国际金融科技观察|全球金融服务AI应用调查报告:人工智能在金融服务业中的应用 重庆高温漆_中文学习网

国际金融科技观察|全球金融服务AI应用调查报告:人工智能在金融服务业中的应用

发布时间:2020-10-03 相关聚合阅读:

原标题:国际金融科技观察 | 全球金融服务AI应用调查报告:人工智能在金融服务业中的应用

人工智能将在短期内成为金融服务的主流。在本次调查中,85%的受访对象正应用某些形式的人工智能,其中金融科技企业在采用人工智能方面略领先于传统金融机构。人工智能大规模应用的趋势业已存在,在人工智能领先者中,有半数已经在以下关键领域同时应用人工智能:创造新收入、流程自动化、风险管理、客户服务和客户获取等。所有人工智能领先者都希望在两年内大规模采用人工智能。这也证实了以下假设:在金融服务中应用人工智能会产生显著的规模经济。

以下为文章全文:

1

人工智能应用的现状和发展

在整个样本中,85%的受访者以某种方式应用了人工智能,其中金融科技公司以微弱优势(90%比80%)领先于传统金融机构。为了更好地了解人工智能在金融服务中的不同使用情况,本研究进一步将人工智能应用者按不同的应用领域进行了区分:

  • 形成新的收入潜力
  • 风险管理
  • 流程再造与自动化
  • 客户服务
  • 客户获取

当前,人工智能应用的最普遍领域是风险管理,通过新产品和流程形成新的收入潜力(图1)紧跟其后。然而,根据应用计划和目前的应用数据统计,在两年内,人工智能将在创造收入方面得到最广泛的应用。

图1 人工智能在主要业务领域应用的广泛样本统计

在调查的所有业务领域中,金融科技公司都是目前人工智能应用的领先者(图2)。金融科技公司在应用人工智能形成新的收入潜力方面领先于传统金融机构,相反,在正在开发的人工智能方面,传统金融机构占据更高份额。金融科技公司和传统金融机构在三个应用领域中对人工智能的使用程度相似:通过新产品或流程形成新的收入潜力(80%)、顾客服务项目(74%)和客户获取(69%)。

图2 不同实体类型在主要业务领域的人工智能应用统计

金融科技公司与传统金融机构在使用人工智能实现流程再造与自动化(分别为77%和68%)以及风险管理(分别为80%和73%)方面有所不同。然而,随着更多成熟的金融服务公司正在开发应用或计划在短期内应用人工智能,这一差距可能会缩小。

表1 金融服务业主要业务领域人工智能应用统计

来自不同金融服务部门的应用统计数据显示,尽管样本中的平均应用率是相同的,但在某些情况下,离群值较为普遍。最值得注意的是,投资经理似乎专注于运用人工智能形成新的收入潜力(61%),而对于支付提供商,这是最不活跃的应用领域(44%)。同样,人工智能在流程再造与自动化以及客户获取方面的应用也因行业而异。

如果单独关注为数不多的几家在其核心业务中率先应用人工智能的公司,就会发现一个明确的趋势:在调查中的所有人工智能领先者在两年内都会在全部五个领域中广泛应用人工智能(如图3所示)。人工智能领先者明显地从主要使用人工智能来降低成本转变为利用人工智能的能力来创造新的收入,进一步证明了前述的总体趋势。38%的人工智能领先者目前正在创收领域应用人工智能,这是目前人工智能应用最活跃的领域。

另一方面,人工智能的落后者似乎离人工智能的全面应用还很远。它们在应用人工智能支持客户服务和客户获取上尤其落后(图4)。考虑到人工智能领先者和落后者之间的整体应用差距,这可能意味着从简单的自动化使用场景逐渐转向基于人工智能的价值主张的生命周期不会是轻而易举的。例如风险管理这样的领域,相比流程再造或自动化复杂流程,能为人工智能提供更可触及的(或者说是普遍相关的)使用场景。

图3 人工智能领先者在主要业务领域人工智能应用情况统计

图4 人工智能落后者在主要业务领域人工智能应用情况统计

1.组织内部大规模应用的趋势

公司正朝着大规模应用人工智能的方向发展,相当多的受访者表示正努力在其组织内的不同领域同时应用人工智能。如图5所示,91%的受访者表示希望在两年内看到人工智能在其业务的三个或更多领域得到应用。目前只有42%的受访者表示已经实现这一目标。根据受访者的预期,在所有五个领域都拥有人工智能应用的“真正”广泛使用者将在两年内翻两番,达到64%。

