在中國，使用互聯網在賬戶間轉賬、申請銀行貸款或進行交易，已成為居民日常。

不知道每當你用支付寶或微信進行轉賬或交易時，是否會意識到金融技術在日常生活中已經舉足輕重。

2018年，大約 61%的美國人都使用數字銀行服務，到2022年，這個數字將超過65%。金融技術是第四工業時代的新特征之一，是快速發展的數字技術應用，旨在改善和促進金融服務。

公司爭相采用金融技術來提高競爭力。

令人印象深刻的是，該行業吸引了巨額投資：根據畢馬威會計師事務所(KMPG)的數據，2018年，僅在英國，該行業就吸引了超過160億美元的投資。

[[317118]]

來源：Pexels

另一方面，整個國家都在及時采用人工智能技術，來爭奪最大的利潤。

韓國公布了一項有野心的國家計劃，預計到2022年，投資20億美元以提高其人工智能的研發水平。該計劃包括在全國建立6個新的人工智能研究機構。該國研發支出占GDP的比例(4.3%)全球排名第一;引人注目的是，很大一部分支出用于人工智能。

還有一個國家，也想與世界領先的主導AI的國家并駕齊驅，那就是以色列。2018年，人工智能初創公司籌集了超過15億美元的資金。

以色列是人工智能人才的溫床。通過追蹤近4000名在人工智能研發和集成(包括軟件和硬件)方面工作的開發人員、工程師和數據科學家，發現，其中64%受雇于初創企業，31%在當地和跨國公司工作，這些公司在以色列設有專門的人工智能中心、實驗室。然而，全世界對人工智能解決方案開發、部署和維護的需求如此之高，以至于目前的國家資源庫根本難以滿足需求。這使得許多金融技術公司需要借用外部人工智能人才庫，以避免陷入國內人才短缺的“困境”，并加快上市時間。

例如，SkyCoin是以色列的第三代區塊鏈平臺，未能為基于AI的解決方案開發找到足夠的Go語言工程師，于是在烏克蘭雇傭了一個專門的軟件團隊，以加快上市時間，并組建比其國內更大的人工智能人才庫。

金融技術通常被認為是全球人工智能驅動變革的催化劑，因為許多銀行和金融機構已經有一定機會開創人工智能并從中獲益，而許多其他行業正在觀望，等待看到第一個成功的使用案例和合理的投資回報。

根據2018年金融技術研討會，使用機器人過程自動化(RPA)的公司通常在3-8個月內就能收獲40%-100%的投資回報率。

有些預測更加夸張。根據美國金融技術專業獨立分析機構的“自主研究”，僅在美國，使用RPA和其他人工智能技術，就能幫助銀行和金融機構節省超過1萬億美元;可以大幅削減現金業務專家、安保人員和其他工作人員的數量，預計將節省4900億美元。如你所見，預計2019年后，人工智能和新興技術將在金融技術向成熟產業轉型中發揮關鍵作用。

下面來看看金融技術行業中的6個案例，關于如何有效利用機器學習(ML)、自然語言處理(NLP)和深度學習，更好地理解人工智能的變革性多么強大且獨特。

[[317119]]

來源：js.qq

1. 自然語言搜索

在客戶服務中，自然語言處理應用于幫助客戶搜索與某個公司的交易或服務，同時，自然語言搜索也是篩選公司內部數據的一個非常有用的功能。金融公司需要即時按需訪問內部數據以提高競爭能力。自然語言搜索使公司能夠在幾秒鐘內完成這樣的搜索。NLP將人類語言轉換成一個SQL請求，并以方便的可視化形式提供結果。在現代市場中，當銀行在不同時區全天候運營時，掌握相關信息可以節省數十億美元，并有助于做出明智的戰略決策。

2. 算法交易

根據Techfunnel的數據，2017年，多達73%的日常交易活動是通過機器學習算法進行的。如今，金融公司越來越認識到算法交易的好處：它遵循預先定義的規則，減少了失誤，無需使用耗時的市場監控，最重要的是，它不受人類情感的影響，而人類情感往往是高錯誤率的罪魁禍首。隨著金融技術的發展，越來越多的企業更信任機器學習而不是人類的直覺。

3. 信譽評估

自然語言處理是所謂金融普惠背后的驅動力，有助于最大限度地為以前沒有銀行賬戶的人群提供銀行服務。例如，在美國和歐盟，銀行可以通過分析客戶的信用記錄來評估其信譽，但在發展中國家，大多數客戶根本沒有任何信用記錄。這就是自然語言處理和高級文本挖掘發揮作用的地方：通過分析用戶在瀏覽互聯網和使用社交媒體時留下的數字足跡，生成一個信用評分，幫助準確預測用戶的下一步行為。

4. 客服機器人

[[317120]]

來源：jf258

根據近年來開展的多項研究，如果有其他出路，絕大多數美國千禧一代會很樂意拋棄銀行。這一代的技術人才列出了他們在銀行亟待解決的難事，包括排長隊以及與銀行人員不愉快的互動等等。

自然語言處理是一套旨在識別人類語言和語音的技術，它的使用推動了聊天機器人的發展，使其能夠執行一系列令人印象深刻的操作：如虛擬助理及自動索賠處理。虛擬助理將先前令人厭惡的經歷變成愉快的體驗。基于此技術，聊天機器人可以幫助客戶分類整理金融產品，創建儲蓄計劃并控制客戶的消費。例如，光大永明人壽(Sun Life)創建了數字教練Ella，幫助客戶瀏覽他們的福利和養老金計劃。

在保險技術領域，人工智能的操作都是與客戶相關的：保險公司使用的客戶風險評估中，個性化遠程信息處理設備在跟蹤駕駛狀況和健康狀況中發揮了重要作用。人工智能會自動選擇適合每種風險狀況的保險產品，并通過虛擬顧問提供給客戶。

5. 預測分析

另一個在金融技術中使用機器學習的典型例子是預測分析。通過及時采集、處理和分析大量數據集，企業能夠比傳統方法更快、更準確地預測未來的金融趨勢。由于有助于分析數據、預測風險和識別機會，時至今日，機器學習算法穩步取代了傳統的分析工具。

6. 欺詐檢測

技術進步往往會給金融機構帶來更多的欺詐風險和安全漏洞。事實上，沒有哪個行業像金融業那樣遭受無數欺詐相關的損失。根據Javelin的身份欺詐報告，2018年，美國約有1700萬企業經歷過欺詐。幸運的是，ML欺詐檢測工具也變得越來越先進，并且被證明比傳統的手工方法更有效。ML能實時檢測異常，驗證措施少而有效，能識別隱藏的欺詐活動。銀行交易和生物識別用戶認證只是ML應用于檢測欺詐的一部分例子。

Regtech是另一個新興的金融技術細分市場。簡而言之，它被公認為能夠“利用新技術促進實現監管要求”，在現代快速發展的市場中，監管要求變得越來越復雜且無處不在。例如，像Comply Advantage這樣的公司利用人工智能和機器學習來檢測洗錢和恐怖融資，幫助公司遵守全球法規并保護其業務。

[[317121]]

來源：Pexels

在人工智能、移動設備和互聯網使用增加的推動下，據報道，在2014-2025年內，金融技術市場的最高預期復合年增長率(CAGR)為74.16%。

金融技術最初用于推動大多數金融機構的后端流程，現在則是客戶相關金融業務背后的主要力量，并正在改變全球范圍內處理金融的方式。誠然，由于缺乏合格的人工智能顧問，阻礙了其廣泛應用，但從長遠來看，企業可以利用人工智能外包、與可靠的第三方提供商合作來推進其金融服務，從而解決這一問題。