2024利用人工智能在支付领域的优势报告

利用AI在支付领域的优势 解锁一系列工作流程和产品增强功能 KieranHines 01February2024 本报告由MongoDB和IconSolutions委托编写，Celent应其要求开展了这项研究。分析、结论和意见仅属于Celent。MongoDB和IconSolutions对报告内容没有编辑控制权。 目录 AI在当今银行业的应用3 当今银行业的人工智能技术3 AI和高级分析引领技术投资议程4 业内对生成式人工智能的积极探索5 AI在支付领域的新兴使用案例7 释放AI在无卡支付领域的潜力7 重点1使用案例：以数据为主导的增值服务10 重点2使用案例：提高开发者效率13 前进之路16 没有灵丹妙药16 成功需要坚实的基础16 确定优先顺序的重要性17 利用Celent的专业知识18 对金融机构的支持18 对供应商的支持18 相关Celent研究19 AI在当今银行业的应用 人工智能(AI)技术是银行业不可或缺的一部分。例如，在风险、欺诈和合规等领域，AI的使用已普及多年，且在不断深化中。不仅如此，在其他应用场景下，银行利用AI技术的案例还有一长串（而且还在不断增加）。这些实践的成功，以及AI技术释放更多效益的潜力，推动了2024年在这一领域的进一步投资，其中生成式人工智能尤其引人关注。 当今银行业的人工智能技术 人工智能技术已深入银行业。虽然目前人们非常关注生成式人工智能(GenAI)和大型语言模型(LLM)，但机器学习、自然语言处理(NLP)、机器人技术和计算机视觉的使用已经广泛应用于一系列不同的使用案例和程序，并且已经存在很多年。事实上，在欺诈、风险和合规等领域，早在神经网络等技术被普遍认为是AI之前，银行就一直在使用AI技术。 要定义人工智能这个术语的含义，将这个问题交给技术本身似乎是完全合适的。OliverWyman集团（Celent隶属于该集团）对其专有的LLM进行了投资，该模型提供了以下定义。 人工智能(AI)是指在机器中模拟人类智能，这些机器通过编程可以像人一样思考和学习。它涉及使用机器学习、自然语言处理、数据分析和其他AI工具来分析大量数据、进行预测、检测模式并为客户提供个性化推荐和解决方案。 有几种技术被认为是不同类型的人工智能。其中最常见的类型包括机器学习、自然语言处理、计算机视觉、机器人技术、专家系统和神经 网络。 定义银行业的人工智能 如今，AI技术被用于解决各种不同的工作流程和面向客户的服务。除了上述案例外，还包括中后台的流程自动化和优化，以及实时风险和流动性管理、现金流预测和前台服务的个性化等领域。虚拟助手和机器人也已成为客户支持过程中的重要组成部分。 AI和高级分析引领技术投资议程 随着时间的推移，银行不断增加对项目的投资，以更好、更高效地使用数据。这在一定程度上是由于需要满足客户对数字服务的速度和质量日益增长的期望，同时也反映出人们对账户和交易数据真正价值的理解正在不断加深。然而，最重要的还是由于支持AI和高级分析的相关技术在实用性和经济性方面一再发生阶跃式变化，这些技术对于交付AI与高级分析支持的使用案例有着不可或缺的作用。 就企业银行而言，结果也证明了这一点。在Celent最新的技术洞察和战略调查(TechnologyInsightandStrategySurvey)中，73%的企业银行表示，他们通过投资高级数据分析获得了明确的收入机会，相比之下只有11%的企业银行报告了相反的情况。与此同时，调查还发现了一些地区差异。亚太地区有76%的人从这些投资中获得了成功，而欧洲的这一比例为75%，美国的这一比例为72%。 因此，数据分析和AI技术支持的项目成为2023/24年全球议程的重点也就不足为奇了。对于33%的企业银行来说，高级分析和机器学习的投资是技术 方向的首要任务，高于机器人技术和自动化相关项目（市场中31%的银行的投资重点）。