人工智能在企业银行中的最新应用 - 万博x官网,msports万博体育官网,万博官方软件

企业AI软件银行与零售银行没有太大的不同，尽管它们对数据的要求和对软件的意图会有所不同。目前销售给银行的人工智能供应商通常拥有覆盖所有类型银行业务的客户，但很少有供应商专门针对企业银行业务指定任何解决方案。相反，他们在整个行业推销自己，并在适当的地方提供企业银行的详细信息。

在本文中，我们将介绍可能对企业银行有帮助的AI应用程序。我们强调人工智能供应商和企业银行之间的合作关系，以增加对它们提供的任何成功证据的洞察力。如果解决方案对企业客户(而不是零售客户)有独特的数据需求，我们也会注意到这一点。我们特别介绍以下解决方案:

文档数字化:公司银行可能有大量积压的纸质文件存储在多个分支机构。为了方便起见，一些银行可能需要将所有这些文件数字化搜索但也要留在内部法规遵从性对于银行业来说。
自动应收账款预测分析:预测分析可以使银行系统自动检查应收账款，并尝试以前拒绝的客户费用信用卡。
欺诈检测:银行如何使用异常检测和预测分析来保护其企业客户的隐私和资金。

我们讨论的第一类AI解决方案是文档数字化，我们还讨论了企业银行如何能更有效地数字化文件，这些文件在进入银行之前通常需要是实体的。

文档数字化

与其他银行一样，企业银行也可以从文档数字化解决方案中受益，因为它们可能使大量积压的物理数据变得更有用。此外，银行可能希望使用人工智能来保持在监管范围内或者确定客户偿还贷款或违约的可能性有多大。也就是说，他们可能对需要数字化的文件有所不同。

企业银行可使用人工智能文件数字化软件，将以下实物文件加入其数字数据库:

金融贷款协议
设备贷款协议
商业房地产文件，如检验合格的证明
任何来自客户或客户的包含任何现金和资金管理问题的新信息的文件

为了实现这一目标，银行需要使用一种叫做光学字符识别(OCR)的机器视觉软件。这必须安装到一个系统中，在这个系统中，摄像机可以扫描每个文档的高分辨率图像，以检测字母、数字和其他字符。然后，软件按照相同的顺序翻译这些字符，以生成数字格式的文档。

OCR软件可以链接到客户的客户信息数据库，以便将新信息从扫描的文档发送到正确的位置。这使世行能够更容易地检索数字化信息，就像从数据库中检索任何其他资源一样。

这是最有帮助的银行与大量积压的实物文件，这可以观察到房地产银行。房屋租赁和出售通常都需要签名，这意味着房地产银行家发现自己有很多纸质文件，可以更容易地通过数字方式获取。这也可以帮助银行家寻找一个更健全的贷款历史的一个特定的客户，以衡量他们的财政责任之前，通过贷款。

新实现的OCR解决方案可能会导致银行的数字数据突然增加，这需要适当地组织和存储在数据库中才能发挥作用。这样，每个部门都可以从一个集中的数据源访问新数据。也就是说，这可能会对使用已有大量数据的旧数据存储方法的遗留银行构成挑战。我们采访了穆里尔Serrurier Schepper高级数据分析和人工智能的商业顾问荷兰合作银行感谢她对商业领袖如何处理这一问题的见解。在我们的采访中在美国，Schepper强调了让大数据对普通员工有用的重要性。当组织和清理正确时，大数据也可以用来帮助培训a机器学习模型另一个人工智能应用程序。Schepper为遗留银行强调了以下步骤，以确保它们能够正确地准备这些数据:

聘用具有人工智能学术背景、同时在多个部门接受过银行概念培训的人才。
确保人工智能团队和每个业务部门的人工智能实施人员经常沟通。这有助于所有员工熟悉软件，并发现数据需求可能重叠的地方，从而创造更多的价值。
识别每个部门的问题，以便领导可以看到工作流程和实践可以改进的地方，从而使人工智能的采用更加顺利。
为技术和AI团队设定现实的期望。即使是一个熟悉银行概念的熟练人工智能团队，也需要努力工作来有效地培训和实施机器学习模型。许多OCR解决方案不是完全自动化的，需要员工将新数字化的数据导入数据库的正确区域。

Vidado是一个向金融机构提供OCR解决方案的AI供应商的好例子。该公司声称，他们的软件可以检查数据，以发现正常流程中的任何异常。例如，银行可以为预定的会议提供商务回复卡，但不包括日期，因为收件人已经知道是同一天。系统可以检查回复卡，并允许它进入数据库，而不需要人工检查，因为它已经“学会”进行这种类型的异常。

