人工智能应用领先的3家零售银行—他们如何应用人工智能

点滴科技资讯

发布于 2023-03-01 15:37:23

9440

发布于 2023-03-01 15:37:23

文章被收录于专栏：点滴科技资讯

编译：刘斌中国（上海）自贸区研究院（浦东改革与发展研究院）金融研究室主任

我们分析了美国和欧洲 50 家最大的零售银行，选出了人工智能应用的前 3 名领导者。以下是这些创新者如何在内部构建技术、吸引顶尖人才以及跨部门部署 AI。

零售银行已开始投资人工智能 (AI)，以此作为吸引客户、减少与欺诈相关的损失并向企业客户提供差异化数据和洞察即服务的方式。

美国和欧洲大型零售银行的股权交易活动反映了该行业人工智能用例的广度。虽然银行最初专注于虚拟助手和个人理财管理工具，但他们现在正在处理各种用例——包括财产智能、AI 开发人员工具和持续集成/持续交付 (CI/CD) 自动化。这表明人工智能可以使许多银行职能受益。

然而，到目前为止，50家银行中只有3家收购了人工智能初创公司，并且只有8家在美国申请了人工智能相关专利。银行业的人工智能创新也受到人工智能人才短缺的限制。目前，大型银行正在争夺数量有限的顶级人工智能研究人员。

在本报告中，我们确定了在 AI 领域处于领先地位的零售银行，并研究了他们如何构建和使用该技术。

为了选出 AI 领域的前 3 大零售银行，我们的分析师查看了许多指标，包括收益电话会议记录、与 AI 供应商的合作伙伴关系和许可协议、AI 专利申请、内部研发、团队实力、技术支出、AI 投资和收购，和最近的产品发布。

人工智能领域排名前三的零售银行

对于 3 位获奖者中的每一位，我们都强调了其关键 AI 人才的来源和生产中的主要 AI 计划。

注意：以下部分并非旨在包含银行关键人员或生产项目的详尽列表。

Capital One 是美国 AI 专利的主要申请人，在本报告分析的 50 家银行中，迄今已提交 430 多份申请。用于反欺诈和改善卡用户在线体验的人工智能在 Capital One 的优先事项列表中名列前茅。

它是名单上仅有的 3 家进行人工智能收购的银行之一，于 2018 年收购了人工智能咨询公司Notch。Notch的 16 人团队加入了 Capital One 机器学习中心。该中心现在专注于图形机器学习、AI 可解释性、异常检测和自然语言处理等领域。

该银行大力推动公共云的采用——逐步淘汰其本地数据中心——进一步支持高计算机器学习应用程序。

CAPITAL ONE 的 AI 人才目标是谁？

Capital One 已经从Facebook、贝尔实验室和富达等公司聘请了 AI 领导层。下面，我们重点介绍了一些有助于领导银行 AI 计划的著名员工。

·Abhijit Bose， MVP，企业机器学习 (ML) 和 AI 工程负责人。曾任职位：Facebook AI Research 工程主管、摩根大通董事总经理兼数据科学主管、美国运通数据科学副总裁。

·Nurtekin Savas，机器学习和数据科学负责人。先前职位：富达机器学习和人工智能高级副总裁。

·Senthil Kumar， Capital One 机器学习中心的首席科学家。以前的职位：贝尔实验室的应用科学家。

CAPITAL ONE 的 AI 计划

Capital One 已经部署了一系列不同的人工智能项目，专注于从改善消费者的移动应用程序体验到为银行工程师构建内部开发工具的方方面面。

·反欺诈和安全：Capital One 与初创公司Signifyd合作进行“授权率优化”——使用 AI 将因涉嫌欺诈活动而被拒绝的合法信用卡交易数量降至最低。另外，该银行正在与初创公司Securonix合作开发云原生网络安全解决方案。Capital One Ventures 还参与了 Securonix 的两轮融资。

·汽车贷款审批：Capital One 的 Auto Navigator——一种基于 ML 的应用程序，可以预先确定用户的汽车融资资格，并且可以“在几分之一秒内为美国和任何消费者的每辆汽车提供贷款”——是其最早的基于 ML 的应用程序之一产品发布。最近，该银行试用了增强现实功能，允许用户扫描他们看到的汽车并获取有关其品牌、型号和融资选项的信息。

