人工智能与金融服务的交叉点

VIEWPOINT 2023 INTERSECTIONOFAI&FINANCIALSERVICES AI如何为嵌入式金融增压 在我们不断发展的数字环境中，人工智能（AI）正在推动多个领域的创新。它 现在已经与嵌入式金融相交，嵌入式金融将金融服务编织到非金融平台中，从而增强用户体验并简化流程。AI有可能充分发挥嵌入式金融功能，提供打击欺诈，策划个性化体验和管理风险的工具。 在这个观点中，我们揭示了人工智能和嵌入式金融之间的相互作用，分享当前的应用程序，未来的轨迹，以及面临的各种挑战 。 AUTHORS ArjunVirSinghMichaelEiden MohammadNikkarMichaelBatemanIyadHalabiMuhammadDanial博士 嵌入式金融，将金融服务无缝整合到非金融平台中 ，标志着金融服务的巨大转变。其变革潜力是不可否认的。到2025年，全球嵌入式金融市场预计将达到3500亿美元。其共生关系 与人工智能的整合是另一种变革力量，正在加速嵌入式金融的发展。虽然人工智能对金融的历史贡献，如算法交易和欺诈检测，仍然是基础，但它有望支持嵌入式金融的发展并解决一些问题 它的挑战。 由于生成AI(GenAI)、大型语言模型(LLM)和深度学习的进步，AI正在发展成为嵌入式金融革命的关键 oGenAI可以创建针对个人用户的产品。LLM可以更准确地处理客户查询、管理数据和预测市场趋势(见图1)。 人工智能已经从促进到实时创造、创新和塑造金融。它对嵌入式金融的深刻影响正在迅速扩大，一些人可能会认为我们才刚刚开始这一旅程。 已经存在过多的应用程序，这些应用程序可能会预测AI推动嵌入式金融更广泛采用的能力： -广场,一个金融服务平台，利用机器学习 (ML) 承销和向传统银行绕过的小企业提供贷款。 -电子商务平台Shopify嵌入AI 支付服务处理器的能力条纹,提供个性化的解决方案， 从而扩大其商家的销售潜力。 -零售巨头亚马逊依靠AI来 剖析数据并策划以销售历史为基础的个性化贷款优惠 。 这些例子只是表面上的。图2揭示了人工智能在嵌入式金融中的影响力。 AI加速和放大嵌入式金融的潜力不可低估。这种协同作用 不仅仅是有益的；在许多方面，它是不可或缺的。 嵌入式金融的本质是与非金融平台的全面集成，确保用户可以在不中断其主要业务的情况下访问和利用金融服务。AI提升了这一点 功能；其先进的个性化功能在用户需求变得明显之前就可以识别用户需求。 图1.AI在嵌入式金融中的多方面应用 01 源：ArthurD.Little 智能算法通过检测不一致和预先识别潜 在挑战来支持风险评估；此类功能可用于贷款和保险承保 欺诈检测 个性化 客户旅程 风险管理 AI为客户扩大价值主张，为应用程序带来敏捷性，加速承保和完善信用评估 ，最终做出更快、更有利的决策；这种简化的体验提高了客户满意度，培养了忠诚度 嵌入式金融在个性化上蓬勃发展；人工智能剖析客户行为，使服务能够根据个人需求进行定制 人工智能剖析大量数据集以发现异常 ；对交易数据的持续审查，再加上行为分析，加强了系统在 实时 020304 来 图2.AI在主要嵌入式融资模式中的应用 嵌入支付 嵌入式贷款 EMBEDDEDSAVINGS 嵌入式财富管理 多因素解决方案 AI跨越一系列嵌入式金融服务，跨越支付、贷款、风险缓解和整体个人理财 AI驱动的机器人顾问提供财务建议和自动化投资组合治理 定制的储蓄策略和简化的存款 审慎的信贷承保、风险评估和及时的贷款制裁 平稳的支付处理、欺诈检测和安全措施 来源：ArthurD.Little 例如，通过数据分析，AI可以立即向在线购买高端电子产品的用户提供特定的金融产品，如分期付款计划或短期贷款。 金融世界围绕着信任。虽然传统金融机构几十年来建立了这种信任，但嵌入式金融解决方案没有这么充裕的时间。这就是AI脱颖而出的地方。