phiên bản của bài viết này được dịch bởi Marisela Ordez Công nghệ mục đích chung là một thuật ngữ mà các nhà kinh tế dành cho các công nghệ thúc đẩy tăng trưởng kinh tế kéo dài và những tiến bộ của xã hội, cách mạng hóa hoạt động của các hộ gia đình và các tập đoàn. Một mẫu công nghệ cho mục đích chung là điện. Điện sinh ra vô số sản phẩm và lĩnh vực, bao gồm tủ lạnh, máy giặt, tàu hỏa và tất nhiên là cả máy tính. Sự ra đời của điện đã biến đổi hoàn toàn thế giới.
Một bài báo gần đây của Harvard Business Review chỉ định trí tuệ nhân tạo (AI) là công nghệ mục đích chung quan trọng nhất trong thời đại của chúng ta . Chúng ta đã quen thuộc với sức mạnh của AI. Nó thể hiện dưới hình thức một robot đánh bại một kỳ thủ cờ vua nổi tiếng thế giới. Một chiếc ô tô có thể tự đậu song song. Các thiết bị đáp ứng với thời tiết ngày mai khi chúng tôi yêu cầu. Nhưng phần lớn sự tiếp xúc của chúng tôi với — và hiểu biết — AI xoay quanh các sản phẩm ảnh hưởng đến cuộc sống hàng ngày của chúng tôi với tư cách là người tiêu dùng. Ở cấp độ tổ chức, có một câu hỏi lớn hơn xoay quanh việc AI sẽ phá vỡ các ngành công nghiệp và cụ thể là cách các dịch vụ tài chính sẽ khai thác AI.
Bài viết dưới đây sẽ định nghĩa về trí tuệ nhân tạo, phạm vi của các công nghệ liên quan của nó, quy mô của toàn ngành AI và các ứng dụng của trí tuệ nhân tạo trong tài chính. Phần này không nhằm cung cấp một đánh giá chuẩn mực về sự phát triển của AI; thay vào đó, nó sẽ tập trung vào cách AI đang phá vỡ tài chính.
Trí tuệ nhân tạo là một lĩnh vực khoa học máy tính tập trung vào việc tạo ra những cỗ máy thông minh có chức năng giống như con người. Máy tính AI được thiết kế để thực hiện các chức năng của con người bao gồm học tập, ra quyết định, lập kế hoạch và nhận dạng giọng nói.
Trí tuệ nhân tạo cho phép máy móc liên tục cải thiện hiệu suất của chúng mà không cần con người cung cấp các hướng dẫn bắt buộc về cách thực hiện. Điều này có ý nghĩa vì một vài lý do. Đầu tiên, con người biết nhiều hơn những gì chúng ta có thể kể. Có nghĩa là, con người có thể nhận ra một khuôn mặt hoặc thực hiện một chiến lược thông minh trong một trò chơi cờ vua. Tuy nhiên, trước khi có công nghệ trí tuệ nhân tạo tiên tiến, con người không thể hiểu rõ kiến thức của chúng ta có nghĩa là chúng ta không thể tự động hóa nhiều tác vụ. Thứ hai, công nghệ AI siêu phàm về khả năng thực thi, hoạt động nhanh hơn và thường với độ chính xác cao hơn con người.
Trí tuệ nhân tạo bao gồm vô số khả năng và công nghệ. Công ty tư vấn PWC củng cố rằng AI “không phải là một lĩnh vực chủ đề đơn lẻ. Nó bao gồm một số thứ bổ sung vào khái niệm của chúng ta về ý nghĩa của việc ‘thông minh’. ”Dưới đây là một số lĩnh vực phổ biến nhất của AI:
Tất nhiên, danh sách này không phải là toàn diện. Xem bên dưới để biết nhiều chủ đề và công nghệ trí tuệ nhân tạo hơn.
