我们的AI在银行售卖景观和能力地图报告详细介绍了各种状态人工智能的方法和能力，在特定的银行职能，测量他们在他们的资助下，在大型银行的投资回报率的证据，并采用和更多的层次。在这篇文章中，我们将讨论如何以及在何处银行使用自然语言处理（NLP），一个这样的AI的方法 - 所述的技术描述机器学习模型后面的AI产品。
下图详细说明了与其他人工智能方法相比，基于nlp的银行人工智能供应商的产品。此外，它还分解了每个“子方法”的百分比，如语音识别、分类和意图解析:
有越来越多的厂商销售基于NLP的产品，以银行比其他任何一个人工智能的方法，占总数AI的28.1％，跨厂商的产品供应途径计数。这些NLP产品最大的切片是用于信息检索，这往往需要文档搜索产品。
第二大，意图解析，常常导致客户服务应用程序，包括聊天机器人。有趣的是，这两个基于NLP子方法代表两个AI应用案例是最多和最少的可能是银行在未来几年的重点。
银行急于自动化合规流程，以及信息检索/文档搜索技术可以帮助这一点。搜索功能可以允许在银行合规人员相对快速地找到成千上万之间的数字文档相关的信息。
反过来，他们可以决定是否财富管理是按照规定与客户交流或寻找客户资料和证明，它已经被删除，当客户询问他们的数据被清除按GDPR。
这些过程不产生收益的银行;他们只是降低风险。因此，银行希望，因为他们可以在这些过程花费少。
在另一方面，建立在意向分析算法面向客户的应用程序可能将不得不等待合规性流程实现自动化和NLP算法来提高银行开始重点建设之前。
虽然多家银行都推出了聊天机器人，这些聊天机器人只能帮助很小方式的客户，让他们或许检查他们的银行存款余额。该聊天机器人会时，他们无法满足客户的意图（通常是）航线客户查询人的员工。
我们在报告中采访的银行业专家淡化了大型银行对客户服务的关注，但这与银行在新闻稿中谈论的内容形成了对比，在这些新闻稿中，谈论聊天机器人是很常见的。
在这篇文章中，我们将讨论自然语言处理算法，在银行客户服务和文档的搜索应用程序，照亮两个子途径自然语言处理，这将在未来几年银行自动化中发挥重要作用的。
To do this, we’ll dive into several vendors, as well as JP Morgan Chase, and their products’ use-cases, and we’ll close the article with a discussion about how these vendors shed light on the state of NLP in banking. We’ll start our analysis with document search technology.
我们的读者可以找到更多关于银行如何使用和集成NLP应用程序的信息下载行政摘要为我们的人工智能在银行供应商记分卡和能力地图报告。
文档搜索
摩根大通
摩根大通推出的硬币，机器学习软件，他们声称可以帮助银行的法律团队查阅大量法律文件使用NLP。
摩根大通银行的法律团队可以索赔的员工将法律合同上传到软件中，以提取重要的数据点和条款，从而加快他们的工作。据报道，该银行的法律团队过去常常花费36万小时手工工作审查商业贷款协议。该公司声称，这是高度重复和合同的这种解释是很容易出错。
平叛作战软件据报道，被训练识别其是由银行的法律团队决定为提取和总结重要的文件属性。COIN分析文档找到的单词或短语相关的这些属性。然后，系统从契约中提取这些属性，并将它们呈现给人工审阅人员。据报道，该系统还可以将它无法分析的任何契约路由到人工审阅人员，以便他们能够手动搜索文档。
这一举措可以帮助摩根大通获取重要的客户数据，他们可能没有其他。这样可以让每一个客户更详细的信息集，并且提供可操作的知识，可以提高客户保持率。这个想法被阐明时我们采访到贡纳尔•防资金，联合创始人在我们的播客洗钱AI公司AyasdiAI在银行。
我们的采访关注的是未来银行如何通过无监督机器学习取得成功。当被问及他认为人工智能项目的大部分投资回报率来自银行业时，卡尔森说，