图5 人工智能应用领域的数量

这一趋势可能与人工智能受益于规模有关。现有的基础设施(例如数据管道、内部编程框架、计算资源)很容易地可以在组织内的不同应用场景之间共享。此外,更大的数据集倾向于产生更丰富的洞察力,并且数据类型也可以跨不同的应用场景使用。这一点在社交媒体场景中有所体现,如用户洞察可用于信用分析,而对网上发贴行为的洞察可用于预测股票回报。

大规模应用还可促使公司下定建设技术基础设施和克服早期应用障碍的决心。图6表明,目前认为人工智能对其业务来说“重要”或“非常重要”的公司明显正在更广泛地应用人工智能,近四分之三的公司预计在全部五个领域应用人工智能。

图6 按当前人工智能对组织业务的重要性划分的人工智能应用领域数量

事实上,上图两组都存在在多个业务职能应用人工智能的明显趋势。在目前认为人工智能对业务不太重要的受访者中,有一半希望在两年内发展成为人工智能的广泛应用者。然而,鉴于目前的应用数量与预测的未来规划之间存在巨大差距,对待这些数据应该保持谨慎。

总的来说,这些结果表明,人工智能代表了一系列为金融服务公司提供了基本价值的技术,它们适用于许多不同的模式,对于专业化没有必然要求也未必给予回报。因此,随后的章节将详细阐述大规模应用人工智能的优势以及潜在的早期使用者优势。

2

人工智能的特定应用领域

1.利用人工智能,通过新产品和新流程创造新的收入潜力

如前所述,金融机构可利用人工智能从数据中获得的可变现的洞察力,或通过发展人工智能为其他组织服务,从而得以构建多种多样的新价值主张。

图7 当前应用率下利用人工智能产生新收入的前三个应用场景

利用人工智能创造新收入潜力的使用场景主要是围绕人工智能数据分析,以及利用替代数据产生新的洞察力(图7)。事实上,这似乎是调查样本中所有主要金融服务部门中人工智能最广泛的应用方式。

人工智能数据分析具有多项功能,可以发现数据中的规律,并将它们与业务决策联系起来。例如,万事达卡使用近实时购物数据和人工智能数据分析,每周为多种行业和多个地理区域生成宏观经济趋势的自动化报告(McWaters等人,2018年)。

下面列出的是人工智能数据分析的多种子类别和相应的使用比例。在所有采用人工智能数据分析的组织中,销售分析是应用最广泛的子类别,其次是信用分析。

表2 人工智能数据分析的应用统计

上图中未显示的进一步调查结果表明,传统金融机构和金融科技公司主要利用人工智能进行数据分析,并从新的/替代数据集中获取洞察力。这一点在投资管理方面的应用尤其活跃,资产管理公司试图创造信息优势,以预测市场事件和/或发展。例如,总部位于伦敦的对冲基金英仕曼集团(Man Group)在投资过程中率先使用人工智能和另类/替代数据来支持其基金的alpha收益生成(Stier、Ehrsam、Gaughan和Newsome,2019年)。

2.人工智能风险管理

图8 当前风险管理中应用率排前三的人工智能应用场景

总的来说,风险管理是其中大多数实体已应用人工智能的代表领域。这不仅是因为风险管理作为一项必要的业务功能而具有普遍性,还是因为相关人工智能解决方案的商品化(Sweezey,2019)。从监管合规到风险管理或欺诈检测,人工智能可以降低经济成本,减少对微观活动的人工干预,使风险管理过程更加快速、高效(Arslanian和Fischer,2019)。随着人工智能在组织内的应用规模的扩大,人工智能引发的风险和人工智能驱动的风险管理的重要性可能会增加。

对于在风险管理领域使用人工智能的受访者,欺诈/异常检测和监控是最为普遍的应用场景,应用率为75%(图8)。人工智能在欺诈检测和监控方面的有效性可归因于交易的数量和频率,以及欺诈模式的多维度/粒度,这些模式可能跨越多个实体、司法管辖区和行业部门(Mastercard,2018年)。数据分析公司FICO的Falcon平台使用人工智能驱动的预测分析为机构提供欺反诈检测正是最好的现实案例(McWaters等人,2018)。

