人工智能和机器学习：金融科技行业的新蓝图

企业并没有充分利用人工智能和机器学习。

毫无疑问，人工智能(AI)和机器学习(ML)正在成为金融科技行业的热门话题。几乎在所有的研讨会和会议我们都听到这样的消息，即这些新兴技术的兴起以及它们颠覆业务的潜力。

显然，人工智能和机器学习是金融科技行业赖以运作的蓝图。但是，显而易见的是，无论如何大肆鼓吹金融科技人工智能对企业的影响力，但由于许多公司无法对这些新技术进行可视化，集成和采用，它就仍然未得到这些公司的充分利用。

近期，多个行业就这些技术的潜力展开了很多对话，但是根据埃森哲的研究，英国87%的业务领导者都因其采用方面的问题而苦苦挣扎。

这并不是说人们对实现战略重点的重要性并不了解。确实，有四分之三的高管认为，如果他们在未来五年内不扩大人工智能的规模，那么他们就有可能关门大吉。

尽管如此，“炒作”和“实际实施”之间仍然存在差距。只有不到5%的公司成功地实现了人工智能的工业化，而80%到85%的公司正在寻求零零散散的概念验证产品——在这种情况下，人工智能和机器学习的威力往往与业务成果或战略要求脱节。许多公司没有充分利用新兴技术的全部潜力，因此限制了其对业务的影响。

凭借大量的历史数据和结构化数据，金融科技为人工智能和机器学习技术生成定制产品和解决方案提供了沃土，从而帮助企业提高盈利能力并节省成本。那么，为什么公司通常会在短期，中期和长期战略中缓慢采用，实施和扩展新兴技术呢?

接受人工智能和机器学习的好处

由于缺乏技术知识(从集成的角度来看以及由于人们对业务价值的理解有限而造成的)，许多公司采用人工智能和机器学习的速度十分缓慢。

公司必须与合适的人员合作，对在客户层面有切实业务利益和影响的人工智能和机器学习产品及解决方案进行调试，这一点很重要。

身为一家大型技术公司的硅谷前技术人员和研究工程师，我发现这些技术可以在整个企业的运营中发挥至关重要的作用。公司能发现可以节省成本的机会，同时可以提高效率，从而使首席财务官能够更轻松地担当起公司成长的关键角色。

企业可以发现未能充分加速日常活动和流程的机会，其方法是结合人工智能和机器学习技术。这些技术使客户能够做出更明智的决策并更高效地运作。同时，新兴技术将增加发展机会，从而帮助全球业务发展，帮助公司在国际环境中蓬勃发展。

最近的研究指出，高管们并没有因为预算限制而努力扩展人工智能，而是将这些技术集成到当前业务流程中的运营挑战。在组织内部利用人工智能和机器学习会遇到很多障碍，如无法建立强有力的组织结构，缺乏基础数据功能以及没有在员工那里得到充分采用。

正是这方方面面的因素使成功扩展了人工智能和机器学习的公司与单纯追求概念证明的公司区分开来。企业老板不仅必须将采用人工智能和机器学习视作其进入市场的业务战略的一部分，而且还必须积极地集成这些技术并鼓励员工将其应用于日常运营中。

发掘数据洞察

人工智能和机器学习妙就妙在能够发掘以前传统手工流程无法使用的数据洞察。这也无关乎企业规模，也就是说，使用人工智能和机器学习的扩展成功率或投资回报率并不取决于公司的规模。相反，专注于在组织的公司文化中实施合适的人工智能和机器学习功能以及思维方式，这才是至关重要的。无论你是初创企业，正在成长的企业还是大型企业，人工智能和机器学习均可用于推动公司的发展战略。

从战略上扩展新兴技术的商业优势是十分巨大的;与那些纯粹追求孤立项目的公司，这些公司的人工智能投资的成功率几乎是其三倍，而人工智能投资的回报是其三倍。

研究成功利用人工智能和机器学习的案例的范围十分广泛：有一家日本人寿保险公司使用人工智能计算向保单持有人的赔付的费用，结果其生产力提高了30%并且每年节省约100万美元。同样，有一个由人工智能驱动的承销平台使汽车出租公司每年减少23%的损失并更准确地预测风险。美国顶尖银行已使用由人工智能技术驱动的网络安全公司来区分真实客户和机器人。它的机器学习模型使一家主要银行能够保护其客户免遭帐户劫持并且在开始使用的第一周就检测到百万次“凭据填充(credential stuffing)”攻击。因此，人工智能和机器学习不仅可以提高获利能力并节省成本，而且还可以保护你的公司今后免遭欺诈和安全漏洞的攻击。

少说话多做事

为了使企业能够利用人工智能和机器学习的优势，从浮夸的理论叙述转向实际的实施工作是必不可少的。

作为一个行业，我们必须少说话，多做事，以此来接受人工智能和机器学习带来的业务影响。这些技术不应再被视为附庸的解决方案，如今它们对于各种业务模型都是不可或缺的。制定计划和集成策略，即贵企业将如何使用人工智能和机器学习来减轻网络犯罪和欺诈的风险，同时抓住能实实在在产生业务影响的机会，这才是至关重要的。