在中国,使用互联网进行账户间转账、申请银行贷款或进行交易已成为居民的日常工作。不知道你每次使用支付宝或微信转账或进行交易时,是否会意识到金融科技在你的日常生活中发挥着举足轻重的作用。2018年,约61%的美国人使用数字银行服务,到2022年,这一数字将超过65%。作为第四个工业时代的新特征之一,金融科技是应用快速发展的数字技术来改善和便利金融服务。企业争先恐后地采用金融科技来提高竞争力。令人印象深刻的是,该行业吸引了大量投资:根据毕马威会计师事务所的数据,2018年,仅在英国,该行业就吸引了超过160亿美元的投资。资料来源:Pexels另一方面,整个国家都在争先恐后地通过及时采用人工智能技术来实现利润最大化。韩国公布了一项雄心勃勃的国家计划,到2022年将投资20亿美元,以推动其人工智能研发。该计划包括在全国建立六个新的人工智能研究机构。该国研发支出占GDP的百分比(4.3%)位居世界第一;引人注目的是,其中很大一部分支出用于人工智能。还有一个国家也想跟上世界领先的人工智能主导国家的步伐,那就是以色列。2018年,AI初创公司筹集了超过15亿美元的资金。以色列是人工智能人才的温床。通过跟踪近4,000名从事AI研发和集成(包括软件和硬件)的开发人员、工程师和数据科学家,发现其中64%受雇于初创企业,31%受雇于本地和跨国公司。以色列有专门的人工智能中心和实验室。然而,全球对人工智能解决方案的开发、部署和维护的需求如此之高,以至于目前的国家资源库根本无法满足需求。这让不少金融科技企业需要借助外部AI人才库,避免陷入国内人才短缺的“窘境”,加快上市时间。例如,以色列的第三代区块链平台SkyCoin未能找到足够的Go语言工程师来开发基于AI的解决方案,因此它在乌克兰聘请了专门的软件团队来加快上市时间,并形成了更大的中国最大的人工智能人才库。金融科技经常被认为是全球人工智能驱动变革的催化剂,因为许多银行和金融机构已经有机会开创人工智能并从中受益,而许多其他行业则处于观望状态,等待看到第一个成功的用例合理的投资回报。根据2018年金融科技研讨会,使用机器人过程自动化(RPA)的公司通常会在3-8个月内看到40%-100%的投资回报率。有些预测甚至更加夸张。据美国金融科技独立分析机构《IndependentResearch》报道,仅在美国,RPA等人工智能技术的运用就可以帮助银行和金融机构节省超过1万亿美元;其他工人的数量预计将节省4900亿美元。如您所见,人工智能和新兴技术有望在2019年之后在金融科技向成熟行业转型的过程中发挥关键作用。让我们来看看金融科技行业的6个案例研究,了解机器学习(ML)、自然语言处理(NLP)和深度学习可以有效地用于更好地理解人工智能的变革性和独特性。来源:js.qq1。自然语言搜索在客户服务中,自然语言处理用于帮助客户搜索与某个公司的交易或服务。同时,自然语言搜索也是过滤公司内部数据非常有用的功能。金融公司需要即时、按需访问内部数据以提高竞争力。自然语言搜索使公司能够在几秒钟内完成此类搜索。NLP将人类语言转换为SQL查询,并以方便的可视化形式提供结果。在现代市场中,当银行在不同时区全天候24/7运营时,拥有相关信息可以节省数十亿美元并有助于做出明智的战略决策。2.算法交易根据Techfunnel数据,2017年,多达73%的日常交易活动是通过机器学习算法进行的。如今,金融公司越来越认识到算法交易的好处:它遵循预先定义的规则,减少错误,消除使用耗时的市场监控,最重要的是,它不受人类情绪的影响,而人类情绪往往是失败的罪魁祸首高错误率。随着金融技术的发展,越来越多的企业更相信机器学习而不是人类的直觉。3.声誉评估自然语言处理是所谓金融普惠背后的驱动力,有助于最大限度地为以前没有银行账户的人群提供银行服务。例如,在美国和欧盟,银行可以通过分析客户的信用记录来评估客户的信用度,但在发展中国家,大多数客户根本没有任何信用记录。这就是自然语言处理和高级文本挖掘发挥作用的地方:通过分析用户在浏览互联网和使用社交媒体时留下的数字足迹,生成有助于准确预测用户下一步行动的信用评分。4.客户服务机器人资料来源:jf258根据近年来进行的几项研究,如果有其他选择,绝大多数美国千禧一代会很乐意放弃银行。这一代的技术人员列出了他们在银行的挣扎,包括排长队和与银行家的不愉快互动。自然语言处理是一套旨在识别人类语言和语音的技术,它的使用推动了聊天机器人的发展,使它们能够执行一系列令人印象深刻的动作,从虚拟助手到自动理赔处理。虚拟助手将以前令人反感的体验变成了愉快的体验。基于这项技术,聊天机器人可以帮助客户分类金融产品、制定储蓄计划和控制客户支出。例如,SunLifeEverbright创建了数字教练Ella,以帮助客户了解他们的福利和养老金计划。在保险科技领域,AI运营完全以客户为中心:保险公司使用客户风险评估,个性化远程信息处理设备在跟踪驾驶和健康方面发挥着重要作用。人工智能自动选择适合每种风险状况的保险产品,并通过虚拟顾问将其提供给客户。5.预测分析在金融技术中使用机器学习的另一个经典例子是预测分析。通过及时捕获、处理和分析海量数据集,企业能够比传统方法更快、更准确地预测未来的财务趋势。如今,机器学习算法正在稳步取代传统的分析工具,因为它们有助于分析数据、预测风险和识别机会。6.欺诈检测技术的进步往往给金融机构带来更多的欺诈风险和安全漏洞。事实上,没有哪个行业像金融业那样遭受与欺诈相关的损失。根据Javelin的身份欺诈报告,2018年美国约有1700万家企业遭受欺诈。幸运的是,ML欺诈检测工具也变得更加先进,并被证明比传统的手动方法更有效。ML可以实时检测异常,验证措施少但有效,可以识别隐藏的欺诈活动。银行交易和生物识别用户身份验证只是ML用于检测欺诈的一些示例。Regtech是另一个新兴的金融科技领域。简而言之,它被认为能够“使用新技术促进监管要求的实施”,这些监管要求在现代快速发展的市场中变得越来越复杂和无处不在。例如,像ComplyAdvantage这样的公司使用人工智能和机器学习来检测洗钱和恐怖主义融资,帮助公司遵守全球法规并保护他们的业务。资料来源:Pexels据报道,在人工智能、移动设备和互联网使用量增加的推动下,金融科技市场在2014-2025年期间的预期复合年增长率(CAGR)最高,为74.16%。金融技术最初用于为大多数金融机构的后端流程提供动力,现在已成为与客户相关的金融业务背后的主要力量,并且正在改变全球处理金融的方式。不可否认,缺乏合格的AI顾问阻碍了其广泛采用,但从长远来看,企业可以通过利用AI外包并与可靠的第三方提供商合作来推进其金融服务来解决这个问题。
