驱动数据和AI-driven未来的金融机构
金融服务机构已经准备好改变他们的商业智能(BI)和利用人工智能来提高效率和激发创新,但数据基础日益成为瓶颈。
这个麻省理工学院技术评论见解的调查报告显示,人工智能和数据管理的支柱企业的成功至关重要。事实上,94%的受访cio已经使用AI行企业,超过一半的期望AI使用广泛的或重要的,金融、产品开发、营销、销售等功能在2025年。
14个行业的调查,AI投资将在金融服务业中最强的。金融机构希望看到最高的投资增长数据管理和基础设施,尽管AI领导人中最大量的零售/消费品和汽车制造企业。到目前为止,三大投资重点一直在人才和技能的发展,提高数据质量,毫升和BI基础设施。
然而,对于大多数组织成为AI-led是一项正在进行中的工作。自标普全球(财务信息和分析公司)在2018年收购一个人工智能解决方案提供商,“人工智能,机器学习,自然语言处理已经成为嵌入在我们所做的一切,”专家柯薛拉柯塔说,标普全球首席信息官”,[但]我们花费大量的时间试图找出如何运用我们的人工智能,机器学习和NLP模型规模。“扩展人工智能涉及提高数据管理,包括数据处理速度,治理和质量。
同样,保险公司如东京海上的约束扩展。例如,一个挑战是呈现历史数据在公司的遗留系统“完全Al-friendly”和正确地将外部数据集成到其模型。“就像关键是克服文化挑战,“Masashi Namatame说集团首席数字官和执行官总经理东京海上。“为了成为Al-driven,我们需要改变我们的整个业务的心态。”
最后,数据安全也是一个优先级与金融服务:cio们透露他们计划平均安全改进支出增加到101%在接下来的三年。
最终,通过有效的数据管理,金融机构可以改变他们的运作方式和更个性化的客户经验,现代和合规风险,优化数据共享和更富有成效的员工。
案例研究
东京海上:努力成为Al-driven
各种类型的保险公司现在经常使用模型驱动承销,简化索赔处理,加快索赔裁定,防范保险欺诈,和改善风险预测。东京海上保险公司——日本最古老的,所做的业务自1879年以来,应用先进的人工智能,尤其是在其汽车保险业务,Namatame说:“评估碰撞损害赔偿,该公司使用一种Al-based计算机视觉解决方案来分析从事故现场照片。“比较这些被他描述为“数千甚至数百万“以往类似事件的照片,该模型产生的责任评估当事人和项目预期的维修费用。艾尔也为公司提供了实实在在的好处在网上销售,特别是在个性化产品推荐和合同写作,根据Namatame。
目前开发的用例包括从车内驾驶记录的分析数据,监控司机的行为和行为。阅读完整的案例研究。
“人工智能应用广泛,尽可能的积极和热情。不应该没有被我们业务的一部分。”