他们的人工智能平台有四个不同的部分，他们有一个人工智能平台，工作在四个关键步骤，把重要的数据从物理媒体到数字格式，供所有相关的业务部门使用。以下是我们列出的部分:

愿景:员工将银行的实体文件扫描到系统中。Vidado声称，扫描的文字不需要特别高的分辨率，也不需要书写工整，但这种方法的效果尚不清楚。远景步骤根据预先准备的模板组织扫描的文档。
读:该软件既可以捕获机器打印的文字，也可以捕获手写的文字。Vidado声称该软件可以识别凌乱的笔迹和低点/英寸(DPI)的纸质文件扫描。
点评:这就是Vidado所说的“异常处理接口”，即检查错误或不完整数据的系统部分。银行可以为这些文档设置定制的检查点，以便在扫描最重要的数据时优先进行审查。与此同时，不太重要的数据可以在没有人工审核的情况下传递。
变换:最后一步是允许银行根据其企业数据的其余部分或其可能访问的任何第三方数据源来验证其数据。据称，它还可以格式化数据，以便通过它们的API轻松传输。

Vidado在他们的网站上发布了一个客户成功的故事，详细介绍了他们与大都会人寿在处理受益人指定表格中的例外情况方面的工作。许多这样的表格每天都被发送到公司，以表明谁将从客户的人寿保险单中受益。公司有许多表格，字段不完整，书写错误，或者信息与银行当前的客户信息相矛盾。

Vidado声称已经将他们的AI平台安装到MetLife的现有系统中，并且他们的异常处理接口能够将异常与最相关的数据关联起来。这可能会帮助人类员工，他们的工作是通过提供最有帮助的企业数据来修复这些错误。

此外，Vidado声称MetLife能够将文件处理时间缩短93%。此外，手动异常处理据说下降了70%。最后，该公司实现了43%的直通式自动化，即将数据直接从源推送到目标数字位置的自动化。

虽然Vidado的这个例子是为一家保险公司做的，但这个故事包含了一些银行的信任指标，这些银行正在考虑将AI供应商的文档数字化。该软件能够根据预先确定的模板对扫描的文档进行分类，这将有助于银行采用多种形式。这些可以是贷款申请，设备贷款协议表格，或房地产文件。

对于需要对数据相关任务进行更细粒度的优先级排序的企业银行来说，供应商对表单的直接自动化的关注可能也很有用。如果最重要的文档有不完整的数据，那么它们可能需要与人工员工相处更多时间。虽然不太重要的可能会被人工智能平台自动更正，以便以后需要时进行检查。

自动应收账款与预测分析

企业银行可以使用预测分析来自动列出应收账款(A/R)以及他们的订单来进行现金处理。这允许银行系统自动检测通过新合同或订阅公司银行服务与客户建立的合同关系。一旦收到订单，系统将使用来自销售的可用数据来决定何时何地完成订单并发货。

这可以在客户在银行的A/R中提交任何必要的付款后完成。如果有未付款，系统将尝试每隔一段时间再次运行付款。如果客户的付款一直被拒绝，可能需要由人工代表与客户联系。

为了准确预测A/R和订单到现金流程的下一步，需要对银行数据库中的数千个订单进行机器学习模型的培训。每笔订单都会有客户的姓名、所购买的产品或服务、支付的金额以及支付时间。这将逐渐训练机器学习模型，以识别单个应收账款作为事件的差异。

一旦该算法能够区分完整支付和不完整支付，它就可以开始自动处理该支付，并向其他部门发送信号，开始准备产品交付。随着自动化技术的不断提高，企业银行可以看到人工智能和数据分析解决方案，从而同时促进多个业务流程。

我们采访了安Miura-ko的共同创始人和合伙人水闸以及预测性和规范性分析软件如何通过变得更加完全自动化或“自动驾驶”而继续造福银行。“说到支付处理，这就要求软件不断地确定考虑每一个新的数据点时，下一步需要采取什么行动的概率。当我们问及她是如何产生“自动驾驶”人工智能的想法，以及她是如何将这一想法打入其他行业的时候，三浦子说:

我第一次真正明白过来的时候，我有一辆特斯拉，我开到了280英里，我和自动驾驶仪打了交道，那真是个糟糕的时刻;块,对我来说很是有趣的自动驾驶仪,你实际上得到的直接反馈实际的汽车,这是看到什么,为什么它是决定它,很明显,你可以覆盖它…对我来说,它指的是智力的概念和企业需要变得更聪明的加班,和企业应用程序需要遵循…

Miura-Ko比较了ai激活的情况自动驾驶汽车AI用于企业流程自动化。正如A/R和支付处理一样，人工智能应用程序可以自动发出信号，允许其他业务流程启动。现在，这些信号通常是针对人类员工的。然而，Miura-ko项目认为这些类型的信号可以被发送到其他AI软件上，使得任务的顺序更加自动化。

