當今在商業環境中使用的術語“人工智能（AI）”涵蓋了一系列技術和方法，包括機器學習（ML），自然語言處理（NLP）。
整個行業都有很高的信心，人工智能將在短期和中期在運營效率，風險管理，欺詐預防和客戶服務以及洞察力等領域發揮重要作用。
金融犯罪通常是許多將AI投入生產的金融機構的切入點，但是客戶服務領域也早已採用。特別是在零售金融服務中，由NLP和其他AI的進步推動的複雜聊天機器人的部署越來越普遍。
其他突出的用例也圍繞客戶展開；瞭解更多有關他們的行為，預測他們的需求並確定機會的信息，同時使新產品和關係的入職流程更加簡化，並改善服務。
機器學習承諾要改進價值鏈這一部分的一個方法是識別和提取關鍵元素(比如元數據)，將內容轉換成更結構化的形式，然後更容易地搜索和分析模式。與諸如(實時和歷史)事務之類的結構化數據相結合，可以為客戶洞察和基於引用的銷售開發用例。
然而，要在任何實際的生產部署中充分認識人工智能的價值，都面臨著多重挑戰，更不用說作為企業整體人工智能戰略的一部分了。
這些挑戰分為兩個主要領域。一方面，數據-跨多個內部源訪問數據並在還包括外部數據使用情況的治理結構下進行管理。另一方面，挑戰在於AI技術和實踐的發展步伐，以及業務和技術主管充分了解與AI部署相關的可能應用和陷阱的能力。
分享到:
閱讀更多 小熊大學AI 的文章
