Gen AI 并不是推动银行业自动化的唯一技术

人工智能（AI）已成为主流，并有望彻底改变银行业的运营。有几个因素推动了这种激增，特别是数据量和复杂性的指数级增长，增加了快速响应的压力
和精确的决策，以及透明度的必要性。虽然生成式人工智能在帮助银行总结大量数据方面将具有无价的价值，而且你可能需要小声说一句，但这并不是唯一推动自动化的技术。
银行部门。 

人工智能从上下文开始 

在风险建模中，选择输入数据点或特征至关重要，通常超过模型或算法的选择。在一个受到建模透明度和可解释性严格监管要求约束的行业中，
模型选择经常受到限制，从而提高了输入特征作为模型成功或失败的主要决定因素的重要性。因此，关键的问题变成：我们如何才能使我们的特征具有最大的上下文相关性？ 

基于网络的特征成为一种强大的机制，可以将大量信息注入模型，同时坚持透明度和可解释性的必要性。一种有效的方法需要利用定制的文档实体网络来
生成描述企业和个人相互联系的特征。例如，利用网络特征来描述公司及其董事之间的关系，可以作为机器学习空壳公司的关键输入
检测模型，在某些情况下，与仅依赖记录级特征相比，性能提高了 20%。 

此类模型的输出（与空壳公司和策划其形成的代理相关的预测）对于加强反洗钱 (AML)、了解你的客户 (KYC) 和欺诈缓解方面的风险检测工作具有重要意义
域。 

通过利用复合人工智能技术堆栈，银行可以将主题专业知识与一系列机器学习和深度学习技术相结合，同时访问大量结构化和非结构化行业数据。这种综合方法增强了适应性，
模型的准确性和有效性。在整个模型开发过程中利用专业知识和领域知识可确保解决复杂业务问题时的高精度和可信度。简而言之，寻求实施人工智能的银行应避免依赖
一种模型、技术或方法。这样做可能会导致视角、适应性和绩效方面的限制。  

网络特性的重要性 

网络提供了一个通用框架，用于对各种上下文中的实体关系进行建模。例如，描述各方之间支付交易的网络可以揭示金融不当行为的明显迹象。通过仔细检查内部的特定模式
通过网络（例如具有相似规模的交易周期），银行可以发现在单独检查交易时可能逃避检测的风险。此外，当补充已知欺诈实例的存储库时，网络功能
例如掉头或循环支付的频率可以强化监督学习模型，增强其对未来风险场景的预测能力。 

用于对公司风险建模的一个特别重要的网络是组织法律层次结构，包括董事、股东和子公司。网络规模、连接密度和层次结构等基本属性
监督学习模型中分割和特征生成的宝贵维度，增强了我们有效识别和减轻潜在风险的能力。  

对于调查人员和分析师来说，图形分析在这里发挥了作用，让他们能够分析、可视化和理解不同数据集之间的隐藏联系。至关重要的是，它具有可扩展性和直观性，使团队能够跨越数十亿
边缘，而不影响高频查询的吞吐量。  

实体解析正在改变银行业的未来 

实体解析利用先进的人工智能和机器学习技术来解析、清理和标准化数据，从而能够可靠地识别不同数据集中的实体。这个过程涉及对相关记录进行聚类、聚合属性
对于每个实体，并在实体与其源记录之间建立标记连接。与传统的记录到记录匹配方法相比，实体解析显着提高了效率。 

组织可以引入新的实体节点作为连接现实世界数据的中心点，而不是尝试直接链接每个源记录。高质量的实体解析不仅有利于内部数据的链接，还可以实现集成
有价值的外部数据源，例如公司注册信息，以前很难准确匹配。 

银行业内实体解析技术的集成标志着一次重大飞跃，使银行能够从基于批处理的流程过渡到跨全渠道服务框架的近乎实时的产品和服务。这
演进可以超越反欺诈，涵盖通过各种接触点（包括呼叫中心、分支机构和数字渠道）的所有客户互动，确保无缝且动态的客户体验。 

生成式人工智能可以发挥重要作用 

在接下来的一年里，我确实希望看到利用大型语言模型 (LLM) 的生成式人工智能助手在银行业中变得越来越普遍。生成式人工智能提供直观的对话界面，提高分析师的效率
参与调查中的风险识别。对于组织来说，潜在的优势是巨大的，因为这个人工智能助手使所有分析人员能够达到最经验丰富的调查人员的水平。其中许多助理将
与 LLM 无关，允许企业灵活地采用他们喜欢的模型，无论是专有的、开源的还是 OpenAI 的 ChatGPT 等商用模型。当与复合人工智能堆栈的其他方面集成时，它将支持
实体解析、图形分析和评分功能，通过启用自然语言查询和提示来释放前所未有的潜力。  

至关重要的是，所有生成式人工智能产品都不能作为更广泛的人工智能自动化的补充或孤立。它将生成的结果取决于其所构建的数据、上下文和实体解析技术。银行希望实施
生成式人工智能应该更广泛地思考不同的技术如何融入其人工智能自动化技术堆栈。  

• SEO 支持的内容和 PR 分发。 今天得到放大。
• PlatoData.Network 垂直生成人工智能。 赋予自己力量。 访问这里。
• 柏拉图爱流。 Web3 智能。 知识放大。 访问这里。
• 柏拉图ESG。 碳， 清洁科技, 能源， 环境， 太阳能， 废物管理。 访问这里。
• 柏拉图健康。 生物技术和临床试验情报。 访问这里。
• Sumber: https://www.finextra.com/blogposting/25822/gen-ai-isnt-the-only-tech-driving-automation-in-banking?utm_medium=rssfinextra&utm_source=finextrablogs