人工智能有助于释放银行的数据潜力
一个 rtificial人工智能(AI)提供了与银行的手段以更好地利用数据的巨量的在他们的处置。这样一来，他们便可以发现更快的增长机会，并在新兴的敏捷数字同行出现时获得重要的竞争优势。
SilverBridge Holdings的执行高管Patrick Ashton认为，如果没有这种见识，就很难实现流程现代化或了解如何最好地将新技术引入后端系统。
“在产品开发方面，银行产品通常会随着时间的推移而缓慢发展。问题的一部分是，传统大型机系统昂贵且更新缓慢，而这些系统的人力资源却很少(而且越来越多)。因为大型机系统通常是所有数据的中央记录，所以这在过程中造成了瓶颈。这意味着它们必须成为开发的任何新解决方案的一部分。前端应用程序的开发相对较快，但是后端集成或对核心系统的更改成为绊脚石。”
因此，银行必须与经验丰富且值得信赖的合作伙伴合作，将大型机中的数据提取到可以更有效地使用数据的现代数据库体系结构中。在大多数情况下，从大型机中提取的精选数据非常庞大，因此个人难以使用。这些通常以电子表格格式放置，供用户使用。然而，这是低效的，容易出错，并且由于人的介入而带来巨大的风险。
取而代之的是，银行需要具有提取数据并将其呈现在现代应用程序界面中以进行任务处理的能力。当从人的职能中删除基于规则的简单动作和决策时，可以更好地管理风险，并显着提高运营效率。然后，人们可以通过分析获得的数据洞察力，更好的以客户为中心的服务模型以及对传统流程的重新构想，为流程增加更高的价值。人工智能主导的技术实现了这一转变。当然，所有这些都必须在强大的治理框架内完成。它的目的是要建立强大的解决方案，从流程的早期开始就涉及风险管理人员，以确保所有必要的要求都得到了满足。”
转变见解
从数据中获得见解是了解银行内部流程中可以建立效率的第一步。在许多情况下，银行一直依赖于数十年前建立的相同数据流程。随着时间的推移，这些内容已逐渐进行了调整，而没有进行大修。采用新技术的速度往往很慢，导致工具集(如传统电子表格)仍然是用于分析数据集的主要环境。但是，这既不高效也不安全。
即使这样，最重大的挑战之一还是异常处理。大多数银行交易几乎不需要人工干预。但是，在标记了项目的情况下(例如AML /欺诈/筛选检查)，这需要人工干预。考虑到涉及的大量工作，这给组织带来了巨大的成本。
因此，这是部署新的AI技术(如智能流程自动化(IPA))的绝佳场所。这简化了流程，并使通常由人员执行的步骤自动化。想想AI虚拟化人类体验。它是关于构建考虑了异常处理过程并使其尽可能自动化的技术解决方案，同时提高了效率并降低了风险。”
此外，在许多情况下，银行需要多级人工审批才能清除交易。这是另一个可以通过AI转换的耗时过程。AI流程无需让两个或三个人查看每笔交易，而是可以始终如一地实时提供相同水平的专业知识，以改善SLA管理并改善对客户的服务。
“这并不是要重新发明轮子，而是要优化银行在管理数据和流程时已经具备的强大流程。通过流程的优化和自动化，可以从系统中提取大量的人工活动，并且可以将其重新利用，以使银行有更多的能力专注于改进客户服务或设计新产品等领域。
现代实践
使用可以与现有数据和流程集成的现代应用程序，银行可以从头到尾生成洞察力。例如，查看必须每天管理的典型ATM基础结构。必须对交易和总帐帐户余额进行核对，以确保机器正常运行，没有欺诈行为发生，并且始终有适当数量的现金可供银行客户使用，而不会过多地暴露资本准备金。用人来调和和调查差异是缓慢且低效的。但是，使用AI工具集意味着可以持续，快速且完全可审核地管理这些任务。这样，体积或容量限制就不再是问题。这也延伸到客户服务中，
“可以将AI层实现为位于现有流程之上，同时集成到后端旧系统中以交付所需的价值银行。银行拥有高质量的数据，但并非始终可以访问。使用AI来帮助管理大量数据可以显着提高运营效率，最终将带来更好的客户体验。” Ashton总结道。
