人工智能助力銀行釋放數據潛力

人工智能有助于釋放銀行的數據潛力

人工智能為銀行提供了一種更好地利用其處理的大量數據的方法。這樣，當新興的敏捷數字同行出現時，他們可以找到更快的增長機會，獲得重要的競爭優勢。

SilverBridge Holdings執行董事帕特里克阿什頓(Patrick Ashton)認為，如果沒有這種洞察力，就很難實現流程現代化，也很難理解如何最好地將新技術引入后端系統。

“在產品開發方面，銀行產品通常會隨著時間的推移而緩慢發展。部分問題在于，傳統的大型機系統價格昂貴，更新緩慢，但這些系統的人力資源很少(甚至更多)。因為大型機系統通常是所有數據的中心記錄，這在過程中造成了瓶頸。這意味著它們必須是任何新開發的解決方案的一部分。前端應用的開發相對較快，但后端集成或對核心系統的改動成為絆腳石。”

因此，銀行必須與經驗豐富、值得信賴的合作伙伴合作，將大型機中的數據提取到能夠更有效地使用數據的現代數據庫架構中。在大多數情況下，從大型機中提取的選定數據非常龐大，個人很難使用。這些通常以電子表格的形式提供給用戶使用。但是這種方式效率低，容易出錯，并且由于人為干預帶來很大的風險。

相反，銀行需要有能力提取數據，并將其呈現在現代應用程序界面中，以進行任務處理。當基于規則的簡單行動和決策從人們的職能中移除時，風險可以得到更好的管理，運營效率可以得到顯著提高。然后，人們可以通過分析數據洞察、更好的以客戶為中心的服務模式和對傳統流程的重新想象，為流程增加更高的價值。人工智能主導的技術實現了這種轉變。當然，所有這些都必須在強大的治理框架內完成。其目的是構建一個強大的解決方案，從流程的早期階段就讓風險經理參與進來，以確保滿足所有必要的要求。"

改變意見

從數據中獲取見解是提高理解銀行內部流程效率的第一步。在許多情況下，銀行總是依賴于幾十年前建立的相同數據流。隨著時間的推移，這些內容已經逐漸調整，沒有進行大的修復。新技術的采用通常很慢，導致工具集(如傳統的電子表格)仍然是分析數據集的主要環境。然而，這既不有效也不安全。

即便如此，最大的挑戰之一是異常處理。大多數銀行交易幾乎不需要人工干預。但是，在標記項目的情況下(例如反洗錢/欺詐/篩查檢查)，這需要人工干預。考慮到所涉及的大量工作，這給組織帶來了巨大的成本。

因此，這是部署新的人工智能技術的絕佳場所，例如智能過程自動化(IPA)。這簡化了流程，并自動化了通常由人們執行的步驟。想想人工智能虛擬化人類體驗。它是關于構建一個考慮異常處理過程并使其盡可能自動化的技術解決方案，同時提高效率并降低風險。"

此外，在許多情況下，銀行需要多級人工批準來清除交易。這是AI可以轉化的另一個耗時的過程。人工智能流程不需要兩三個人來查看每筆交易，但可以始終如一地實時提供相同級別的專業知識，以改善服務級別協議管理和客戶服務。

“這不是要重新發明輪子，而是要優化銀行在管理數據和流程時已經擁有的強大流程。通過流程的優化和自動化，可以從系統中提取大量的人工活動并重復使用，使銀行有更多的能力專注于改善客戶服務或設計新產品。

現代實踐

借助可以與現有數據和流程集成的現代應用程序，銀行可以從頭到尾生成見解。例如，看看必須每天管理的典型自動柜員機基礎架構。必須檢查交易和總分類賬賬戶余額，以確保機器正常運行，沒有欺詐，并且銀行客戶始終可以獲得適當數量的現金，而不會過度暴露資本儲備。利用人來調和和調查分歧是緩慢和低效的。然而，使用人工智能工具集意味著這些任務可以被持續、快速和完全可審計地管理。這樣，體積或容量的限制不再是問題。這也延伸到客戶服務，

“人工智能層可以在現有流程的基礎上實施，并集成到后端舊系統中，以提供所需的價值庫。銀行擁有高質量的數據，但并不總是可以訪問。使用AI幫助管理大量數據可以顯著提高運營效率，最終將帶來更好的客戶體驗。”阿什頓總結道。