“我认为关于投资回报率的答案更多的是了解你的客户。我认为，总的来说，人们对人工智能的发展方向和它应该解决的重要问题有很多了解。但就实际情况而言，我们还处于相当早期的阶段。客户情报还处于萌芽阶段，(但)这里没有绝对重要的东西。”
尽管某些类型的应用程序仍在开发中，但卡尔森强调，随着人工智能变得更加突出，更详细的个人客户形象将不可避免地帮助银行取得成功。
摩根大通声称，它能够提取12000个年度商业信贷协议150个相关的属性，使用COIN秒，虽然因为公司使用COIN内部，我们无法验证这一说法。因此，有报告与COIN软件不来自摩根大通自己的成功没有可用的案例研究。
贾森·米尔斯机器学习和高级分析的执行董事在吗摩根大通。他持有女士在技术从雪城大学。先前，米尔斯担任风险技术全球主管在花旗集团。
S形
S形是机器学习的咨询公司，声称拥有帮助银行和投资公司与机器学习项目。
Sigmoidal声称曾帮助一家投资公司开发了一款交易软件，该软件使用机器学习来跟踪客户可能如何消费、投资或根据他们的交易历史做出财务决策的模式。然后，该软件将客户投资模式与通过搜索新闻和社交媒体获得的市场发展联系起来，为客户提供个性化的投资建议。
Sigmoidal称，该投资公司随后可以利用他们帮助开发的软件，从新闻网站和社交媒体上自动挖掘市场发展信息。该公司称，这些软件可以执行文档分类和指定实体识别。然后，该软件使用NLP过滤出与投资者的特定需求最相关的信息。Sigmoidal声称，该软件还可以帮助从收集到的数据中提取个人姓名和公司等细节。然后系统在仪表板上提供收集到的数据。
Sigmoidal的员工曾分别与NASA、DARPA、NVIDIA、微软、普华永道、高盛和英特尔合作过项目。
Marek Bardonski他是Sigmoidal公司人工智能部门的负责人，持有该公司50%的股份。他拥有华沙大学计算机科学学士学位。此前，Bardonski在瑞士NVIDIA担任高级深度学习研究工程师一个月。尽管如此，巴尔多斯基在LinkedIn上的个人资料显示，他目前是多家公司的顾问。
Marcin Mozejko在S形首席深度学习工程师。他毕业于华沙大学的数学硕士学位。
客户服务
Kasisto
Kasisto是一个纽约基于公司成立于2015年，该公司提供chatbo牛逼叫KAI，他们声称这能有所帮助银行及金融机构开发聊天机器人，可以帮助他们的客户进行支付，获取交易和帐户细节，并管理他们的财务使用NLP。
Kasisto要求银行和金融机构可以在多个渠道，如即时通讯应用和网站部署他们的聊天机器人。该公司声称启商业银行软件是为银行量身定制的，包括一个深度学习分析工具，可以帮助数据收集和分析、模型培训、测试和部署。
为了培养在几周内对银行的客户支持标准的聊天机器人背后的模型中的银行可以输入KAI与客户的历史交易记录，账户细节和数据的其他方面，该公司称。在那几个星期的过程中，聊天机器人学会与客户交谈，以满足对服务，如产品发现，贷款申请和客户支持。然后，系统回答了客户的问题或满足他们的聊天界面请求。例如，聊天机器人可能会提示用户，“你送百美元电线新加坡昨天。你知道吗，你可以发送一个外汇ACH支付呢？在此注册。”
据Kasisto的网站，在聊天机器人还可以狂胜谈话人的客户服务人员时，无法解析特定客户票据。
下面是一个短3.-与卡西斯托合作的万事达卡的一分钟视频，演示了如何进行KAI作品：
Kasisto声称有帮助摩根大通建立一个聊天机器人，可以回答客户的查询发送到它的财政服务部门。摩根部署的聊天机器人，并与一些不知名的公司合作，培养聊天机器人背后的模型。T然而，该项目似乎仍处于试点阶段。Kasisto还将星展银行列为其过去的客户之一。
萨沙:联合创始人兼首席技术官是Kasisto。他持有女士在NLP从哥伦比亚大学纽约大学。先前，卡斯基作为一个软件工程师在IBM的研究。
Personetics
Personetics是一个伦敦基于公司成立于2010年。该公司提供了一个名为聊天机器人助攻，他们声称这能有所帮助银行及金融机构给他们的客户提供个性化的银行服务，并与产品的发现帮助他们使用NLP。