·网络支付：银行在边缘（在消费者的设备上）使用机器学习来识别网站上的支付页面和支付字段。这是 Capital One 虚拟卡号生成功能的一部分，它允许用户为他们在线交易的每个商家创建一个唯一的虚拟信用卡号，并限制他们面临潜在安全漏洞的风险。

·诊断和修复移动应用程序问题：该银行为其 DevOps 工程师构建了一个内部 ML 工具，以帮助识别移动应用程序问题并实时响应应用程序故障。为了防止客户的应用程序停机，Capital One 表示，它希望在未来的迭代中将算法从故障检测转移到主动预防。

·开源AI开发工具： Capital One于2021年发布开源工具rubicon-ml，支持AI开发过程中的版本控制和实验跟踪。

摩根大通 (JPM) 首席执行官杰米·戴蒙 (Jamie Dimon) 在 2022 年致股东的信中写道，该银行在人工智能方面投入了数亿美元，并在其技术投资上看到了可观的回报。JPM 仅在 2021 年就在技术上花费了 120亿美元。

截至 2021 年，摩根大通有115 个主要人工智能项目投入生产，并计划在 5 年内扩大到 1000 个项目。自 2017 年以来，该银行已在美国申请了 70 多项人工智能专利，最近的专利主题涵盖从经济预测到合成数据生成和文档中敏感数据发现的方方面面。

此外，自 2019 年以来，摩根大通参与了 8 笔初创企业股权交易，其中包括 CI/CD 自动化供应商Harness.io 的1.75 亿美元巨额融资。

JPM 的 AI 人才目标是谁？

摩根大通从学术和商业组织——包括Capital One、卡内基梅隆大学、标准普尔全球和谷歌——为其人工智能研究团队聘请了顶尖的人工智能人才。下面，我们重点介绍了帮助领导银行 AI 计划的 2 名著名员工。

·人工智能研究负责人 Manuela Veloso。曾任职务：卡内基梅隆大学机器学习系主任，人工智能促进协会主席。

·David Castillo，董事总经理，AI/ML 技术全公司负责人兼 AI/ML 技术全球产品线负责人。曾任职位：Capital One 机器学习中心 MVP，马里兰大学计算机科学系兼职教授。

JPM 的 AI 计划

该银行的 AI 研究部门专注于广泛的功能，例如反欺诈、客户体验和政策合规性。

·反欺诈：截至 2021 年，摩根大通已花费约 1 亿美元开发消费者支付反欺诈系统。据报道，这项投资使该银行从 2017 年到 2021 年的年度欺诈损失下降了14% 。它目前提供 Safetech Fraud——一种针对电子商务商家的反欺诈解决方案，使用人工智能来识别卡片测试等欺诈行为。

·合成金融数据集：这些数据集用于现实世界数据稀少或隐私问题限制数据共享的应用程序。例如，它们可以代表反洗钱行为和客户旅程流程。该银行已以保护用户隐私的方式申请了与这些数据集生成相关的专利。

·房地产情报：该银行与Reonomy合作，后者使用机器学习将来自公共和私人来源的房地产数据汇集在一起，为其商业房地产客户提供深入的房地产洞察。

·体育分析：摩根大通收购了体育分析公司KAGR的少数股权。《华尔街日报》认为这是一次“不同寻常的合作伙伴关系”——强调该银行利用体育数据和分析来支持其拥有或打算购买运动队的富有客户的独特机会。在大流行期间，KAGR 使用机器学习来预测球迷返回美国 30 个市场的现场体育场馆的意愿。它利用了人口统计数据、特定位置的 Covid-19 数据和历史票务数据以及其他数据集。

·AI 基础设施：JPM 为其工程师和开发人员构建了一个内部数据平台 Omni，以加速和标准化整个银行的 AI 开发。

在接受评估的银行中，加拿大皇家银行 (RBC) 是最早在加拿大各地推出 AI 研究实验室的银行之一。到 2017 年 11 月，RBC 已经在埃德蒙顿、多伦多和蒙特利尔开设了人工智能实验室。2018 年，RBC 宣布将在这一年中投资 25亿美元用于技术计划，实验室网络扩大到包括“五个加拿大研究中心的 60 名博士级研究人员”。

自 2017 年以来，RBC 在美国申请了 60 多项 AI 专利。去年，其申请主要围绕面部识别标记化、AI 可解释性和公平性测试等主题。

RBC 为整个研究社区开源了一些 AI 工具，并将 AI 可信度作为核心关注点。