我们在与世界各地银行客户的对话中不断了解到，尽管经历了去年的挫折，但许多公司仍在部署人工智能（AI）进行转型，从而为实现更强劲的增长铺平了道路。尽管2020年对全球企业而言都是充满挑战的挑战，但银行在很大程度上依靠机器人流程自动化（RPA）来改善客户服务，简化内部运营并提高利润。
银行是RPA的早期采用者。现在他们处于将AI内置到RPA平台中的最前沿，以释放新的可能性并将自动化扩展到各种新领域。目前有85％的金融服务组织正在使用AI，而77％的高级管理人员预计AI在未来两年内将具有高度或非常高的业务重要性。
一、银行组织如何使用AI？
银行在几个重要领域使用RPA AI技术进行创新。主要包括：
· 改善客户体验。公司希望通过在后端和面向客户的运营之间进行更紧密的集成来创建一流的数字客户端之旅。此外，银行正在迅速数字化所有服务，从零售产品，支付平台到财富和投资管理之旅。这有助于他们与善于流程创新的金融科技初创公司保持同步。
· 转变经营模式。物理分支机构正在被虚拟渠道取代，例如聊天应用程序、移动银行、联系中心、电子邮件通信和电子目录。将情报引入这些渠道，以确保更顺畅的客户服务。
· 加速使用AI和分析。银行已经意识到系统中数据的金矿，并希望有能够帮助他们利用这些数据发挥优势的平台。作为这项工作的一部分，他们不仅要构建自己的机器学习（ML）模型，还希望获得可以无缝集成到其生态系统中的即用型ML产品。这包括诸如处理非结构化文档，默认值和预测预测，细分和分类之类的方案。
· 降低风险。银行使用AI和RPA，正在创建解决方案，以减少或消除许多流程中的人为错误。反过来，这有助于减少由这些错误引起的安全问题。
AI嵌入在整个RPA平台中，银行正在利用此AI功能来执行各种任务。例如，使用RPA Process Mining找到合适的自动化流程候选者。他们可以使用RPA文档理解功能对文档进行智能分类和提取数据。银行还可以使软件机器人使用RPA Computer Vision来查看和理解计算机屏幕。他们可以使用RPA AI Center使用和缩放ML模型。
银行还受益于RPA的预训练，开箱即用的ML模型，可以快速对其进行重新训练以适应特定的需求和方案。让我们看看一些实际的用例，其中这些开箱即用的RPA模型的结果对客户和员工的使用之旅产生了很大的影响。
二、客户服务通过AI大大改善
在新冠疫情期间，电子邮件作为客户服务的渠道已经出现了巨大的增长，对于许多银行而言，电子邮件的数量增加了一倍以上。一家领先的全球银行每年收到客户发出请求，提出问题和投诉的电子邮件超过一百万封。过去，管理这些非结构化电子邮件对于银行来说是巨大的时间消耗和财务负担，因为使用手动密集型，基于规则的关键字分类将内容路由到各个团队。它还造成了瓶颈，影响了银行对客户的响应能力和服务质量。
银行对RPA文本分类ML模型进行了重新培训，以识别非结构化电子邮件文本中银行的特定产品和子产品名称以及类别。RPA机器人采用了新培训的模型，可以自动执行收据，分类和自动响应以选择电子邮件。
部署AI解决方案后，该银行的平均处理时间减少了90％，电子邮件自动路由的准确性提高了93％以上，最重要的是，对客户查询的响应速度更快，体验更好。
三、使用AI有效处理数百万个文档
无论是“了解客户”（KYC）文档、信贷协议、保单文件还是贸易协议，非结构化文档的处理一直是银行面临的最大挑战之一。RPA通过提供诸如文档理解ML模型之类的模型使他们更容易。这些和其他ML模型（例如，命名实体识别模型和问与答模型）可以轻松应用于特定的客户场景。对于我们的一些主要银行客户，这些模型的实施仅花费了几周的时间。
一个这样的例子包括一个主要的美国（美国）贷款机构。贷款机构希望简化掉期协议确认的管理，这一过程是一方将一种资产（例如股票）的价值或现金流量交换为另一种资产的过程。该银行每年要处理数百万次掉期，并寻求一种解决方案来自动化并加快掉期过程。
该组织对“文档理解”机器学习模型进行了重新培训，以识别关键的贸易细节。然后，使用机器人将交易与内部预订规则进行核对。例外情况会自动上报给运营团队进行审查。
通过使用RPA文档理解ML模型，该组织减少了90％的错误，每年节省了约120万美元。
四、使用AI加快贸易交易处理
在此示例中，一家跨国银行希望改善其处理成千上万封包含证券交易信息的电子邮件的方式。非结构化电子邮件非常复杂，需要提取不同的贸易领域和实体类型。一次交易可能需要8-10分钟才能使公司员工进行审核和处理，并且存在大量错误。
银行使用RPA命名实体识别ML模型来识别各种字段和实体类型。配备了该模型信息的机器人极大地改善了交易管理。
部署该解决方案后，该银行将平均贸易交易处理时间减少了95％，并将信息提取的准确率提高了92％。 |
