我不信任银行。我相信当机器人崛起的时候，ATM机将掌控全局。
——谢耳朵，《生活大爆炸》
一面是Facebook和谷歌快速满足着用户的需求，一面是服务了自己30年的银行的无动于衷，在这样的对比下，客户对银行感到失望也情有可原。毕竟，银行掌握着远比社交媒体丰富的用户数据，但他们却没能利用这些数据来高效预测我们的金融需求。
这一缺陷可以归咎于很多因素，像是一些传统系统，复杂的公司监管条例，陈旧的思想文化以及对新技术的过于谨慎。但是这一切即将发生改变。
观察银行在社交平台上公布的信息，我们了解到他们正在采用很多新技术，像是人工智能（AI）-包括机器学习算法和自然语言处理应用、云存储和实时数据管理。像是客户向数字渠道迁移、数据管理和分析技术的进步以及客户和监管层日益增长的期望，上述大量因素都推动了这一创新改革。
社交媒体为了方便成本管控和形成有价值的客户分析（例如了解客户喜欢买什么，喜欢做什么和喜欢看什么），率先开发了云计算和完备的数据管理软件。
Facebook，谷歌和其他公司通过推出一些应用程序来服务和了解他们的用户，并且运用云存储和人工智能来降低存储和数据管理的成本。这使他们能够为用户快速有效地提出有意义的反馈,并为广告商提供可执行的结果，以便他们能够更有效地打动目标客户群。
全球风险协会（GRI）近期发布过一篇关于探索人工智能给金融服务行业带来的效益的论文，这篇论文支撑了上述情况。论文的作者指出当条件成熟时，即当数据，技术和合理需求趋于一致的时候，将会有更大的机会，去利用人工智能来更有效快捷地分析问题。他们不会采取用机器来大规模取代人类的方式，而是将人力资源转向更具有附加价值的销售和服务角色中去。
所以这一切将如何颠覆整个银行业？幸运的是，永远有潜在客户等待着银行发掘。利用人工智能，银行能够更快捷地响应客户需求，持续与他们保持互动。他们可以在联络中心使用“机器人”来提供基本查询服务，让员工节省精力，以便处理其他较为复杂的问题。他们也可以让机器人顾问为客户提供一些低风险的投资建议。
银行也可以为客户提供手机端的电子消费顾问，提醒客户如何让信用卡或借记卡获得最多的消费积分。银行还可以用语音识别等生物识别技术来升级网络安全和防诈骗系统。事实上，在未来五年，银行将利用AI相关的技术极大实现营收增长和成本节约。
金融服务提供商面临的挑战，就和所有拥有传统技术的产业一样，是找到能将他们的宝贵数据和现代系统、网络相结合的办法。如果使用传统的客户端应用和任务驱动的数据库，银行就无法像新兴社交媒体厂商一样，直接把所有客户和交易转化为分析数据。
目前，银行仍饱受80/20法则的困扰——数据分析师通常要花80%的工作时间来搜索、校对和整合数据，剩下只有20%的时间是真的用来开发分析算法的。然而，改而采用社交媒体行业开发的大数据工具后，银行将能够彻底颠覆80/20法则，为企业和客户提供更好的商业洞察报告。
反洗钱（AML）就是一个很好的例子。监管机构要求银行监控所有反常交易，例如大额现金存款或将现金转移到偏远避税地区。交易监管员必须耗费大量时间来仔细观察和上报所有可疑的交易。在当前技术架构下，为了满足监管机构的要求，这个工作通常既昂贵又低效，还会导致上千个误判警报。
但是，一家叫做Tresata的智能预测软件公司开发了一种可以大幅简化AML流程的技术。GRI在近期的一篇论文中提到，这家美国公司展示了如何结合大数据工具、先进分析方法和机器学习技术来提高反洗钱报告的精确性。这正是反洗钱管理和欺诈者/恐怖分子监测的终极目标——精准快速，不受干扰和低效率误判的影响。这些工具很可能被用于其他流程监管工作，例如欺诈和信用风险管理。
机器人真的在崛起了。这对银行系统不是威胁，而是强大后防。事实上，银行业只有主动采用AI、云计算和先进的数据管理技术，才能期待留住客户。
本文编译自The Global and Mail
——————————————
文章采集自互联网，版权问题请与我们取得联系。
SaaSPad (www.saaspad.com) 是专注SaaS领域的科技网站，我们分享国内外的SaaS成功理论和经验，建立行业人士交流探讨的社区，是国内最专业的综合性SaaS服务平台。