开启未来： 金融机构如何为扩展人工智能做好准备

据《经济学人》杂志报道，早在 2009 年，约有 54% 家大型金融机构（FIs）已经采用了 artificial intelligence 技术。 2020, 因此，可以想象这些数字如今的状况。此外，86% 的金融高管表示，他们计划在 2025 年之前增加人工智能投资。另外 调查, WWW.81%说，从人工智能中释放价值将是区分银行业赢家和输家的关键因素。.

“雅典娜说：”人工智能在金融机构中显然具有非常强大的价值“。”投资银行可能是算法交易领域机器学习技术最早的采用者和受益者。毕竟，现在有 70% 的金融机构将机器学习用于欺诈检测、信用评分或预测现金流事件，而对话式人工智能也普遍应用于零售银行和保险业。然而，尽管如此，许多金融机构在将其人工智能项目生产化，以提供具体的、全企业范围的价值时，仍然做得不够"。”

Athena 解释了人工智能项目成功所面临的主要挑战以及如何克服这些挑战：

对于 Athena 来说，金融机构面临的主要困难之一是，它们的核心技术是为支付、借贷、索赔管理等传统业务而构建的。“传统的 IT 堆栈不具备部署人工智能技能的灵活性。闭环 VR 应用程序所需的 data 管理和分析计算能力并不具备，而测试和开发人工智能技术可能需要数天甚至数月的时间，这对于试图创新的企业来说是难以承受的。解决方案是什么？改变核心技术：转向 cloud 计算。.

“雅典娜保证说：”得益于托管服务，cloud 环境可以将测试和开发人工智能解决方案的时间缩短到几分钟。“我合作过的一家银行两年前开始过渡到 cloud，根据他们自己的 KPI，他们的创新率提高了约 49%。这看起来可能很小，但对于一个现有的、单一的机构来说，这是相当具有革命性的。”

这一挑战的另一个方面是投资于 data 管理，包括 data 质量和 data 访问。在金融机构中，data 分散在不同的业务单元和部门。因此，data 没有标准化，质量难以管理，也没有单一的真相来源，因此利益相关者无法确定拟议项目的基础 data 是否可信。“投资于现代 data governance 和 data 管理实践对金融机构至关重要”，雅典娜坚持说。“我们称之为企业 Data 模型或 EDM。这不是一个 IT 概念，而是一种用业务相关语言描述和逻辑组织 data 的方式--可以说是一种业务术语表，可以简化所有认证用户的 data 质量管理。”

这项挑战的最后一部分是 data 接入。.

“Data 是任何组织都拥有的最有价值的原材料；利用其价值的关键在于在决策点大规模获取分析结果。由于 data 的保密性，这在银行尤其困难。一个创新的解决方案是创建支持 API 的 database，以便更有效、更安全地访问 data，但要大规模、实时地实现业务目标，并实时地实现业务目标”。”

金融机构面临的第二个挑战在于其采用的运营模式。大多数金融机构都是按照业务部门来组织的，通常都有集中的 IT 职能部门，这阻碍了它们的创新能力。业务领导者制定自己的议程和人工智能战略，导致团队各自为政，采用瀑布式方法，从而造成延误、成本超支、性能不达标以及完全缺乏测试和学习思维。金融机构必须能够以迭代的方式工作，不断创新和改进--这是扩展人工智能的必要条件，因为没有人第一次就能做对。.

“相反，我们 Artefact 提出了一种更加灵活敏捷、面向未来的运营模式，其基础是 data 产品. .data 产品本质上是一套 data 解决方案，直接应对业务挑战或业务成果。每个 data 产品都由一个专门的团队开发，该团队有自己的预算、资产和关键绩效指标”。”

“例如，您有一个由业务、IT 和 data 利益相关者组成的客户 360 团队。他们可以向业务部门以及外部客户提供多个 data 产品，因此您获得了一个客户 360 分析层。Data 科学家和工程师可以使用这个分析层来测试和学习人工智能 ML 解决方案。您还可以为您的一线销售同事提供一个包含相关关键绩效指标的客户 360 仪表盘，并利用它来提高客户终身价值。您还可以向营销团队提供 data 有关优化和个性化的信息，帮助他们更好地使用预算。”

这种可能性是无穷的，但从本质上讲，模块化运营模式可以让您的团队更好地协作，并为实现共同的战略目标而努力，而不是像目前金融信息机构以及各行各业的无数公司那样，各自为政，产品团队尚未成为现实。.

对人工智能的投资 伦理学 和监管对金融机构来说至关重要。在审查欧盟委员会提出的 人工智能法, 欧洲 Data 保护监督员 (EDPS) 认为有必要加强对基本权利的保护，包括加强对个人基本权利的保护，包括隐私权和保护个人 data。.

任何在金融机构、人力资本管理或个人信用评估中使用生物识别技术相关软件的人都将受到监管限制。从目前的情况来看，这将影响到几乎所有的金融机构。虽然目前还不清楚未来人工智能监管的全部范围，但可以肯定的是，监管将以道德为基础。但许多金融服务行业的领导者认为，他们的公司并不了解与人工智能相关的道德问题。.

Artefact 建议制定一项伦理道德准则。 内部人工智能治理框架 人工智能伦理的各个方面，包括买家、data管理、模型培训和再培训人工智能的可解释性。要做到这一点，专家建议可能有用，但真正需要的是由两部分组成的思维转变，涵盖人工智能伦理的方方面面，包括买家、data 管理、模型培训和再培训人工智能的可解释性。.

第一个转变需要利益相关者的大规模支持，迫使利益相关者放弃阻碍人工智能生产化的孤岛心态、部门和运营模式。第二个转变是从规避风险的心态转变为开拓进取的心态。这需要进行深刻的文化变革，让整个组织对人工智能的影响、应用和道德规范有高度的认识，从而在创新的同时不负责任。.

“这并不容易，尤其是在一个风险规避根深蒂固的行业。但归根结底，在采用人工智能方面，我认为金融机构没有太多的选择余地，关键不在于人工智能如何或能否为您的业务增值。而是如何在日常运营中嵌入人工智能，以便在瞬息万变的全球市场中保持相关性和竞争力。”