零售商和金融机构在其业务中采用人工智能和机器学习来解决各种业务问题，如网络安全和文档数字化。然而，许多这些公司也在使用人工智能来改善他们的客户和客户的支付流程。这些类型的应用程序通常被分层放入现有的支付技术堆栈中，其中可能包括直接处理(STP)或机器人过程自动化(战)。
在这篇文章中，我们涵盖三个公司，每天处理大量的付款，以及他们如何利用AI，使他们更快，更准确，或更安全。我们推断他们是如何最有可能的工作，并讨论他们实施其解决方案的AI后看到了好处。
我们覆盖的AI支付解决方案的公司包括:
- 花旗集团，花旗或美国财政部和贸易服务（花旗TTS），以及他们如何使用预测分析来促进他们的应付账款流程。我们还报道了他们与Feedzai的新合作关系，为花旗TTS客户提供支付欺诈检测解决方案。
- 星巴克,以及他们的移动订购应用程序如何添加了机器学习和自然语言处理(NLP)，以帮助每个客户订购他们的商品并快速提货。
- 贝宝,以及他们的客户服务聊天机器人如何帮助用户付款、要求退款、检查他们的账户状态和退款请求。
我们开始探索人工智能支付与花旗集团的人工智能为动力的应付账款流程，以及它如何与STP协同工作。
花旗集团(Citigroup)
应付账款
花旗集团内部花旗财政部和贸易解决方案是利用AI软件在促进应付账款流程。他们声称在他们已经高度自动化账户有所改善支付解决方案，其中包括可能区域规划和STP。
虽然RPA技术可以复制和执行最简单和重复的任务，但STP以简化支付和在适当的通道上路由信息而闻名。
高数额的支付，包括客户财政部以外的团队创造的支付，使得财政部更难识别新的支付类型。花旗集团声称人工智能可以解决这个问题，并以他们的支付异常检测服务试点为例。下面的视频概述了这项活动:
通过使用机器学习，该公司能够创建一个试点项目，自动检测客户公司与之交互的新类别或支付类型。一个新的支付类别的例子是金融机构提供的一个新的贷款计划。系统可以将这视为一家新公司的发行，并允许支付。
这将允许技术栈的其他部分，如STP，更轻松地完成自己的任务。例如，STP程序将能够立即处理路由上的一种新型的支付信息。
这是因为支付离群能够分类支付，这将分配给它适当的目的地的路由信息。
飞行员软件最有可能通过检查对正常缴费行为，具体到客户公司的一个预先确定的基准每个支付实现这一目的。花旗集团称该软件可以触发实时警报，显示人类的员工，有一种新型的支付方式。
如果付款不完整或有其他错误，员工可以拒绝付款。
如果只是一种不正常但仍然可以接受的付款方式，比如他们只偶尔与第三方合作的发票，客户可以接受。这可能会让人工智能在未来适应这种新的支付方式。
花旗集团的支付处理人工智能很可能是通过预测分析来完成的。这是因为他们需要一个机器学习模型，该模型可以针对客户公司的财务和支付行为进行培训，并经常适应新的支付类型。
这是不可能的，它需要另外AI的做法，如异常检测，因为它更常用于风险管理和欺诈检测。相反，预测分析可能产生的每一笔支出的置信水平，而客户端可以判断此时异常支付应触发警报的阈值。
风险管理与Feedzai合作
花旗集团最近还与Feedzai合作，为其银行和商业客户整合风险管理和欺诈检测的人工智能平台。花旗声称，他们将把Feedzai的交易监控平台整合到现有的服务和平台中。这可能会让客户对所有交易的风险管理有更多的控制权。
在谈到这一新的合作伙伴关系，马尼什Kohli先生，付款和收款的全球主管，花旗的财务和交易解决方案（花旗TTS），曾表示，“我们与Feedzai战略合作伙伴关系表明了我们使用技术来推动创新的坚定承诺。随着Feedzai的解决方案的帮助下，我们可以在努力创造价值给我们的客户迅速扩大规模，使他们能够进行支付安全，高效，无摩擦，在全球范围内“。
事实上，花旗TTS似乎专注于提供准确的风险管理，而不是降低索赔处理技术的速度，这些技术已经存在于他们的许多解决方案中。
由于网络攻击，欺诈，支付处理和欺诈检测都不断创新，花旗集团的客户希望他们的付款速度跟不上也是如此。该公司声称，他们的Feedzai的异常检测软件的结合将帮助他们的客户留在新威胁的顶部，而不会减慢他们的交易。
Feedzai已经声明了他们的OpenML引擎软件可以帮助银行数据科学团队使用所提供的欺诈模式创建机器学习模型对欺诈检测。这可能是花旗TTS使用了某种形式的这种创建自己的模型，他们的银行和商业客户。
详情如下Feedzai的AI平台如何运作的图像。它描述了数据从大型卖场或“湖”和API流入OpenML引擎。发动机再部署了实验和实时分析数据。从部署也漏斗的数据变成“Feedzai风险的工作室，”这可能会或可能不会是花旗集团的合作伙伴关系的一部分：