3.自动化与流程再造

图9 自动化和流程重组领域应用率排前三的人工智能应用场景

人工智能自动化距离普及还有很远距离,但它确实是许多实体的(特别是那些在人工智能应用方面落后的)新目标,特别是那些在人工智能应用方面落后的实体。在自动化和流程再造方面,目前相关实体主要在管理任务自动化和整合、报告自动化或小范围的合规自动化方面应用人工智能(图9)。

自动化合规相比自动化报告更难实现,因为在评估个别案例或行动的合规性时需要更高程度的人工判断。另一方面,自动报告通常只是指自动浓缩来自各种数据源的信息并进行可视化展现。在这一领域中,更为复杂、新兴的使用场景包括自然语言生成(NLG)。自然语言生成即为利用人工智能编写全文报告,只需要少量或者完全不需要人工输入(Financial Reporting Lab,2019)。在调查中,55%的人工智能领先者使用人工智能进行自动化合规,而仅有33%的落后者能实现,证明了自动化合规相比自动化报告更难实现这一假设。

在本研究中,管理任务的自动化和整合包括机器人流程自动化(RPA)的若干方面。而管理任务则包括典型的后台活动,如数据输入、数据工程和通信,它们需要超越静态的、基于规则的算法。例如,谷歌的智能回复会自动对短邮件做出适当的回复(Kanna等人,2016)。当前的趋势表明,随着工具逐步具备自主生成代码的能力,自动化可能会扩散到更高的层次(Nye等人,2019)。

4.人工智能获客

图10 获客方面应用率排前三的工智能用例

人工智能在客户获取方面有多种用处,包括使外展服务展更加个性化,加快用户激活(例如,通过使用计算机视觉自动处理身份证明文件),以及利用人工智能从当前用户数据中生成的洞察力进行向上或交叉销售。初看,这一领域与前面提到的其他领域相比,似乎应用范围较为狭窄。然而,这是人工智能领先者(68%)采用率第二高的应用场景,说明这一领域虽然具有挑战性,但对金融服务机构来说具有重要价值。人工智能使金融机构能够突破传统的成本-个性化矛盾。理论上,人工智能使金融机构能够以零边际成本提供完全个性化的金融产品,有利于客户的获取和保留,这在高度复杂的竞争环境中至关重要(Arslanian和Fischer,2019)。

如图10所示,大多数受访者利用人工智能增加现有客户对产品和服务的使用量。这在很大程度上要归功于人工智能的整合能力,例如通过平台提供服务,利用共享客户的风险偏好或通信偏好等数据集获益。

另一方面,以支付宝使用面部识别进行认证和同意的刷脸支付(Smile to Pay)为代表的数字开户处理方式应用率稍低,为50%。在客户获取方面,人工智能应用落后者中只有9%在数字开户处理中使用了人工智能,而人工智能领先者的采用率为65%。

5.人工智能顾客服务

图11 客户服务方面应用率排前三的人工智能应用场景

调查结果证实,客户服务仍然是最有效利用人工智能的领域之一(Brett、Laurent、Gianturco和Durao,2017年)。如图11所示,该领域最常用的处理方式是人工智能客户沟通渠道(应用率73%),其次是针对客户需求的人工智能的实时服务调整和应用率更低的个性化风险暴露分析(应用率分别为32%和21%)。

人工智能通信渠道的普及可能归因于聊天机器人的日益增多,以及构建更智能的处理方式以更接近于复制真实的人类交互的趋势在不断上升。瑞银曾与其合作伙伴发起了一个试点项目,允许财富管理客户向公司首席投资官的虚拟化身提出问题。

如本章开头所述,客户服务是当前人工智能领先者应用人工智能的最活跃的领域,远超于通过新产品和新流程创造收入等用途。同时,对于人工智能落后者来说,这似乎是一个次要的优先事项,也许是因为在客户服务中使用人工智能可能是一个生命周期后期的应用领域,比基于人工智能不断构建新的创收价值主张更容易扩大规模。刚刚进入人工智能应用领域的公司可能最初会被吸引到更为商品化的创收领域,只有在最大限度地利用人工智能创收的应用场景后,才能开始在客户服务和客户获得等领域运用人工智能。