其预测分析和欺诈检测功能可验证金融交易是否安全、透明且符合用户的最佳利益。提供金融服务的电子商务平台将更快地获得信任 ，如果其人工智能支持的系统表现出透明度，最大限度地减少错误，并抢先解决用户的担忧。 此外，人工智能的可扩展性，尤其是随着LLM和GenAI等技术的进步，意味着它可以随着嵌入式金融的发展和多样化而同步适应。它可以处理更大的数据集 ，与其他系统交互，处理日益复杂的用户查询，并满足不同的金融需求，而无需额外的资源。 嵌入财务：AI之前和之后 嵌入式金融可以通过与人工智能的结合来大大加速其增长 ， 广泛的应用程序促进了其采用并加深了用户体验的亲密感。三个广泛的应用程序类别脱颖而出： 1.更顺畅的客户旅程。人工智能可以超越处理，为客户扩大价值主张。它为应用程序带来了敏捷性，加快了承保速度，并完善了信用评估，最终实现了更快，更准确的决策。这种简化的体验增强了客户满意度并培养了忠诚度。由人工智能支持的聊天机器人增强，客户支持变得更加流畅，查询得到及时解决，对人为干预的依赖减少 ，创造高效的客户体验。 2.改进风险管理。人工智能提高了风险评估的准确性，重新定义了金融包容性，使那些以前被传统金融系统边缘化的人可以获得服务-无论是由于人口统计学、非常规信用记录还是感知风险。意识到这些细分市场中未开发的潜力将转化为大量的收入机会。AI还可以在侧面增强投资组合管理和优化。 供应商和客户。 3.更快、更准确的欺诈检测。人工智能可以剖析大量数据集以发现异常。对交易数据的持续审查，再加上行为分析，可以增强系统对欺诈的能力。鉴于客户获取的控制权通常取决于嵌入实体，因此这一层警惕层对于减轻提供商侧的风险至关重要。 表1显示了一些用例，并说明了通过AI实现的改进。我们seethetrendofsuperchargingembeddedfinancewithAIcontinuedasnewandmoreinnovativeusecasesemerginginthefuture(seeFigure3).WeexpecteddevelopmentinallfourcategoriesshowninFigure3,whichmayinclude: -生物特征认证(客户 旅程)。对安全的承诺至关重要，因为金 融机构基本上将客户外包 acquissiontoembedders.Advancedbiometricauthentication,poweredbyAI,standsattheforeadoftheshifttowarduseracquisitionthroughtheembedders.Thisapproach,whichincorbesfacing,principle,voice,and 虹膜识别，承诺为所有金融交易提供更高的安全性。 应用用例 没有AI 与AI 表1.使用和不使用AI的应用差异示例 更顺畅的客户旅程 应用程序自动填充和筛选，KYC/KYB 复杂、耗时的手动数据输入，容易出现用户错误和更高的放弃率 自动预填充可减少用户工作量，提高准确性并更好地转换；初步筛选可提高效率 相关个性化改进风险管理 客户服务和支持 标准的聊天机器人响应会导致潜在的沟通错误和用户沮丧 高级LLM提供明智的响应，提高客户满意度并减少升级;聊天机器人使用NLP来理解查询并生成响应 保险索赔处理 手动、冗长、容易出错，需要人工中介 有组织的流程促进客户互动、更快的索赔解决方案和更多的嵌入式体验 信用评估和贷款批准 传统的基于规则的方法可能会导致不必要的拒绝 更细致入微，个人信用评估可能会在可接受的风险水平内扩大客户基础 政策和产品定价 一刀切的定价可能会错过收入机会，并与客户价值不符 动态定价策略根据个人风险概况和购买历史定制产品 储蓄和投资建议 静态产品需要用户输入，可能会阻止不太精通财务的用户 分析用户习惯，提供储蓄建议、轻推和投资策略，促进用户参与度和忠诚度 嵌入式个人理财购物者 