该软件据称可以通过监控付款表现差异或变化每笔交易完成这一点，并清除继续通过系统之前，他们分析这些异常。花旗集团声称，他们可能会得到一个利用2019年Feedzai的异常检测新的解决方案。
星巴克
星巴克(Starbucks)最近成为移动支付技术的领军者，这可能会让一些人感到意外。“我的星巴克咖啡”(My Starbucks Barista)手机订购应用程序允许顾客选择他们喜欢的星巴克地点，在应用程序中输入或说出他们的订单，然后付款。顾客在店里所要做的就是取货。
该应用程序已被后来走在无数的周薪年自成立以来在2009年这可能是因为星巴克是能够利用自动清算所（ACH）支付，以及自然语言处理（NLP），相同的应用程序中。
ACH支付系统自动清算支付的过程中，从客户公司支付。这是零售商和金融机构的方式，而不使用电汇，现金，支票或信用卡网络转账。
这允许更快的支付处理，也很可能是更多的“轻量级”关于支付移动应用。这是因为，ACH将构成支付后续单个流，因为转钱的方法将是相同的，无论客户。
在NLP技术中，星巴克利用人工智能帮助客户从下单到付款，这将包括他们使用该应用程序的日常客户旅程。
这款应用本质上是一个聊天机器人服务，与星巴克的产品、定价和支付数据库相连接。程序会要求客户提供订单中物品的更多细节，并允许他们定制自己的饮品，就像他们与现场的咖啡师一样。
顾客还可以通过对着智能手机的麦克风说出他们的订单和随后的支付信息来实现这一切。然后，该应用程序会将这些商品添加到顾客的购物车中，如果出现错误或可能的变化，顾客可以在购物车中查看商品。
此外，客户可以要求可能与他们的信用卡，借记卡或星巴克礼品卡支付。像其他手机订货应用程序，它也能够通过询问在应用程序这样做保存以供日后使用多种付款方式。
据该公司介绍，客户将很快能够从他们的亚马逊的Alexa访问我的星巴克咖啡师的应用程序使用他们所谓的“星巴克重新排序技术。”该功能将允许用户重新安排他们的“通常”星巴克与单一的语音命令。
这可能会导致一个推送通知到客户的手机，提醒他们一个新的支付和接收。
所有这些基于对话的客户服务都必须通过NLP来实现。机器学习模型需要被训练来理解不同音高和音调的声音来点星巴克菜单上的每一道菜。此外，培训数据还需要包括每个项目的大量定制选项，包括加热某些食物和在咖啡中添加奶油或牛奶。
一旦机器学习模型进行训练和部署，它可以最有可能自动更新更改菜单，以及如何人讲他们的订单。
贝宝
PayPal还声称，他们的客户服务聊天机器人可以通过Facebook messenger等即时通讯应用来运行人工智能。他们的首席技术官Sri Shivananda曾说过，既然运行机器学习算法所需的硬件已经变得具有成本效益，那么他们的机器学习算法就变得更加可行。当被问及关于AI会如何，他认为适合对调解贸易收支计划，希万南达说：
在计算的最新进展，如图形处理器，已经取得已经存在了很长一段时间商业上可行和有效的算法。我们一直在寻找，看看我们如何能够从机械化洞察数据的创建。最近的一项创新是我们的客户聊天机器人。实际上，你可以得到退款或者解决通过理解上下文和高度保密面向系统发生争执。
出于安全原因，贝宝聊天机器人要求用户每次使用其账户访问个人数据时都要登录账户。它还可以向用户显示一个列有争议付款的窗口，这样用户就可以查看每个争议的状态。
客户可以向机器人询问问题，或在PayPal账户的各个方面寻求帮助。这些调查包括:
- 为什么拒绝付款
- 举报违例收费
- 他们的帐户密码
- 对他们的帐户设置限制
该聊天机器人还包括关于退款的问题，还可以帮助客户要求或检查退款状态。客户还可以使用应用程序来检查付款或退款，这可能会给一些用户安心等待的钱在他们的帐户到达回的处理时间。
贝宝还声称，利用机器学习欺诈和在其支付平台降低风险。他们声称使用几百个识别元素存在于每一个交易，以确保客户正在预期购买或支付的。
不需要额外的密码是必要的，PayPal的一键式服务不需要任何形式的生物特征数据以释放付款。
相反，他们利用的链接安全交易回账户持有人，建立针对每个用户的正常开支感数据点的无数量。该公司有可能实现的，因为机器学习模型将需要以处理数百万用户的消费习惯进行培训的方式使用该预测分析。
一些用户有非常不稳定的消费习惯，而另一些用户每年都有更典型的消费趋势。
预测分析可能会更好地处理这种变化，因为算法的每个实例都需要时间来建立每个用户特有的常态感。来自每个事务的数据点最有可能反馈到机器学习模型，以帮助其改进。
标题图片信用：NTT数据
