对于金融（róng）机构（gòu）来（lái）说，从冠状病毒疫情中恢复将会（huì）结束（shù）他们采（cǎi）用人工智（zhì）能(AI)和机器（qì）学习(ML)的实验性工作，并要求大规模采用。疫情危机要求（qiú）金融组织全（quán）天候响应客户需求，因此他们不断加快转型的步伐（fá），但是必须确保其（qí）核心关键业（yè）务继续平稳运行。这引起了金融行业对人工（gōng）智能和机器学习解决方案的兴趣，这些解决方案减少（shǎo）了对操作进行人工（gōng）干预的需求，显著提高（gāo）了安全性（xìng），并为业务创新腾出（chū）了时（shí）间。人工（gōng）智（zhì）能和机器学习减少（shǎo）了从产生创意到为创造（zào）价值（zhí）之间的时间，为组织（zhī）带来了长期的战略优势。

人们现在看到很多（duō）银行和金融机构正（zhèng）在（zài）转型成为类（lèi）似于大型科技公司的数字化驱动型组织，致力（lì）建立能够持续关注客（kè）户的能力。那么银（yín）行和金融机构如何才（cái）能充分利用人工智能?在实践（jiàn）中有（yǒu）哪些关键用例?

对业务的好（hǎo）处（chù）

在疫（yì）情发生之前，许（xǔ）多（duō）金融服务（wù）机构已经采用了人工（gōng）智能和（hé）机器学习。然而，人们难（nán）以确定哪些关键功能从人工智能中受益最大（dà），因此这些技术（shù）并不总能带（dài）来预期的回报（bào）。这种情况将在（zài）未（wèi）来（lái）几个月（yuè）内发生（shēng）变（biàn）化：人工智能（néng）和（hé）机（jī）器（qì）学（xué）习（xí）部署的增（zēng）加将成（chéng）为疫情期间经济复苏的核（hé）心，疫情突出了应用人工智（zhì）能的特定（dìng）领域。这些范（fàn）围从信（xìn）用（yòng）贷款决策、防止欺诈到通（tōng）过无摩擦的全天候互动改（gǎi）善客户（hù）体（tǐ）验。

人工智（zhì）能可以改进的一些特定金融服务流程（chéng）包括：

智能自动（dòng）化文档处理

人工智能和机器（qì）人流程自（zì）动化优化了各种功能，提高（gāo）了效（xiào）率，并提（tí）高了核（hé）心财务流程（chéng）的整体速度和准确性，从而显著节省了成本。一个典型的领域是e-KYC，这是一个远程的、无纸化（huà）的过程（chéng），可以（yǐ）减少“了（le）解客（kè）户”协议的审批成本，例如验证（zhèng）客户身份和（hé）签名。

这（zhè）项任务曾经（jīng）涉及重复和平凡的工作（zuò），需要付（fù）出相当（dāng）大的努力来跟踪文件处理、贷（dài）款支付（fù）和偿还（hái）情况以及监管（guǎn）整（zhěng）个过程。然而在今年，很多组织正在采（cǎi）用（yòng）智能自（zì）动化平台（tái）来管理、解释和提取非结构化（huà）数据，其中包括文本、图像、扫描文（wén）档（dàng）(手写文（wén）档和电子文档)、传真和网（wǎng）页（yè）内容。这些平台（tái）运行在自然语言处（chù）理(NLP)引擎上，该引擎可以识别（bié）任何丢失（shī）、看不见和格式（shì）错误的数据，提供近乎完美（měi）的（de）精确度和更高（gāo）的可靠性。由于缩短了平均处理时间，组织通过改善（shàn）客户体验获（huò）得显著的竞争优势。

高效、全面的客户支持

虚拟助理能够以（yǐ）更少的人工投入来响应客户的需求。作（zuò）为一（yī）种提高生产（chǎn）率的简单方法，减少了（le）在客户（hù）查询时花（huā）费的时间（jiān）和精力，从而使组织团队能够专注于推动业务创（chuàng）新的长期项目。

人们都熟悉电子（zǐ）商务网站上的聊天机（jī）器人，并且（qiě）这样的解决（jué）方案在金融服务行业中变得越来越普（pǔ）遍。摩根大通(JP Morgan)等金融机构现（xiàn）在正利用聊（liáo）天机（jī）器人简化其后台操（cāo）作，加强客户（hù）支（zhī）持。这些平台（tái）包括COIN平台，该（gāi）平（píng）台运行在银行私有云网络支持的机器学习系统上。除了创建对（duì）一般查询的适当响应之外，COIN还可以自动执行（háng）法（fǎ）律（lǜ）归档任务（wù）、审阅文档、处理基（jī）本（běn）的IT请求(如密码重（chóng）置（zhì）)，并（bìng）为（wéi）银行家和客户（hù）创建了新的工具（jù），从而提高他们的熟（shú）练程度，并减少人为错误。

风险管理（lǐ）分（fèn）析

评估（gū）信誉度（dù）主要基于（yú）个人或组织偿还（hái）贷款的可能性。确定违约的（de）可能性是（shì）所（suǒ）有贷款（kuǎn）组织的（de）风险管理流程的基础。即使有无懈可击（jī）的（de）数据分析，评估（gū）这一点仍（réng）然存在困难，因为可能对一些个（gè）人和组（zǔ）织偿还贷款的能力不信任。

为了解（jiě）决这一问题，Lendo和ZestFinance等公司正在（zài）使用人工（gōng）智（zhì）能进行风（fēng）险评估，并确定个人（rén）的信用度（dù）。像Equifax这样的信用机构也使用人工智能、机器学（xué）习和先进（jìn）的数据和分（fèn）析工具来分（fèn）析风险评估（gū）中（zhōng）的替代来源（yuán），并（bìng）在这个过（guò）程（chéng）中获得洞（dòng）察力（lì）。

以往（wǎng）在（zài）这个过程（chéng）中通（tōng）常使用贷款者有限（xiàn）的数（shù）据集，例如年薪和信（xìn）用评分。然而（ér），采用（yòng）人工智能技术（shù），组织现（xiàn）在能够（gòu）考虑个人的数字财务足迹来确定违约的可能性（xìng）。除（chú）了（le）传统数据集之外，这种替代数据的（de）分析对（duì）确（què）定没有常规贷（dài）款（kuǎn）或信用记录的个人的信誉（yù）尤其有用。

在今年（nián），企业和客户（hù）之间的互动方（fāng）式发（fā）生了（le）不可逆转的变化，金融行业（yè）也不例（lì）外。在疫情带来的紧（jǐn）迫性（xìng）之（zhī）前（qián），金融机构已经在有限的范围内尝试采用人工智能和机器学习技术。今年得以更加广泛的采用源于（yú）金融行（háng）业对业务创新和提高弹性的需要。

银行和金（jīn）融机构现在已经意识到了受益于人工智能的关（guān）键领域，例如，后台运营效率的提高以及客户（hù）参与度的显著提高。在疫（yì）情发生之前还处于起步阶段的转型已（yǐ）经加速（sù），并且正迅速（sù）成（chéng）为一种标准。更（gèng）重要的是，现在接受人工智能（néng）并（bìng）优先考虑其全面实施的金融机构将（jiāng）有可能在未来获得更多（duō）的回报（bào）。