Bài báo nói trên của Harvard Business Review dự đoán rằng “Tác động của AI sẽ được tăng cường trong thập kỷ tới, khi sản xuất, bán lẻ, giao thông vận tải, tài chính, chăm sóc sức khỏe, luật, quảng cáo, bảo hiểm, giải trí, giáo dục và hầu như mọi ngành công nghiệp khác đều biến đổi các quy trình cốt lõi và mô hình kinh doanh để tận dụng lợi thế của học máy. Điểm nghẽn là quản lý, thực hiện và trí tưởng tượng kinh doanh. ”
Việc áp dụng rộng rãi AI trong các ngành công nghiệp được dự đoán sẽ thúc đẩy doanh thu toàn cầu là 12,5 tỷ đô la vào năm 2017 và 47 tỷ đô la vào năm 2020 với tốc độ tăng trưởng kép hàng năm (CAGR) là 55,1% từ năm 2016 đến năm 2020. Cụ thể, các ngành sẽ đầu tư nhiều nhất vào công nghệ là ngân hàng và bán lẻ, tiếp theo là chăm sóc sức khỏe và sản xuất. Tổng cộng, bốn ngành này sẽ chiếm hơn một nửa doanh thu AI toàn cầu vào năm 2016, với lĩnh vực ngân hàng và bán lẻ, mỗi ngành mang lại gần 1,5 tỷ đô la.
Trong các ngành, các khoản đầu tư vào AI lớn nhất trong năm 2017 sẽ nằm trong các lĩnh vực như đại lý dịch vụ khách hàng tự động, thông minh về mối đe dọa tự động và phân tích gian lận (xem biểu đồ bên dưới). Theo Jessica Goepfert, giám đốc chương trình tại công ty nghiên cứu thị trường IDC, “Các cơ hội ngắn hạn cho hệ thống nhận thức là trong các ngành như ngân hàng, chứng khoán và đầu tư, và sản xuất. Trong các phân đoạn này, chúng tôi tìm thấy vô số dữ liệu phi cấu trúc, mong muốn khai thác những hiểu biết sâu sắc từ thông tin này và sự cởi mở với các công nghệ đổi mới. ” Phần tiếp theo của bài viết này sẽ đi sâu vào các trường hợp sử dụng khác nhau của trí tuệ nhân tạo trong ngành dịch vụ tài chính.
Trí tuệ nhân tạo trong lĩnh vực tài chính có thể thúc đẩy hiệu quả hoạt động trong các lĩnh vực từ quản lý rủi ro và kinh doanh đến bảo lãnh phát hành và yêu cầu bồi thường. Trong khi một số ứng dụng phù hợp hơn với các lĩnh vực cụ thể trong dịch vụ tài chính, những ứng dụng khác có thể được tận dụng trên diện rộng.
Trí tuệ nhân tạo đã được chứng minh là vô cùng có giá trị khi nói đến bảo mật và phát hiện gian lận. Các phương pháp phát hiện gian lận truyền thống bao gồm máy tính phân tích dữ liệu có cấu trúc dựa trên một bộ quy tắc. Ví dụ:một công ty thanh toán nhất định có thể đặt ngưỡng cho chuyển khoản ngân hàng là 15.000 đô la để bất kỳ giao dịch nào vượt quá số tiền đó sẽ bị gắn cờ để điều tra thêm. Tuy nhiên, kiểu phân tích này tạo ra nhiều kết quả dương tính giả và đòi hỏi nhiều nỗ lực bổ sung. Có lẽ còn đáng kể hơn, những kẻ lừa đảo tội phạm mạng thường xuyên thay đổi chiến thuật của chúng. Do đó, các hệ thống hiệu quả nhất phải liên tục trở nên thông minh hơn.
