传统上来说，金融科技公司一直是新技术的早期采用者，正因为如此他们才能够维持差异化优势。因此，人工智能和金融科技公司是“天生绝配”，尤其是人工智能逐步成为企业软件主流的情况下。澳鹏一直在寻找机器学习和数据标注解决方案产品与市场的契合点。
为了揭示AI 能否在企业中得到真正的运用，我们从旧金山总部来到全球金融之都——纽约市参加了 Finovate 峰会。最终用户和供应商所展示的丰富解决方案和案例研究给我们留下了深刻的印象。我们从 Finovate峰会上了解到了一些主要趋势，这些也是有兴趣实施 AI 的企业应该了解的一些趋势。
从 Finovate 峰会上了解到的金融科技领域 AI 热门趋势
该峰会呈现了围绕 AI 的以下三个用例：
- 超个性化
- 认知自动化
- 风险管理
超个性化的采用
说起应用个性化的起源，最初的定义是基于角色定位特定的受众群体或同类人群。例如，企业应用首先是实现差异化，然后针对小型企业、中型企业或大型企业进行分别定位。以此为基础，消费者应用开始专注于千禧一代和婴儿潮一代等人群，然后基于这些细分市场提供个性化产品或内容，以此方式进一步推动个性化。
下一波趋势什么？是超个性化。
超个性化利用 AI 和实时数据，意味着应用与用户之间交互的下一个层次，着重于更加个人化的资料和行为定位，进而提升与每个用户的相关性。
移动商务 (m-commerce) 正在成为超个性化的典型代表，它能够为最终用户提供更直观的对话式交易。该技术的操作已从打字、轻触演变到滑动，每种交互方式都让用户操作变得越来越容易。因为这一点，语音成为了新“风尚”。毕竟，还有什么比对话更简单或更直观、更具个性化的呢？语音商务兴起的核心理念在于为客户构建互联体验，让他们可以在所需的位置和时间以所需的方式进行交互和交易。
在峰会上，关于超个性化的一些演示引起了我们的注意。
- 来自 Flybits 的 Jason Davies 和 Katrina Shiu 就如何使用超个性化来吸引极具针对性的要约和外展活动呈现了精彩了演讲。他们向与会者分享了银行之类的金融公司如何利用帐户历史记录、最近交易、客户资料及其它相关数据等数据源，在适当的时间通过最佳（最相关）的服务和内容与用户展开互动。
- Datanomers 的演讲者还呈现了一场有关超个性化的演讲。借助 AI 的超个性化功能，他们可以实时准确地预测用户的线上兴趣。他们实现这一点的关键在于：网站内用户点击流或关键字分析的数据收集，然后将此数据转化为超个性化的推荐。通过这种推荐，能够最大程度地避免用户“淹没”在海量内容中，因为用户可以轻松获得对他们而言最重要的信息。窗口会显示相关内容（包括广告），让访问者在网站上停留的时间更长，还有助于获取极具价值信息。
从流程自动化到认知自动化
流程自动化一直都是金融客户公司的推动因素之一，尤其是对于银行而言，为了降低运营成本并提高生产效率，他们一直都寻求如何通过以 AI 为主导的认知自动化来实现突破。其用例范围非常广泛：从使用计算机视觉加快贷款处理到通过虚拟助手提供更快、更好的客户体验。
Finsend 便是朝着这个方向迈进的企业之一。在该公司的 Finovate 峰会展位上，我观看了他们的 AI 驱动型银行争议处理平台 (BDP) 演示，该平台由金融领域资深人士设计，他们在如何应对争议处理相关的独特挑战方面拥有第一手的专业见解。该公司所提供解决方案的核心是一个 AI 驱动型引擎，该引擎能够提供实时报告、批处理、欺诈监控和一个企业用户帐户区域，进而简化了整个争议解决流程。Finsend 表示，通过部署 BDP，银行可以将拒付成本降低 25%，还能够提升持卡人的满意度——这些都展示了认知自动化如何帮助银行降低运营成本并提高生产效率（同时提升客户满意度）。
风险管理和 AI
“能力越大，责任越大。”彼得·帕克的本叔叔
我们经常忽略的一个事实是：考虑到客户的需求，企业的数字存在不断提升，加上高度个性化的客户数据以及要求企业采用适当安全协议的高风险环境，金融机构就必须采取安全至上的方法。我们抛开与 PII 或 GDPR 相关的传统话题不谈，而是专注于一个有趣的话题，即：如何利用 AI 来保护产品和工程师免受恶意攻击者的侵害。对于那些因为数据而信任某个 AI 平台的客户而言，常常会因为欺诈防范、拒绝服务攻击、身份和数据被盗等问题彻夜不眠。但实际上，此类 AI 平台也可以帮助进行风险管理。澳鹏已经开始对我们云网络中数据包进行基于 AI 的模式匹配，通过这种方式扫描用户流量中的恶意活动。
这并非使用 AI 进行风险管理的唯一方法。Illuma Labs 在 Finovate 峰会上的主题演讲同时探讨了安全与自动化这两个主题。这是一家来自德州的初创公司，他们的团队向我们介绍了 Illuma Shield，这是他们面向呼叫中心推出了实时语音身份验证服务。Milind Borkar 和 Manuel Gean 为我们解读了为何说自动银行业务的便利性会对长期客户与银行机构之间的个人联系造成损害，而客户对每次联系银行机构时都要提供身份证明深有怨言。该公司的工具能够通过自然对话被动地分析呼叫者的声音，因此仅需少量的时间便可提高身份验证的准确性，还有助于提升欺诈安全防范。
我们的一些客户使用经过我们标注的数据来训练他们的语音生物特征识别算法。
超个性化将在 2020 年成为主流
在 Finovate 峰会上，与会者和演讲者达成了一个普遍共识，即“超个性化将可能在 2020 年成为主流”：金融生态系统将会把先进的 AI 技术运用到新的个人银行数据访问流程之中。如果成功的话，应该能够进一步提升客户满意度、降低运营成本、加快交易速度。看到高质量的训练数据在众多此类计划中发挥出重要作用，我们感到非常高兴。澳鹏致力于通过我们最先进的数据标注平台和全球训练数据专家网络，帮助金融科技公司成功实施超个性化项目。了解更多。