3

人工智能驱动的产品和过程创新方法

根据调查反馈,相比传统金融机构,金融科技公司能够更广泛地使用人工智能来创造新产品和服务,传统金融机构则主要利用人工智能来增强现有产品和服务(图12)。

图12 不同实体类型对于人工智能的主要应用

这种差距可能是两方在组织复杂性和成熟度方面的关键差异造成的。之前的研究表明,传统金融机构在人工智能实验和应用过程中受到遗留人才(Mittal, Kuder和Hans, 2019)、碎片化和非结构化数据以及遗留IT基础设施的限制。另一方面,具有数字原生、数据驱动、敏捷性的金融科技公司可以以更低成本的方式在组织内部快速部署人工智能。

这些明显不同的人工智能创新方法可能导致的结果是,金融科技公司和传统金融机构在管理人工智能时在组织层面上采取了不同的方向(图13)。

除了纯粹的以IT为中心的人工智能战略,许多传统金融机构在部署和监督其业务内的人工智能时,保留了专门的资源,例如数据分析或创新部门。相反,一般的金融科技公司不会将资源集中在专门负责人工智能实施的部门。

图13 不同实体类型负责人工智能应用与监督的部门

然而,调查结果显示,74%的人工智能领先者,包括金融科技和传统金融机构,都有一个专门的数据分析部门(图14)。为实现大规模应用人工智能,这一点对于运行一个敏捷的、实验性的、适应性强的组织是必要的(Fountaine, McCarthy 与 Saleh, 2019)。这也表明,金融服务提供商可能会受到激励,发展内部研究能力,从仅视人工智能为驱动利润的工具,转向利用人工智能建立和培养长期的机构内部能力。

图14 具有不同人工智能应用成熟度的实体负责人工智能实施和监督的部门

人工智能投资

目前,在大多数公司的研发支出中,人工智能支出并不占很大比重。在所有调查对象中,只有40%的受访者表示将超过10%的研发资源投入人工智能(图15)。

图15 人工智能的研发支出

在安排了前文提到的雄心勃勃的应用计划之后,大多数金融公司预计将在短期内增加人工智能支出。这一趋势明显体现在在人工智能上投入超过20%的研发费用的公司上——约一半以上人工智能高支出公司预计在未来两年内会大幅增加投资(图16)。

图16 当前不同研发支出水平者,计划两年内大幅增加人工智能研发支出的计划比率

如果机构企业兑现了调查中所示的支出计划,随着低支出者和高支出者之间的差距扩大,人工智能在整个金融服务行业的应用程度可能会变得越来越分化。世界经济论坛曾在2018年对这一趋势进行过调查,得出的结论是,人工智能部署的先行者将能够“扩大领先优势”。

事实上,如图17显示,在投资人工智能和最终的回报之间,似乎存在一种几乎持续的正相关关系。尽管人们可能预期回报会递减,但实际上可以观察到,随着研发支出的增加,回报似乎会加速增长,尤其当支出在10%至30%、30%至>40%之间时。

图17 根据目前人工智能的研发支出看受访者报告的人工智能“显著”提高盈利能力的比率

人工智能研发投入比例

通过该数据,我们还发现了人工智能研发投资的“临界量”为10%(以虚线表示)。投资超10%以上,相关回报会持续地明显增加。虽然没有足够的证据证明人工智能投资与盈利能力增长之间普遍存在指数增长关系,但事实上,回报率正相关可能是由于两个关键因素:

  • 因果反应:与关于高支出者和低支出者的分歧日益扩大的研究结果一致,观察到的盈利能力的提高可能会导致支出增加的即时反应。

  • 对于围绕人工智能构建的公司来说,这是一种规模效应。在获得积极盈利反馈后,这类公司会将大部分研发预算花费在人工智能上。规模效应的形成与技术基础设施、技术和应用程序以及数据的规模均有关系。

这种关系突显出,争夺人工智能霸主地位的竞赛可能是在高支出者与低支出者之间进行的,而不是在传统金融机构与新的颠覆者之间——总之,高支出者正计划进一步增加人工智能方面的支出,因为这似乎对盈利能力有直接影响。

编辑 李艳蓉

来源 CFT50研究、金融科技研究

责编 金天、蒋旭

监制 安然、魏唯

Copyright© 2015-2020 版权所有