AI /自动化

人工智能能让金融服务业恢复生产力和经济健康吗?

工业服务业的下一件大事将是通过数字双胞胎准确预测实体资产的未来。来自GE的专家将带您深入了解GE如何创建一个基于物联网的智能工业监测和诊断平台，并制定新的标准。

很少有行业比金融服务业更深陷传统运营、遗留系统和维持现状的泥潭。这种僵化往往是监管和监督的副产品。即便如此，前所未有的新竞争和立法，以及新的、精通数字的客户基础，给这个行业带来了真正的挑战:要么发展，要么消亡。

值得庆幸的是，最近的时代已经看到了进化和改进人工智能解决方案在金融服务范围内。由于用例已经发展不到实用，行业领导者被迫更新遗留技术，投资下一代创新，并通过更好地理解其能力来增强AI的采用。事实上，这些财务的发展将塑造AI在未来几年其他行业的采用。

在一个充满遗产的世界里

银行业是一个古老的行业，被单一的系统、严格的监管和文化传统所拖累。一些国家，比如英国，使用的习俗和传统可以追溯到墨水、羽毛笔和灰尘的账本时代!例如，许多传统银行的内部合规程序在开立银行账户时仍然需要实体签名。此外，后台工作程序和日常决策也需要纸质表格和人工干预，这拖延了服务并增加了相当大的成本。

但变化正在发生。由于自动化和以数据为主导的智能的进步，金融人工智能技术对工作流程的日常影响最小，正在变得可行，同时仍保持对现有或新兴法规的遵从。这是因为获取边界和基本交互规则的知识库已经存在——如果新的人工智能系统要保持在法律的范围内，就需要对监管协议进行数字化。从本质上讲，人工智能是站在之前的数据和流程自动化技术趋势的肩膀上的。

这些趋势，再加上新的机器学习技术，将使金融服务提供商能够专注于高价值活动和创造性解决方案。自动化系统将以更低的成本处理基于容量和重复的活动，实现更高的吞吐量和减少监督的需要——同时确保银行能够提供符合要求的销售和服务结果。

两种应用:高频交易和投资

计算机将主宰金融服务领域的想法并不新鲜。今天，许多专门的算法不仅运行这些过程，而且在没有股票经纪人的情况下做出买卖决定。我们可以在高频交易(HFT)中看到一个例子。高频交易是算法交易的一个子集，专注于交易量、速度和自主决策。通过使用注入系统的数据，这些智能代码可以做出明智的市场决策，也可以对瞬息之间的市场机会做出反应，这是人类股票经纪人无法做到的，因为人类经纪人的行动速度不够快，无法进行此类交易。

然而，交易自动化并不总是与速度有关。一些算法开始学习如何通过各种机器学习方法自己进行交易。无论是通过贝叶斯网络、进化计算还是深度学习，企业和初创公司都在利用他们拥有的海量数据，以训练机器自动识别和预测市场变化。这与高频交易不同，因为这些人工智能交易员寻求的是长期投资，而不是短期投资;他们正在自己寻找。

话虽如此，高频率和基于人工智能的交易并不能替代人类交易员，后者在大型交易、账簿构建和其他投资组合管理过程中扮演着关键角色。然而，对于以高产量、小利润和速度为特征的情况，机器已被证明具有更高的生产率，更便宜的操作成本，并有能力产生更高的回报。事实上，高频交易的成功是如此广泛，以至于现在它已成为传统投资银行策略的关键组成部分，而且对一些实体来说，高频交易正取代传统交易，成为主要的收入和利润来源。

保持机器正常运转

尽管人工智能在金融服务领域的好处显而易见，但这并不是说自动或人工智能驱动的交易就没有风险。例如，2012年，美国做市商骑士资本(Knight Capital)在算法故障后的半小时内损失了超过4亿美元。甚至纽约证券交易所(NYSE)也出现了交易暂停，因为技术人员正在纠正自动系统中的软件问题。不过，这项技术带来的好处要大于偶尔出现的小故障所带来的影响，这是有争议的。

鉴于自主系统易于“判断”失误，就像他们的人类同行一样，我们不太可能看到银行，分享处理和保险风险分析的完全自主模型很快，在资本市场内很快就会出现。零售银行中的AI也是如此，它必须与人类语言，方言和以客户为中心的互动的增加的复杂性。

然而，这些都不是人工智能消灭的问题。事实上，这正是那些治理遵从性的已有知识系统发挥作用的地方。人工智能的最大机遇在于实现一线自动化，这一领域的使用最为密集，而投资回报往往最低。削减成本、提高吞吐量和延长营业时间都能带来更多的交易、更低的交易费用和更大的规模经济。

零售银行有着不同的风险-收益组合。以更自动化和智能的方式与客户打交道的好处是可以显著节省成本，而风险则分散在数以百万计的客户交互中。主要问题在于，相对于资本市场中需要进行的相对简单(尽管令人印象深刻)的数字运算，那些更“人”的互动更为复杂。

未来:面向客户和零售的应用程序

对于现有的和新的市场进入者来说，至关重要的是他们如何使用自动化与客户直接互动。自动化为零售金融服务机构提供了减少其物理足迹、降低其运营和交易成本并加快其上市时间的机会。

对于那些竞争激烈、无分支机构的银行，比如那些基于移动应用程序的业务，人工智能是它们战略的关键组成部分。这些业务有机会实现面向客户的功能自动化，如前线客户服务、基本交易完成(转账和支付对账)，以及信用和交易匹配的风险评估。这些行动可以帮助降低运营成本。例如，这些没有分支机构的组织可以使用算法来规避处理外汇的传统机制，以便在群体交易中实现利润最大化。这样做可以降低完成大量低价值、高单位、成本交易的整体交易成本。TransferWise在零售外汇(FX)市场的成功最能说明这一点。

同样的办法也可用于通过最有效和成本效益最高的伙伴和路线进行跨境转移。对于为传统金融转账提供替代途径的贝宝类组织来说，智能和人工智能驱动的资金路径可以节省大量成本。此外，与需要人工干预来完成相同的工作相比，它还可以为以更快的速度扩展交易量提供基础。

对于保险等行业的其他领域，人工智能提供了一个对风险、欺诈和索赔管理进行前线评估的机会。利用定义明确的参数，人工智能可以用于裁决和升级索赔，根据数据驱动的感知风险设定保费，甚至可以评估信息以发现可疑活动。这些功能传统上是由一群人来完成的，它们是人工智能可以分解的最大的保险成本基础之一。这些改进还可以使保险公司向客户提供动态定价，允许他们登记根据客户的个人选择和行为定价的产品。

的金融服务行业需要立即做出重大改变。无论是解决效率低下、提高盈利能力、支持更高的流动性监管要求，还是让银行在面对日益激烈的竞争时提高效率。必须开发基于人工智能的应用程序，以交付期望的好处，同时保持在明确的界限内。有了明确的限制和良好的数据，人工智能系统有可能带来客户和机构可以信任的巨大利益。