根据幸运，摩根大通是大银行在美国和超过2万亿$总资产的控制。在这篇文章中，我们详细介绍了各类人工智能研究摩根大通是干什么，以及他们如何可能使用他们的应用AI应用是。
摩根大通的人工智能研究的措施包括：
- 自然语言处理的股权投资
该银行的应用AI举措包括：
- 异常检测识别欺诈和风险缓解
- 自然语言处理（NLP）的虚拟助理，利用新闻和客户端智能
- 预测性分析的智能文档智能定价
-
我们开始了摩根大通的使用AI的探索与他们的研究举措：
人工智能研究倡议
自然语言处理的股权投资
摩根大通和APG资产管理公司，荷兰的养老经理，有一起工作研究如何科学数据能提高其投资组合经理和研究分析师参加和利用信息的方式。
他们使用由来自欧洲央行的银行对账单的数据集运行，将阐明数据科学的影响和限制测试。摩根大通现在据称使用他们的调查结果，探讨如何能够在交易和研究团队单独行动中使用。
摩根大通的研究人员声称，他们已经找到了一个相对较短的时间内积极成果，并已能够查明多个用例为这一技术在开发新的用户界面。个别员工，可能来自摩根大通和APG，通过一个单一的数据仓库，允许每个人都努力观察对方的进度合作。
该小组声称能够测试出各种研究从公司数据库中的方法和来自外部实体。他们还建成，这标志着该研究项目的最后一个原型AI应用。
增强的重要人员，如投资组合经理的经验，可能被证明是银行内部的AI转型的重要组成部分。类似的客户体验，减少了摩擦对最终用户可以提高跨多个部门的满意度和工作效率。
我们采访了塞巴斯蒂安·德布劳威尔，欧洲银行联合会的首席策略官，这个在我们的播客，AI在银行。采访的重点在哪里企业领导人应该在AI方面可重点关注。当被问及哪些功能将在将来当关键，德布劳威尔说没关系方面：
我们坚信，AI将有确实对银行业变革性的影响......最重要的方面是肯定，它会改变，希望增强客户体验。So that’s already a very important element I think for the banks who will succeed, and that is of course interactivity with the clients, because this should allow [banks to use interactivity data to create better offerings]…One activity where many banks are looking at is investment advisory or recommendations. I think that is certainly an area where no big players are looking very seriously at AI [as a solution.]…This may also expand the client segments that would have access to those kinds of services.
作为德布劳威尔观察，投资咨询和建议是站在受益于数据的科学和商业领域AI Enabled（启用）商业智能。如果摩根大通是实施方式使用AI，不仅帮助他们的工作人员，但他们的客户了解他们什么股票最重要的信息手段，可以提高在未来他们的客户满意度。
例如，考虑如果客户的投资组合经理使用启用AI-仪表盘查看组合和其相关的数据。摩根大通可以创建一个界面，显示最重要的市场趋势管理者展现给他们的客户。
这样一来，客户可以更好地了解自己的投资情况以及与银行的品牌建立更好的关系。
对于摩根大通，这一研究项目证明，他们与APG共同创造模型是有效的，这可能意味着这个项目的成功。这是否手段摩根大通将采取某种形式的这AI应用目前还不清楚。虽然小组发现大多是商业信息，他们声称要继续使用这个项目，以此来与更大的数据科学界参与。
应用AI举措
摩根大通声称是服用6的优势应用AI举措。尽管如此，该公司并没有提供有关这些倡议如何实现或哪些部门的细节。为了实现六个独立的AI举措，摩根大通将需要通过他们的技术堆栈整合AI软件的精简方法。这是可能类似于他们使用什么样的云系统国库管理软件吨。
摩根大通的本意应用AI举措包括：
- 虚拟助理
- 异常检测
- 新闻分析法
- 定量客户智能
- 智能文档
- 智能定价
我们可以推断出无数种可能使用情况对于这些AI的举措，除了在他们所制定和实施的方式。最明显的使用情况是他们的虚拟助理，这是可能的成熟版本试点项目的聊天机器人他们的工作与AI公司Kasisto在2018年和今年早些时候。
Kasisto声称已经帮助摩根大通资金服务为客户提供客户服务的聊天机器人。该聊天机器人据称是为了帮助客户导航摩根大通的广阔的网站而作出的。