人工智能和NLP也紧随其后，28%的银行将其列为优先事项。 图1：高级分析、智能自动化和AI技术引领2023/24年行业投资议程 高级数据分析和ML 33% 工作流自动化和RPA 31% 人工智能(AI)和NLP 29% 开放式融资能力 29% 区块链/DLT 28% 向公有云服务迁移 24% 身份证明/数字身份 22% 低代码或无代码工具或平台 19% 网络安全增强 19% 客户体验个性化 17% 调查对象：所有企业银行受访者（样本数量：214） 问题：在未来18个月中，以下哪些是您的主要技术/流程投资重点？ 资料来源：Celent技术洞察和战略调查(TechnologyInsightandStrategySurvey)，2023年 这些数字涵盖了企业银行职能范围内的所有活动和业务范围，而不仅仅是支付。然而，与今年减少投资的银行相比，加码支付技术投资的银行也更有可能增加对AI的关注。在2023/24年度提高支付技术支出的银行中，有30% 将AI视为优先事项。相比之下，整个市场的这一比例为28%。而在减少支付投资的银行中，这一比例为21%。 业内对生成式人工智能的积极探索 随着OpenAI的ChatGPT的公开发布，生成式人工智能于2023年迅速进入公众视野。OpenAI的发布在银行业引发了大量关于潜在应用场景、风险甚至未来对人员需求的潜在影响的讨论。 鉴于生成式人工智能的巨大潜力，人们对该技术感到兴奋合乎情理。但在2023年下半年，讨论变得越发细致入微。考虑到将LLM应用于潜在敏感的客户数据的复杂性，以及对LLM输出可解释性（和潜在的可审计性）更广泛的监管问题，这些都是可以理解的。尽管如此，生成式人工智能已经被用于支持顾问和客户关系经理等诸多领域，并且预计在此类领域将会有进一步的创新。 当然，有许多银行正在积极探索生成式人工智能的使用案例。约58%的银行表示，他们目前正在以某种方式评估或测试生成式人工智能（基于Celent最新的技术洞察和战略调查的结果），另有23%的银行在2023/24年路线图中有使用该技术的项目。考虑到该技术的潜在应用场景和炒作，这并不 奇怪。 也许最有趣的是，生成式人工智能被视为五年内对行业影响最大的技术之一。事实上，36%的银行认为这将是在这一时期内对市场产生最大影响的技术。 下图显示了向Celent的企业银行高管小组提出的两个问题的答复。第一个 （y轴）显示当前正在试验一系列技术或商业模式或评估其机会的比例。第二个（x轴）强调银行预计未来五年对市场影响最大的技术。生成式人工智能在右上象限中脱颖而出，因为它在当前的实验中表现突出，并对行业产生了强大的长期影响。 图2：大多数行业正在评估生成式人工智能或将其列入当前路线图 AI/ML/NLPandadvancedDataAnalytics Embeddedfintech Openbanking/financeproductinnovation GenerativeAI(suchasChatGPT) CBDCs Metaverse/AR/VRQuantumcomputing EmbeddedBlockchain/DLTfinance Banking-as-a-Service DecentralizedFinance Cryptocurrencies DigitaltwinLoworno-codetechnology 70% 目前正在探索使用案例或PoC的银行比例 60% 50% 40% 30% 20% 10% 0% 0%5%10%15%20%25%30%35%40%45% 预计这将是5年内对行业产生重大影响的三大技术之一 调查对象：所有企业银行受访者（样本数量：214） x轴上的问题：您预计以下哪项在未来5年内会对您的行业产生最大影响？ y轴上的问题：您的组织当前如何使用以下新兴技术/商业模式，或者对这些领域的态度是什么？