Personetics公司声称，银行可以将聊天机器人整合到他们的网站、移动应用程序以及诸如Facebook Messenger和亚马逊Alexa之类的信息平台中。的Assist chatbot使用历史客户交互记录来理解客户查询和履行请求，如发送或接收付款，更改密码，并在银行设立的约会。然后，该系统解决了客户在该消息的接口查询或建议新的银行产品，可能是相关的特定客户。
此信息视频为特色大卫索斯纳，personetics的CEO，可以帮助读者更好地理解这个应用程序：
Personetics声称有帮助加拿大皇家银行将聊天机器人整合到银行的移动应用程序中NOMI查找并保存。据报道，聊天机器人背后的模型可以了解客户的交易模式，并为客户可能增加其储蓄的地方提供建议。根据Personetics，加拿大的移动应用皇家银行的使用整合其聊天机器人后增加了20％。NOMI查找和保存据说还提供了前五个月的聊天机器人是可在100个百万条客户询问，但如果这个数字计算所有响应的聊天机器人了，在这种情况下，将不能代表它没有提到客户门票数量解决。
Personetics公司已经筹集了1800万美元，并得到了Carmel Ventures, Sequoia和Lightspeed Venture Partners。
我们无法找到在该公司团队中拥有人工智能经验的c级高管的证据，尽管他们声称自己是首席运营官和联合创始人大卫Govrin在机器学习和分析算法方面有专长。我们无法在大卫的LinkedIn页面上证实这一点。
SAS
SAS他们提供了一个名为SAS平台的软件，声称可以提供帮助银行改善客户体验和分析客户反馈使用NLP。
SAS要求用户可以以云解决方案的形式集成SAS平台及其包含的内容数据和模型管理，使在银行的数据科学家能够研发出更多的AI模式。然后，情景应用程序平台使用文本挖掘器和上下文分析工具来理解和分类可能在客户反馈表单中找到的数据。然后，该系统在仪表板上以通知的形式提供信息，帮助银行通过通信渠道与客户建立个性化联系。
SAS声称有帮助苏格兰皇家银行(RBS)帮助公司的客户服务代表个性化，他们与客户的互动。使用其他SAS数据采集产品，该行并希望开发一个自动化系统来确定从历史客户对话和反馈数据的顶级客户的问题和投诉。
要做到这一点，看着NLP RBS提取最相关的客户问题和交互事件，它认为中包括申请贷款，并进行支付。根据SAS当时，苏格兰皇家银行(RBS)能够确定的有这么多他们的客户投诉与最近聘请客户服务代理交互的结果，所以他们制定了对这些员工克服困难与任务的特殊训练计划。
SAS还列出了ICA Banken银行，土耳其报实业银行，意大利联合信贷银行和Akbank的作为一些他们过去的客户。
对银行业领袖的启示
自然语言处理可能有助于银行自动化和优化收集客户信息和搜索文档等任务。聊天机器人也似乎是在银行业更广泛的NLP应用之一。许多大型银行都已经推出某种形式的对话界面，可以帮助客户进行常规的要求，如付款或得到他们的帐户的详细信息。
卡西斯托似乎是我们在这篇报道中提到的公司中最有吸引力的。他们在3轮融资中总共筹集了2850万美元。该公司还得到了纽约天使投资(New York Angels)、Propel venture Partners和Oak HC/FT等风投公司的支持。他们获得的关注可能是因为他们的KAI平台似乎有几个已经建立的用例和案例研究来支持他们的主张，包括为JP摩根大通所做的工作。
相比之下，S形似乎是最确定本报告所涵盖的公司的。在AI最强劲的背景个别出现在该公司担任顾问的角色，而不是作为一个全职的执行指导的AI举措，公司宣称他们。
应该准备什么银行的工作时，与AI供应商
银行可以期望AI供应商提供NLP解决方案，从结构化和非结构化文档中以合理的精度提取数据。银行业的商业领袖可能需要注意这样一个事实:尽管他们可以访问来自交易和贷款文档的历史数据，但这些数据可能对训练机器学习模型没有用处，除非对它们进行适当的清理和标记。
在短期内，如果不从管理和组织数据开始，进行冗长的集成过程，银行不应该期望能够轻松地自动化其业务流程或从其数据中获得业务智能。这可能还需要与供应商支持代表进行讨论并支付大量的前期费用。最大的企业可能有足够的预算和人员来开发这项技术，但根据我们的研究，目前只有那些能够负担得起人工智能应用程序并能够访问大量数据的公司才能使用这项技术。
标题图片来源：公共广播电台
