺詐行為與上一年相比有所增加。一些最關注的問題與開戶和金融欺詐有關。而金融行業中的欺詐行為並不是什麼新鮮事物。而向數字化的轉變意味著欺詐者可能在行動上更具創造力。因此，金融服務提供商必須提高安全性。

(5)客戶服務

毫無疑問，客戶的意見很重要。93%的消費者將選擇提供出色客戶服務的金融機構。那麼什麼是出色的客戶服務?可以歸結為兩點：響應時間和個性化服務。這就是人工智慧和機器學習發揮重要作用的地方。

90%的客戶希望自己的問題能得到及時的答覆，而如果不能，將會轉向其他公司。然而，人工智慧和機器學習聊天機器人比以往任何時候都更好地吸引客戶，也變得更加智慧。該技術不僅使他們能夠快速回答客戶的詢問，而且可以洞悉客戶的需求。

分析的資料越多，就意味著可以定製的客戶體驗就越多，其中包括從回答問題到提供個性化服務的任何內容，例如，根據客戶的收入和麵臨風險而提供的貸款數額，或者在交易進行之前提供的資訊。

採用這種技術有什麼缺點嗎?

每一項創新技術都有其質疑和批評者，儘管人工智慧和機器學習解決方案正在迅速發展，但它們並非完美無缺。隨著技術的進步，人工智慧和機器學習將變得更智慧，更適應人類行為，從而能夠提供更準確的結果。

組織應如何採用人工智慧或機器學習解決方案以實現最大的效率?

對於任何組織來說，選擇如何或在何處採用新的解決方案並不是一件容易的事。儘管84%的組織高管認為他們需要採用人工智慧才能滿足業務增長目標，但76%的高管人員並不完全知道如何實現這一目標。使用人工智慧和機器學習技術擴充套件業務並非易事，但對於任何尋求進步的組織來說，這都是必不可少的措施。

因此，無論是對個性化體驗的定製、更明智的內部決策、對業務趨勢的預見、與客戶的互動，還是欺詐目標的模式檢測，組織都必須關注業務需求，並找到適合其業務的人工智慧/機器學習解決方案。