从疫情大流行中复苏的金融机构将结束人工智能和机器学习的试验性实验，并要求它们大规模采用。金融危机要求金融机构全天候响应客户需求。因此，许多企业正在以越来越快的速度进行转型，但它们必须确保其核心关键业务继续顺利运行。这引发了人们对人工智能和机器学习解决方案的兴趣，它们减少了人工干预操作的需要，显著提高了安全性，并为创新腾出了时间。缩短创意产生和IT为企业带来价值之间的时间，人工智能和机器学习为组织带来长期的战略优势。
我们现在看到，银行正在转变为类似于大型科技公司的数字驱动型企业，构建能够让客户获得持续关注的能力。那么，银行和金融机构如何才能最大限度地利用人工智能，在实践中有哪些关键的用例？
整个业务的好处
许多金融服务公司在大流行之前就已经采用人工智能和人工智能。然而，许多人难以确定哪些关键功能从人工智能中获益最大，因此该技术并不总是能带来预期的回报。未来几个月，这将发生变化：增加人工智能和机器学习的部署将是从疫情中进行经济复苏的核心，而且疫情的爆发突出了应用人工智能的特定领域的优势和存在感。从通知信贷决策和防止欺诈，到与客户无障碍、全天候的交流沟通，以善客户体验。
AI可以改进的一些具体金融服务流程包括:
文档处理与智能自动化
智能和机器人流程自动化优化了各种功能，提高了效率，提高了核心财务流程的整体速度和准确性，从而节约了大量成本。引人注目的领域是e-KYC，即“客户认证电子化”。这是一个远程、无纸化的过程，可以降低关键的“客户认证”协议，如验证客户身份和签名的线下认证流程。
这个任务曾经涉及重复的、平凡的操作，需要花费大量的精力来跟踪文件处理、贷款支付和偿还，以及整个过程的监管报告。今年以来，各机构一直在采用智能自动化平台来管理、解释和提取非结构化数据，包括文本、图像、扫描文档(手写和电子)、传真和web内容。这些平台运行在NLP(自然语言处理)引擎上，该引擎可以识别任何丢失的、看不见的和格式不良的数据，提供近乎完美的准确性和更高的可靠性。愤怒处理时间减少了，公司通过提高客户体验获得了显著的竞争优势。
有效和彻底的客户支持
虚拟助理可以以最少的员工投入来回应客户的需求。直接的提高生产力的方法，花费在普通客户查询上的时间和精力被减少了，解放了团队去关注那些推动整个业务创新的长期项目。
我们都熟悉电子商务网站上的聊天机器人，这类解决方案将在金融服务行业变得越来越普遍，摩根大通(JP Morgan)等机构现在正利用这些机器人来简化他们的后台操作，加强客户支持。这些平台包括COIN (contract intelligence的缩写)，它在银行私有云网络支持的ML系统上运行。除了为一般查询创建适当的回应外，COIN还自动执行法律归档任务、审查文件、处理密码重置等基本IT请求，并为银行家和客户创建新的工具，使其更加熟练，人为错误更少。
风险管理分析
估计信用度很大程度上是基于个人或企业偿还贷款的可能性。确定违约几率是所有贷款机构风险管理流程的基矗即使有无可挑剔的数据，评估这种情况也有困难，因为一些个人和组织在偿还贷款的能力方面可能不诚实。
为了解决这一问题，Lenddo和ZestFinance等公司正在使用人工智能进行风险评估，并确定个人的信誉度。像Equifax这样的信用机构也使用AI、ML和先进的数据和分析工具来分析风险评估中的替代来源，并在此过程中获得客户的信息。
贷款机构曾在这一过程中使用一组有限的数据，如年薪和信用评分。然而，多亏了人工智能，组织现在能够考虑个人的整个数字财务足迹，以确定违约的可能性。除了传统数据集之外，对这些替代数据的分析对于确定没有常规贷款记录或信用记录的个人的信用价值特别有用。
现在是采取行动的时候了
今年，企业和客户之间的互动方式发生了不可逆转的变化，金融业也不例外。出于流感大流行所要求的紧迫性，金融机构一直在有限的规模上试验人工智能和ML，主要是为了“跟上邻居”而进行的一种“倒计时游戏”。今年出现的广泛采用源于真正的创新和提高整个行业韧性的需要。
银行和金融机构现在意识到了从人工智能中受益的关键领域，比如后台操作的更高效率，以及客户参与度的显著改善。在疫情出现之前还处于起步阶段的转型进程正在加速，并正在迅速成为标准做法。更重要的是，目前正在接受人工智能、并将其全面实施列为优先事项的金融机构，将处于未来收获其回报的最佳位置。