基于通用数据的基本静态建议，缺乏实时上下文和深度 根据用户的即时上下文提供定制的现场建议 贷款承销 静态信用评分模型将高风险客户边缘化 包含多个数据源的智能模型使以前被传统金融系统边缘化的人可以访问服务 投资组合风险管理 手动投资组合平衡和风险管理 智能风险管理工具利用内部和外部数据点 更有效的欺诈检测付款处理和交易分析 基于规则的基本系统可能无法捕获复杂的欺诈活动，从而带来风险 实时识别复杂的模式和异常，减少欺诈性交易并增强安全性 来源：ArthurD.Little -财富科技中的情绪分析(风险管理)。AI驱动的情绪分析 利用自然语言处理（NLP）从社交媒体和新闻中提取观点和情感，为市场趋势和投资提供预测优势策略。再加上制定摘要和报告的LLM，这项技术将彻底改变财富技术部门，无论是在嵌入式金融领域还是在嵌入式金融领域之外。 -定制的财务建议 （个性化）。机器人顾问和财务顾问的传统范式有望 发生重大转变。人工智能可以根据个人的独特情况定制财务建议，包括行为，风险承受能力，收入， 和消费习惯。这超越了传统投资组合方法的局限性。 -自动收债(风险 管理)。AI使容易出错，以人为主导的债务收集有组 织且高效。它使用NLP与债务人进行沟通并策划可行的付款计划。 -监管合规和区块链（风险管理）。AI通过法规进行解析 明确需求，确保遵守，突出差异。区块链交易的增加需要审查，人工智能可以完成。它检测模式和异常的能力在打击欺诈中起着关键作用。 -语音激活交易(欺诈 detection).音频处理和LLM的集成改变了我们与财务互动的方式。随着音频激活的交易成为现实，AI可以采用语音生物识别技术来认证和安全地验证用户 。 -动态风险管理和行为 分析(风险管理)。实时风险管理至关重要。通过处理大 量市场数据，人工智能可以即时评估和抵消风险敞口 ，并针对新出现的威胁及时发出警报。与此同时，人工智能的行为分析功能通过识别典型用户模式中的任何偏差来增强安全性和用户体验。 影响 图3.嵌入式金融中AI用例的预测扩展 动态风险管理和行 为分析 语音-a激励 transpactions 情绪分析 法规遵从性和区块 链 财务规划的高级 预测 定制的财务建议 自动收债 生物特征认证 现在immediacy 来源：ArthurD.Little -财务规划的高级预测(个性化)。作为家庭 随着成本的飙升，高级预测成为财务规划的灯塔。人工智能通过提供可行的建议，为收入、支出和储蓄提供复杂的预测。人工智能专注于个人财务管理 ，为用户做好财务准备。 这些进步为金融部门描绘了一幅充满希望的图景，确保服务更高效、更安全，并深度适应个人需求。 ADDINGLLMsISNOT JUSTANINCREMENTALSTEP，IT'SALEAPINTOAFUTURE 嵌入金融的LLM维度 发卡平台Marqeta利用OpeAI的LLM加快了嵌入式金融应用程序的推出。结果，MarqetaDocsAI聊天机器人 ，是一个GeAI工具，允许客户快速浏览网站。客户可以提出问题并收集信息，并获得有关平台产品的更多知识。该工具还解决了嵌入不同类别的支付服务的过程。Marqeta是嵌入式金融的一个很好的例子。 和AI开始合并和利用LLM。 我们对AI变革性影响的探索包括另一个不断发展的维度 ：GPT-4等LLM。这些模型通过其先进的语言生成和理解能力，带来了极大提升嵌入式金融的潜力。成熟的公司，特别是那些专注于嵌入式金融的公司，可以通过在其运营结构中添加GeAI功能来获得竞争优势，包括 ：。 -自动化客户服务。LLM驱动的聊天机器人可以提供更有洞察力的， LLM不仅仅是促进交易:他们提供实时帮助,预测用户需求,并建议替代付款方式。 -个性化的财务建议。 个性化是现代消费者互动的核心。LLM能够处理大量数据并生成类似人类的语言，可以提供 感觉真正定制的财务建议。这些模型可以筛选购买历史和偏好，以帮助用