过去一年,新冠疫情对各个行业的影响都甚为深远,金融行业也不例外。在疫情影响下,消费者行为发生了重大变化,从线下更多涌入了线上。远程办公蓬勃发展,即便是进入新常态后,远程办公也会成为很多员工的选择之一。
德勤的一份报告指出,未来的金融服务业需要“更加注重敏捷性和效率,架构更加扁平化,同时加快决策速度,为员工提供更多支持,打造弹性的工作环境”。一切都将改变,无论是人才保留、数据隐私、社会公平,还是客户和员工体验。金融机构需要思考如何应对这些变化,包括业务运营、流程、新技术和新法规。疫情催化的数字化转型进程,正像历史的车轮一样,滚滚而来,势不可挡。
针对数据分析、AI和机器学习技术将带给金融行业的变化和影响,以下是Cloudera做出的五大趋势预测。
趋势一:将新兴技术用于风险管理
金融服务业必须接受的一大改变是,传统的风险管理模型,尤其是信贷风险模型可能会过时甚至被淘汰,而人工智能和机器学习将成为未来几年风险建模的核心。金融机构需要更新并开发全新的人工智能和机器学习模型,实时发掘大范围内的数据价值,从而为不断变化的业务环节提供深入洞察。
金融机构可以采用各种方案来应对风险管理挑战。特别是风险管理负责人需要重新思考其业务防线,比如对所有业务条线进行压力测试,并采用自动化系统运行成百上千次动态压力测试。金融机构可以考虑构建灵活且可扩展的风险转换平台,有效应对这个不断变化的时代。
将替代数据、实时数据以及AI和机器学习技术用于风险管理,金融机构可以大幅提高风险管理的效率和表现。
趋势二:全力打造个性化、数字化的客户体验
疫情期间,人们对数字平台的使用率达到了前所未有的高频次,对于金融机构也是如此。通过采用数字化战略,许多银行发现了为客户量身定制产品和服务的好机会。目前,很多银行正在运用先进的数据分析和AI技术,为客户提供更加个性化的体验。
数字化方式不仅可以帮助金融机构推广产品,还可以为客户提供全天候的一键式体验。基于AI和机器学习技术的聊天机器人和语音助手能够与客户现场对话,加强银行和客户之间的联系。为了提高竞争力,银行需要采取“客户体验优先”的战略。通过为客户提供个性化服务提升收入,同时借助大量数据分析洞悉更多商机,进而提升个性化服务的广度和深度。
趋势三:使用数据和机器学习打击欺诈行为
金融机构可以通过实时数据分析和机器学习技术,有效防范欺诈行为。疫情期间,全球范围内发生了很多欺诈行为。犯罪分子利用大众希望健康安全的心理,设置了诸如疫苗等很多骗局,进行疯狂诈骗。据美国欺诈审查委员会在2020年9月发布的新冠病毒调查报告显示,68%的受访者表示疫情期间金钱欺诈数量有所增加,85%的受访者预计未来一年相关欺诈会呈现持续上升的趋势。
随着数字平台使用频率的上升和新支付模式的出现,新型金融犯罪也随之出现。AI技术可以帮助金融机构提升其犯罪行为筛查的效率和有效性。在筛选出最可疑的犯罪行为后,金融机构再使用人工重点审查,从而大大提高防范欺诈行为的效率。
趋势四:上云可以降本增效
云环境能够支持金融机构快速且低成本地实现高级分析和自动化,预计金融机构的上云速度在2021年会大幅提升。此前,金融机构因为担心安全与合规问题对采用云架构有所抵制,但现在安全性的提升有效降低了上述风险。例如,Cloudera提供的共享数据体验(SDX)能够在各种环境中实现一致的安全管理。无论是将云作为测试或建模的沙箱,还将云作为生产环境,考虑到云的速度和可扩展性,云环境已被证明是金融机构的重要工具之一。
对于金融机构领导者而言,思考如何利用云计算进行业务创新、提升效率至关重要。当然,并非所有工作负载都适合上云。在本地环境和私有云仍将继续占有一席之地的大环境下,多云或混合云环境的意义在于可以提供与客户所处环境匹配的灵活性和安全性。
趋势五:数据隐私与合规
采用新数字技术意味着有大量数据在线传输,并通过云端访问。随着数据和分析技术的不断扩展,围绕客户隐私和权利的法规要求也在不断完善。 数据隐私保护已成为全球范围内关注的焦点。目前,各种关于数据隐私保护的法律规定都在陆续出台,比如GDPR。然而,每一项新规在增强数据隐私保护的同时,也加大了数据应用的复杂性。
金融机构需要轻松识别和管理敏感数据,从而满足合规要求。只有通过使用统一的平台化操作才能有效实现上述目标,平台需要囊括数据分类、数据沿袭、建模和审计等功能。
整个金融行业正在向数字化未来飞速前进,未来将会涌现很多提升效率、推动创新和实现增长的机会。而现在,金融机构应该采用更多新技术,利用数据分析获得洞察,从而提升客户体验和运营效率,同时降低风险,并防范金融欺诈。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。