现金及库务管理文件公布a新闻稿哪个覆盖AI供应商HighRadius与花旗银行合作，实现应收账款的自动化。HighRadius专门从事基于云的支付处理，这有助于组织银行的a /R。该新闻稿称，花旗银行使用了HighRadius的预测分析技术来改善他们的“智能匹配”平台。这是一个为企业客户提供的支付匹配平台，可以帮助银行检查未付款的a /R，并尝试再次运行支付。

在发布这篇新闻稿时，花旗银行看到了其企业客户在以下领域对创新的需求:

通过自动化降低成本
降低每日未付应收账款
快速处理任何异常或异常，以提高支付处理效率。

HighRadius的平台使用预测分析，根据A/R数据分析过去的事件，将已开的发票与公司客户收到的付款进行匹配。根据他们的网站，该软件会分析过去的A/R事件，从而了解账户何时付款以及下一步该怎么做。

根据新闻稿，花旗银行帮助其企业客户改善了A/R调节和其自动直通处理(STP)系统。我们可以推断，花旗银行的STP系统也能够更准确地匹配客户及其所需的付款。

欺诈检测

企业银行可以使用人工智能应用程序欺诈检测在付款、应收帐款和合同协议中发现可能的欺诈案件。此外，欺诈检测软件可以用来检测公司的网络安全漏洞。人工智能软件有两种欺诈检测方法:异常检测和预测分析。

通过将异常检测软件安装在银行总部，使其能够扫描每个新事件中包含的数据，从而对异常检测软件进行实时培训。对于支付，这将是数千个独立的交易，包含客户、商户、地理位置和支付方法信息。

在分析进入系统的每个新事务时，机器学习模型实时地学习每个数据点的内容以及它们之间的关系。这使它能够理解每个事务中应该包含哪些内容的一般标准，这意味着它可以标记那些与既定规范偏离太远的内容。

预测分析软件没有经过训练，不能准确掌握机器学习模型扫描的对象。相反，该算法可以对世行的数据库进行筛选，并在得出自己的结论时对数据点进行关联。

这使得软件能够理解什么欺诈是基于与其他欺诈不同的偏差。这些包括伪造的客户信息或伪造的地理位置数据。通过这种方式，机器学习算法可以允许更多的普通偏差，而这些偏差实际上并不是欺诈的迹象。

我们采访了贾斯汀·菲尔的网络情报和分析主管Darktrace关于新的欺诈方法如何继续变得更先进。当我们问在谈到“恶意人工智能”时，费伊详细描述了诈骗者如何使用机器学习来开发和使用新的欺诈方法:

我们将继续看到黑客用机器学习来打渔。我们最近看到一个活动，在获得用户的电子邮件后，程序寻找关键字;文件名称;语言;一个人打字和说话的方式;基于发送经过精心设计的电子邮件,因为它给了他们更多的机会获得点击另一结束,我觉得这样的设置一个框架,我们将会看到毫升移动恶意hemisphere-using机器来确定模式的生活,真的很复杂的方式来移动内部网络上的而未被发现。

随着欺诈检测技术的发展，出现了诸如此类的新欺诈方法。正因为如此，传统银行可能更难以采用预测分析应用程序，而非异常检测应用程序。预测分析软件可能能够检测到更细微的事件或数据的变化，从而识别出一种之前未被发现的欺诈方法。

一个AI供应商的银行欺诈检测解决方案是Teradata。据称，他们的机器学习平台提高了银行的欺诈检测率，因为他们的数据分析软件能够识别潜在的欺诈案例，同时仍然避免可接受的偏差。这意味着，通过该软件识别欺诈迹象和银行事件中独特但可接受的偏差的能力，误报率将降低。

例如，如果一个事务发生在离客户工作或生活的地方很远的地方，而客户正在度假，软件将接受这个异常的地理位置数据点，而不是将其标记为可能的欺诈。

下面是Teradata网站上的一张图片，详细介绍了他们的人工智能解决方案在改善现有业务流程方面的价值。这个价值包括关于如何继续最有效地使用AI软件的建议和指导，以及为利益相关者和商业领袖轻松地生成价值报告的证据。此外，该公司还提供了一种开源方法，用于为人工智能相关流程和数据分析服务开发平台和仪表板。

Teradata发表了一案例研究在他们的网站上详细介绍了他们是如何提供帮助的丹麦银行更新他们的欺诈检测流程，降低他们每天1200次的假阳性率。根据案例研究，Danske Bank安装了Teradata的解决方案，并将其集成到他们的支付处理工作流程中，以便: