内容提要
人工智能在银行业的应用越来越广泛,特别是在支付领域。AI可以提高操作灵活性、自动化工作流程和增加开发者生产力。银行业对数据分析、智能自动化和AI技术的投资也在增加。AI在支付领域的新兴应用案例有望推动支付收入增长。银行需要解决开发人员资源不足的问题,以充分利用AI的机会。MongoDB的数据平台可以帮助银行整合和分析实时数据,提供个性化的客户体验。
延伸解读
生成式AI在银行业的审慎探索
尽管生成式AI备受关注,但银行在采用时仍持谨慎态度。文章指出,58%的银行正在评估或测试生成式AI,另有23%将其列入路线图。这种审慎源于将大语言模型应用于敏感客户数据时的复杂性,以及监管对输出可解释性和可审计性的担忧。目前,生成式AI主要用于支持顾问和客户关系经理,未来创新值得期待。
开发者资源短缺制约支付创新
银行普遍面临开发者能力不足的挑战,这直接影响了支付产品的创新。文章提到,由于资源限制,过去两年未能交付的产品增强功能,本可支持支付收入增长5.3%。因此,银行需要释放开发者资源,以充分利用AI带来的机会。这要求银行在战略上重视开发者生产力,并考虑通过现代技术平台简化开发流程。
现代数据架构是AI应用的基础
采用AI和机器学习需要以数据为基础,但传统系统往往缺乏灵活性,难以集成新技术。文章强调,建立稳健的数据架构和现代数据平台至关重要。这样的平台能整合和分析实时数据,训练AI模型,并支持个性化客户体验。同时,内置安全控制如身份验证和加密,能保护敏感金融数据,让银行安心拥抱AI。
Q&A
AI在支付领域有哪些主要应用场景?
AI在支付领域用于优化中后端流程(如流程自动化、实时风险和流动性管理、现金流预测)和前端客户服务(如服务个性化、虚拟助手和聊天机器人)。
银行在2024年对AI技术的投资重点是什么?
2024年银行的投资重点包括高级分析和机器学习(33%的银行将其作为优先事项)、机器人和自动化(31%)、人工智能和自然语言处理(28%)。生成性AI也受到关注,58%的银行正在评估或测试。
生成性AI在银行中的应用现状如何?
58%的银行正在评估或测试生成性AI,23%的银行已将生成性AI项目列入路线图。生成性AI已用于支持顾问和关系经理,但由于数据敏感性和监管问题,应用仍面临挑战。
开发人员资源不足对支付收入有何影响?
由于资源限制,银行过去两年未能交付的产品增强本可支持支付收入增长5.3%。释放开发者资源有助于充分利用AI机会,推动收入增长。
MongoDB的数据平台如何帮助银行采用AI?
MongoDB的数据平台可以整合和分析实时数据,提供个性化客户体验;支持灵活的数据模式,集成不同AI/ML平台;提供内置安全控制(如认证、加密);通过API集成第三方服务,支持可组合的支付系统。
银行在采用AI和ML技术时面临哪些主要挑战?
主要挑战包括开发人员资源不足、将AI集成到遗留系统的困难、数据敏感性和监管问题(如LLM输出的可解释性和可审计性),以及安全考虑。