主持人:请各位听众和行业新手定义一下你认为人工智能在金融科技领域的应用.
Ronak: 在最简单的术语中，在金融科技的背景下，人工智能可以定义如下:
- 机器学习1级 这就是我们使用RPA机器人观察用户行为模式的地方. 这构成了发现过程的一部分，在这个过程中，机器人被安装在人类的机器上，并从他们的行为中学习. 这就是机器学习如何模仿用户动作的方式.
- 机器学习2级 在这里，我们输入大量相对结构化的数据，让机器人处理这些数据, 识别模式并遵循预定义的场景和流程流. 一旦机器人学会了模式，它将永远沿着同样的路径前进, 从而节省了人力投入的时间和精力
- 机器学习3级 这是一个机器人处理相对非结构化的数据，并识别未知的模式和场景，人类通常无法看到没有显著的努力或丰富的经验. 在这个阶段, 我们可以说，机器是在从自己过去的经验中学习，而不是向人类学习.
- 深度学习神经网络 尽管有很多理论上的例子, 在哪里机器能够有意识地做出决定, 然而, 这项技术的实际应用仍在研究中.
主持人:在你们的行业中，你们是如何利用人工智能来降低成本、提升客户体验的?
Ronak: 我们设计和开发定制的机器人过程自动化机器人，遵循相同的ML1, 上述ML2和ML3主要针对金融科技行业的客户.
这包括机器人:
- 事务监控和反洗钱
- FATCA和税收的监管报告和风险缓解
- 会计和银行对账单
- 采购及订购
- 客户入职，服务和关系管理
- 贷款及债务处理
主持人:实施人工智能最突出的挑战是什么?
Ronak: 挑战包括向客户和公众宣传人工智能的好处, 到更复杂的问题，比如清理数据和选择合适的平台.
主要挑战还包括:
- 缺乏意识和教育
- 缺乏敏捷解决方案，业务所有者可以尝试作为概念验证
- 例如，对人工智能的污名和担忧， “它会破裂吗?”?”, “它会取代工人吗??”我们都会失业吗?”
- 遗留系统和数据存储
- 缺乏结构化数据来提供给机器人
主持人:这个领域的监管有多好?你认为缺少哪一种监管?为什么?
Ronak: 目前, 同样的规则也适用于人工智能在金融科技领域的应用, 当他们申请金融科技内的任何处理时, 它是由人类还是由已建立的软件来完成.
然而, 近年来, 我们看到更多专门为人工智能设计的结构化法规正在出现.
一些例子包括:
- 2021年4月——欧盟委员会成立 “人工智能的协调规则”
- 在英国，目前还没有专门针对人工智能的立法. 这是因为法律, 就其本质而言, 必须是技术不可知论者，以确保未来的技术仍将受制于总体法律框架- 点击这里阅读毕马威的一篇文章
- 英国政府于2020年2月发布了一份报告，就 “人工智能对公众生活的影响”
主持人:在金融科技领域应用人工智能时，您的主要收获和建议是什么?
Ronak: 企业应该主动寻求实现和采用具有相对安全技术的机器人，如敏捷自动化和机器人过程自动化. 这些投资很少，但投资回报率高, 我们热衷于开展新项目来验证概念.
我们希望展示自定义编码RPA的惊人优势和多功能性!
我们一直在寻找新的业务挑战，并愿意为您建立一个概念自动化验证. 通过这种方式，您可以从完全支持的RPA解决方案中获益，而无需对系统进行大量投资或昂贵的更改.