Kasisto的平台，楷，可用于开发一种能够在多个数字渠道进行部署，如员工的仪表板和智能手机应用程序聊天机器人。Kasisto声称拥有的商业银行，可以帮助他们的软件分析数据的深度学习工具。
使用Kasisto的平台做聊天机器人旨在提供有关其金融业务的客户进行沟通。这些可能包括贷款或信用卡申请，产品发现，或者干脆客户支持。有些客户要求可在会话界面内完成，其中包括应用程序或发送付款。
Kasisto声称KAI聊天机器人可以推荐用户更有效的方式来完成日常工作。这方面的一个例子是银行业聊天机器人是建议代替少量多次重复支付的外汇ACH支付。
下图为演示如何KAI聊天机器人能回答关于如账户余额的个人数据的问题。这种特殊的视频显示Kasisto万事达卡进行的聊天机器人：
异常检测
摩根大通最有可能采用异常检测，以降低风险，并确定诈骗银行业务。这种类型的应用将需要公司以机器学习模型集成到他们的支付处理堆栈，并允许其分析传入交易的连续流。
这将训练模型来识别正常的基线感知这些交易或新的帐户信息的内容应当在系统用于跟踪任何其他银行的任务。
随后的异常检测解决方案可以通知其从正常模式偏离，使他们可以查看它的行动的人的员工。这名雇员可以选择接受或拒绝此警报，作为一个信号，机器学习模型，其决心分别是正确或不正确的。
这有助于训练模型来识别它检测偏差的类型要么是诈骗或典型操作的可接受偏差。这有助于捕捉洗钱，因为它发生，并可以允许摩根大通的欺诈队停止了攻击并推翻任何欺诈性交易。
智能定价和定量客户智能
无论摩根大通的定价和客户智能应用有可能通过预测分析供电。这是因为，为了使关于基于大量企业数据的价格和各种客户服务需求准确的预测，该公司将需要一个解决方案，可以适当了解并发现内的趋势该数据。摩根大通将可能是能够根据提议的业务计划，以了解潜在客户的满意度;然而，该公司使这一倡议目前还不清楚确切的使用情况。
摩根大通的网站指出，他们的智能定价主动权提供了“更准确的预测和置信区间。”这是一个强烈的信号，他们的解决方案的预测分析运行，因为在很多情况下的预测分析也使用置信区间来确定提供给用户最好的预测。
此外，他们的客户智能主动将需要至少部分预测分析，以便能够确定，如果客户使用他们的客户服务满意的数据。
为了使这种类型的解决方案正常运行和摄入大量的客户业务数据的话，就需要在所有的客户服务渠道，以安装在银行的技术堆栈中。我们采访了NISHANT钱德拉在VISA数据产品，高级主任AI在银行有关如何银行业领导人可以更好地处理这种类型的挑战自带的AI收养。
钱德拉强调整合AI的能力，而不是简单分层他们目前的业务之上的重要性。他使得这种类型的分层整合之间的比较，或者用他的话说，“烤宽面条”，而不是垂直荣登“比萨”。至于他的具体做法，以集成，钱德拉说：
当他们互相交谈软件的每一层是很聪明的。他们有内置的数据科学能力，他们必须在每一层检测内置数据造假，而不是在最后做的AI人工智能方法。这些都是智能软件平台将在这个空间变换或根深蒂固的AI功能。这是正在发生根本性的转变。
分层AI应用到每一个客户服务渠道为钱德拉建议可能是银行，AI启动，或正在开发的解决方案，需要被集成到多种渠道，如摩根大通的智能定价的解决方案可能是金融机构非常重要。然而，正是在这个时候还不清楚，如果摩根大通采用了这种方法。
很可能，这个解决方案还包括NLP因为摩根大通索赔这一举措从客户端通信的满意度进行量化借鉴。为了做到这一点，就需要能够解析输入，书面或口头语言，并翻译成数字数据。
新闻分析法和智能文档
就像他们的客户智能主动，摩根大通的新闻分析解决方案可以由两个NLP和预测分析技术。这是因为他们声称主动让他们从多个渠道收集新闻，然后分析他们的情绪，特定的主题，和交易信号。
虽然交易信号的分析需要预测分析，以提供从新闻数据准确的预测，如文章或博客，情感分析也需要NLP。
为了解析书面文字，随后评估他们背后的情绪，机器学习模型将需要上都写在语言来进行培训，业务术语呈现在其中，和背景。该模型还必须在套根据自己平时的情绪标记单个单词训练。
情绪通常简单地分类为积极或消极的，然后将这些标签被贴到各个单词，例如分别为“有效”或“有问题的，”。这允许NLP应用程序，以确定每个段落或文章的主题以及扬声器是如何看待这个话题或者如何读者可能应该感觉。
该公司的智能文档举措很可能不可能没有NLP应用程序，使其工作。摩根大通指出，这个项目使他们能够找到从冗长的文本文档的重要信息，以便使他们的工作人员把重点放在哪里更需要人的项目。
他们声称这提高了工作流程通过减少人工操作，而且因为该解决方案可能的路线到指定的项目或举止谁要求任何员工的重要信息。目前还不清楚究竟哪些类型的这一举措是用于文件，但它有可能在任何营业部，要求员工在搜索较长的财务文件中的相关信息来实现。
标题图片来源：块
