数字背后的故事：人工智能如何成为金融领域最赚钱的“员工”

在媒体上，银行和更广泛的金融领域通常被描绘成穿着笔挺西装的商人从摩天大楼的顶层做出商业决策，或者是天才交易员，他们可以从少量数据中理解市场的状态。由于这是金融领域最强大的图像之一，许多关于该领域新技术特性的讨论都集中在它们将如何改变这种前台工作。

人工智能在这里也不例外，围绕其在金融领域采用的辩论很大程度上集中在代理是否会取代交易员，或者他们是否可以比顾问更有效地分配资本。然而，人工智能最有效的应用结果却远离了很多人想象的光鲜形象。事实上，人工智能正通过处理金融领域“枯燥”的日常运营为行业带来更多的利润。

人工智能真正创造价值的地方

人工智能的主要优势在于它可以以比人类更低的成本和更快的速度处理任务。通过这样做，它实际上通过提高运营效率来产生利润。

例如，借助人工智能工具，花旗银行 将 开户前的文档审查时间从一个多小时缩短到了仅仅15分钟。自然，更加快速的决策将会让客户感到满意，甚至可能使他们更加忠诚。但同时，这45分钟的时间也意味着银行可以节省数十万美元的成本，因为这些工具可以让人类从事更重要的工作。

人工智能有助于优化金融领域庞大的官僚体系和内部框架。因此，最有价值的应用场景往往不是最壮观的。自动交易员或为客户推荐最佳交易的聊天机器人可能听起来令人印象深刻，但自动化的KYC程序和尽职调查检查可能会为银行或金融公司带来更大的经济价值。

话虽如此，和花旗银行的文档审查过程一样，这些改进也可以惠及客户。用户可能会欣赏应用程序中的个人人工智能助手，但如果贷款决策可以从几天缩短到几分钟，或者如果他们的交易不被错误地标记为欺诈（因为人工智能降低了几十个百分点的错误概率），他们可能会更加欣赏它。

人工智能如何成为最赚钱的“员工”

通常，当银行的客户群体增长时，其员工数量也必须成比例增长。过去，使用相同的团队规模审查越来越多的交易和客户文档是不可能的。各种现代技术解决方案在一定程度上提供了帮助，但业务增长仍然不可避免地导致员工数量的增长。随着公司员工数量的增加，需要更多的经理来监督整个结构，这使得公司变得更加昂贵。

现在，人工智能的出现使得这个问题开始消失，因为借助人工智能工具，较少的员工仍然可以有效地为越来越多的客户提供服务。一些公司已经开始使用这种逻辑：例如，Klarna 声称 一个人工智能助手 可以完成700人的工作。不管应用这些工具的成本是多少，它不太可能接近几百名员工的工资总和。

然而，要真正使其发挥作用，公司需要在工作流程中正确地集成人工智能，而不仅仅是进行实验。在金融领域，许多项目仍然 停留 在试验阶段，这显然无法产生太多的价值。虽然一家公司可能正在讨论是否采用新工具或如何扩大人工智能代理的规模，但其竞争对手不会停下来，他们会继续建设自己的人工智能能力。

在这场竞争中落后将导致重大财务损失。具体来说，未能早期将业务转移到人工智能轨道上的公司可能会 失去 高达9%的利润。想要后来赶上这种劣势将不会容易，这要求金融公司建立一个坚实的人工智能战略。

如何管理人工智能决策

这是最大的挑战，因为将人工智能代理嵌入金融运营中不可避免地意味着将一些决策权委托给它们。在金融领域，人工智能已经成为一种无限的免费“初级员工”来源，通过优化基本的后台运营，这种风险尤其明显。问题在于，这种工作中的错误往往是最昂贵的。

通常，监管机构会防止金融组织采取冒险行为，并制定规则以尽量减少可能的危害。然而，当涉及人工智能时，行业的发展速度远远超过监管，因为只有四分之一的监管机构 收集 来自受监管实体的人工智能使用数据。这显然不足以跟上越来越多的公司正在将代理添加到其运营中的步伐。

因此，金融公司必须找到方法来自己规范人工智能驱动的工具。这是可以理解的，因为这里的任何错误都可能导致数百万美元的损失。例如，在现代银行中，代理被赋予有限的权限，就像真正的员工一样。如果人工智能处理客户文档，它显然不需要修改客户风险评级的权限。代理被分配一个严格的操作角色，并且不允许超越它。

另一个可能且必要的机制是保持人工智能所有操作的详细记录，这样如果发生错误，可以追踪代理采取的每一步。在KYC和欺诈检测等领域，客户可能会几个月后提出问题，因此银行绝对需要保留人工智能助手逻辑的完整记录。

人工智能的行为也可以在沙盒中进行测试。例如，英格兰银行已经开始 模拟 人工智能交易会话，以了解代理如何与彼此和真正的市场进行交互。这种测试有助于确定代理在哪里犯了错误并在其公开之前解决问题。

最终，必须记住，任何人工智能决策都必须由人类确认，人类仍然对其负责。在发生损失的情况下，没人会接受“因为模型决定了”的答案，一位高级经理仍然必须批准人工智能的行为并对其负责。

从“银行vs金融科技”到“快vs慢”

人工智能监管也塑造了金融市场的竞争。客户可能会因为他们的文档处理速度提高了30分钟而感到高兴，但如果人工智能机器人损害了他们的信用记录或让他们损失钱财，他们绝不会高兴。为了避免这些问题，他们更有可能将钱交给那些透明、诚实地解释其人工智能战略的公司，并且这些公司在管理人工智能方面有较少的问题。

金融科技公司在这里有明显的优势，因为它们不受传统系统的负担。现代金融科技公司可以从一开始就围绕人工智能构建其服务，并立即自动化所有流程。构建新事物可能比尝试将人工智能代理集成到仍然依赖传真机和几十年前的COBOL系统的组织中更容易。难怪几乎有一半的金融科技公司已经 达到 人工智能采用的高级阶段，而传统金融机构中只有不到三分之一达到这一阶段。

银行并非注定要灭亡。毕竟，它们已经经历了大萧条、1970年代、伟大衰退，eat Recession, and more. They know how to adapt to changes. Because of their legacy, they accumulated huge amounts of customer data, capital, and reputation. However, to meaningfully use these advantages, they should fully integrate AI across their processes, since simply adding it to a side product wouldn’t help much.