“正处于实验阶段或正在探索应用场景，包括PoC”的所有相关答复 资料来源：Celent技术洞察和战略调查(TechnologyInsightandStrategySurvey)，2023年 AI在支付领域的新兴使用案例 处理账户到账户（无卡）支付所涉及的复杂性，加上所涉数据内在的丰富性，使其成为银行可以利用AI优势的一个显著领域。使用交易数据来提升服务并提高运行效率是一项早已确立的原则，但AI和相关技术的进步正在改变可支持的应用场景和提升的性质。先行者开始把握这些机会，而无法跟上步伐的人将面临落后的风险。 释放AI在无卡支付领域的潜力 利用支付消息中的数据改善客户体验或以其他方式提供更好的服务，这一概念在业内已广为人知。事实上，如何更好地利用支付数据，包括交易记录的历史“存量”和实时个人消息形式的“流量”，多年来一直是备受瞩目的话题。这在很大程度上反映了它可以为企业客户提供支持的应用场景范围。 然而，银行更好利用支付数据的途径不仅限于此。在其他许多领域，现代数据技术可用于推动运营改进和效率提升，进而通过降低成本直接支持利润增长，或以其他方式提升客户体验。一个很好的例子是在处理支付时减少人工授权的次数，给各方带来好处。除了考虑投资AI等现代数据技术所带来的潜在收入机会外，银行还应确保它们对正确投资所能带来的一系列商业效益有一个全面的认识。 具体到人工智能，银行可以在多个领域应用这些技术，获取新的收入来源并提升效率。下文图3提供了八个主要专题和领域的全局纵览。这并不是详尽的观点，但确实展示了当前机遇的深度和广度（事实上，每个类别都可以成为一份独立报告的主题）。在每个例子中，都已经有银行开始利用AI技术向市场提供服务或改进的服务，或者正在尝试使用该技术。 图3：银行利用AI技术的优势改善支付运营和增值服务，其中蕴藏许多机会 注意：此列表内容仅举例说明，并不详尽。每个类别都包括若干具体的机遇和应用场景。资料来源：Celent 前台部门：全新且更深入的洞察力 AI在为客户提供一系列增值服务具有相当大的潜力。支付数据的内在价值是其中的关键因素，因为对应付账款、应收账款和余额信息的汇总分析可用于提供一系列不同的见解和服务改进措施。 ISO20022报文格式的日益普及是一个重要的推动因素。随着可用的数据更丰富，且实时数据更常见，潜在应用场景的范围也随之增加。 银行可以在三大领域利用AI提升面向客户的服务。 1.现金流分析和预测—此类别的使用案例涉及使用支付消息中的信息为企业客户的现金状况提供精细且（理想情况下）实时的洞察。与之密切相关的是，能够根据应付账款和应收账款进行预测，以及根据发票数据和其他票据（例如工资或税款）提供未来可能的进出款项。 2.营运资本优化—将AI与支付数据结合使用还可以对一系列有关流动性和管理的应用场景提供支持。向公司财务主管提供见解和建议无疑是一种增值用例。银行还可以进一步利用这种技术，在需要时自动定位融资和外汇服务。 3.支付洞察—虽然生成式人工智能在银行业仍处于起步阶段，但它在支持向客户提供支付和账户见解方面的潜力引发了人们的浓厚兴趣。客户只需简单地提出“我的付款状态如何？”或“提供我上一季度以欧元为单位的入账付款可视化”等问题。最重要的是，这样的问题可以获得准确的答案，而这将带来可观的价值。 中后台部门：工作流程和程序改进 人工智能和高级分析技术的应用已经在支付处理的中后台功能中得到广泛普及，但仍有许多进一步提升的潜在机会。在每种情况下，银行要么可以直接改善客户体验，要么可以大幅降低成本。这些可被分为三大领域。 1.优化支付处理过程—这里有几个子主题，但机器学习的一个突出使用案例是进一步自动化支付修复流程。在存在数据错误或缺口的情况下减少人工干预的需要，可以降低银行成本，同时还可以改善客户体验。使用AI技术改善交易路由是另一个重要机遇。当路由决策实现自动化（而不是由客户决定）时，客户有可能从低成本中获益；当支付流得到更有效的管理时，客户（和银行）也有可能从流动性中获益。第三个案例是旧标准与