人工智能是實現(xiàn)BFSI行業(yè)最大盈利的途徑

技術(shù)的進(jìn)步使移動和網(wǎng)上服務(wù)成為BFSI行業(yè)的前沿。根據(jù)儲備(RBI)的數(shù)據(jù)，的數(shù)字支付系統(tǒng)在25個中發(fā)展最快，的即時支付服務(wù)(IMPS)是快速支付創(chuàng)新指數(shù)(FPII)中唯一的五級系統(tǒng)。該部門對技術(shù)發(fā)展的需求已經(jīng)成為和金融機(jī)構(gòu)尋求和部署下一代技術(shù)的催化劑。今天，大數(shù)據(jù)分析，人工智能，深度學(xué)習(xí)和機(jī)器學(xué)習(xí)正在進(jìn)行實驗，以改善業(yè)務(wù)和客戶流程。

人工智能在商業(yè)世界中越來越根深蒂固，代表著企業(yè)的深刻變革。早期采用者在欺詐檢測，制造性能優(yōu)化，預(yù)防性維護(hù)和推薦引擎方面展示了高影響力的業(yè)務(wù)成果。在BFSI部門采用AI的主要業(yè)務(wù)目標(biāo)是提供主動和個人客戶支持。

例如，使用自然語言處理和生成技術(shù)已導(dǎo)致聊天機(jī)器人的發(fā)展在該國的網(wǎng)上服務(wù)。報告指出，聊天機(jī)器人將有助于節(jié)省客戶服務(wù)查詢時間，并幫助企業(yè)通過電話和數(shù)字渠道在響應(yīng)和交互時間方面大幅降低成本。例如，利用Teradata解決方案在主要運(yùn)營的人工智能允許受監(jiān)管的銷售人員監(jiān)控客戶電話和電子郵件中的不合規(guī)行為，從而能夠自動識別使面臨重大操作風(fēng)險的個別員工，導(dǎo)致潛在的罰款，不利的公關(guān)和市場資本。

然而，使用人工智能來幫助BFSI部門并不止于聊天機(jī)器人。這只是冰山一角。更重要的是將所述技術(shù)用于諸如交易，財富和風(fēng)險管理，信用評分和欺詐檢測等問題的財務(wù)決策。損害。

最近在發(fā)生的數(shù)百萬貸款和保險騙局，與知名人士和國有有關(guān)，只是少數(shù)被媒體注意到的。然而，幾乎每天都有成千上萬的小案例出現(xiàn)在機(jī)構(gòu)無法處理的情況下。然而，RBI已盡力采用異地報告系統(tǒng)和基于需求的現(xiàn)場審核來審查欺詐和不道德案件。

話雖如此，今天可用的分析平臺和工具的可用性可用于可視化BFSI客戶的大量個性化數(shù)據(jù)和交易歷史。通過將AI和機(jī)器學(xué)習(xí)添加到數(shù)據(jù)分析層，和金融機(jī)構(gòu)可以識別不尋常的客戶行為模式。除了幫助建立數(shù)據(jù)庫以獲取有關(guān)特定消費(fèi)者個性化體驗的信息之外，AI和ML還可以分析數(shù)據(jù)以檢測可能導(dǎo)致財務(wù)欺詐的異常行為。

對于依賴信任和安全的行業(yè)而言，轉(zhuǎn)向現(xiàn)代解決方案(如高級分析以及AI和ML工具)將有助于實時降低金融風(fēng)險并進(jìn)行欺詐檢測。這反過來將提高客戶忠誠度，并提高機(jī)構(gòu)的聲譽(yù)。Teradata Consulting的數(shù)據(jù)科學(xué)家正在幫助制定AI和ML采用的方向。

例如，Teradata客戶Danske Bank正在使用人工智能和深度學(xué)習(xí)來檢測并防止多個領(lǐng)域的復(fù)雜欺詐，并且由于模型正在學(xué)習(xí)，它每天都在變得越來越好。丹麥實施了一個利用人工智能的現(xiàn)代企業(yè)分析解決方案，并帶來了巨大的回報。在應(yīng)用人工智能和深度學(xué)習(xí)之前，丹麥每天有1200個誤報。這些案件必須由丹麥調(diào)查員進(jìn)行分析，有時甚至是國際刑警組織等外部機(jī)構(gòu)。現(xiàn)在這個數(shù)字減少了60%，為調(diào)查員節(jié)省了大量時間，并允許他們調(diào)查真實的欺詐案件。而這還不是全部。檢測到真陽性已增加至50%。Danske Bank的團(tuán)隊認(rèn)為這只是一個開始。

并非BFSI公司沒有準(zhǔn)備或無法發(fā)現(xiàn)欺詐行為; 這些公司擁有自動篩選交易并手動檢查的設(shè)置系統(tǒng)。不幸的是，人為錯誤使系統(tǒng)易受攻擊。但今天，和金融機(jī)構(gòu)可以利用自學(xué)技術(shù)，可以動態(tài)審查資金流，客戶交易，與社交媒體和工作歷史相關(guān)的行為分析，信用評分等。一旦這些數(shù)據(jù)被實時分析和審計，金融機(jī)構(gòu)不僅可以標(biāo)記，還可以預(yù)測導(dǎo)致金融欺詐的模式。

然而，在BFSI部門開始在該領(lǐng)域采用，部署和啟用AI和ML之前，他們必須將數(shù)據(jù)分析和普遍的數(shù)據(jù)智能放在首位和中心位置。理想情況下，分析應(yīng)超越敏捷業(yè)務(wù)流程和客戶關(guān)系，以便從運(yùn)營的角度與快速發(fā)展的生態(tài)系統(tǒng)競爭。機(jī)構(gòu)還應(yīng)該廢除識別財務(wù)異常的舊方法，例如人類書面規(guī)則引擎，它只能捕獲一小部分案例。為了提高概率預(yù)測并確定更高比例的實際欺詐案例，同時減少誤報，需要新形式的分析。當(dāng)然，這包括使用人工智能和深度學(xué)習(xí)。