Với các thuật toán học tập nâng cao, chẳng hạn như các thuật toán từ học sâu, các tính năng mới có thể được thêm vào hệ thống để điều chỉnh động. Theo Samir Hans, một cố vấn chính tại Deloitte Giao dịch và Phân tích Kinh doanh LLP, “Với phân tích nhận thức, các mô hình phát hiện gian lận có thể trở nên mạnh mẽ và chính xác hơn. Nếu hệ thống nhận thức loại bỏ thứ gì đó mà nó xác định là gian lận tiềm ẩn và con người xác định đó không phải là gian lận vì X, Y và Z, máy tính sẽ học từ những hiểu biết của con người và lần sau nó sẽ không gửi một phát hiện tương tự theo cách của bạn . Máy tính ngày càng thông minh hơn. ”
Lấy ví dụ, gã khổng lồ thanh toán PayPal và các giao thức gian lận tiên tiến của nó. Do quy mô và khả năng hiển thị của nó, PayPal “có một mục tiêu lớn ở phía sau.” Nó đã xử lý 235 tỷ đô la trong năm 2015 từ bốn triệu giao dịch của 170 triệu khách hàng. Tuy nhiên, PayPal đã có thể tăng cường bảo mật bằng cách tận dụng công nghệ học sâu. Trên thực tế, gian lận của PayPal tương đối thấp với 0,32% doanh thu, một con số tốt hơn nhiều so với mức trung bình 1,32% mà người bán thấy.
Trước đây, PayPal sử dụng các mô hình tuyến tính, đơn giản. Ngày nay, các thuật toán của nó khai thác dữ liệu từ lịch sử mua hàng của khách hàng và xem xét các mẫu có khả năng gian lận được lưu trữ trong cơ sở dữ liệu ngày càng tăng của nó. Trong khi một mô hình tuyến tính có thể sử dụng 20-30 biến, công nghệ học sâu có thể chỉ huy hàng nghìn điểm dữ liệu. Các khả năng nâng cao này giúp PayPal phân biệt các giao dịch vô tội với các giao dịch đáng ngờ. Theo Hui Wang, Giám đốc cấp cao về Khoa học rủi ro toàn cầu của PayPal, “Điều chúng tôi thích thú từ việc học máy hiện đại, tiên tiến hơn là khả năng sử dụng nhiều dữ liệu hơn, xử lý các lớp và lớp trừu tượng và có thể 'nhìn thấy' mọi thứ [… ] ngay cả con người cũng không thể nhìn thấy. ”
Trong nhiều năm, các công ty quản lý đầu tư đã dựa vào máy tính để thực hiện các giao dịch. Khoảng 1.360 quỹ đầu cơ, chiếm 9% tổng số quỹ, dựa trên các mô hình thống kê lớn được xây dựng bởi các nhà khoa học dữ liệu thường có bằng tiến sĩ toán học (còn được gọi là “quants”). Tuy nhiên, các mô hình này chỉ sử dụng dữ liệu lịch sử, thường tĩnh, cần sự can thiệp của con người và không hoạt động tốt khi thị trường thay đổi. Do đó, các quỹ đang ngày càng chuyển hướng sang các mô hình trí tuệ nhân tạo thực sự không chỉ có thể phân tích khối lượng lớn dữ liệu mà còn tiếp tục cải thiện bản thân.
Những công nghệ mới này sử dụng các kỹ thuật phức tạp bao gồm học sâu, một dạng máy học được gọi là mạng Bayes và tính toán tiến hóa, được lấy cảm hứng từ di truyền học. Phần mềm giao dịch AI có thể hấp thụ khối lượng dữ liệu khổng lồ để tìm hiểu về thế giới và đưa ra dự đoán về thị trường tài chính. Để hiểu xu hướng toàn cầu, họ có thể sử dụng mọi thứ từ sách, tweet, báo cáo tin tức, dữ liệu tài chính, số liệu thu nhập và chính sách tiền tệ quốc tế cho đến các bản phác thảo của Saturday Night Live.
Nói rõ hơn, điều trên khác với giao dịch tần suất cao (HFT), cho phép các nhà giao dịch thực hiện hàng triệu lệnh và quét nhiều thị trường chỉ trong vài giây, đáp ứng các cơ hội theo những cách mà con người không thể thực hiện được. Các nền tảng dựa trên AI được thảo luận ở trên đang tìm kiếm các giao dịch tốt nhất trong dài hạn và máy móc - không phải con người - đang chỉ huy chiến lược.
Một số hệ thống giao dịch AI này được phát triển bởi các công ty khởi nghiệp. Ví dụ, Aidiya có trụ sở tại Hồng Kông là một quỹ đầu cơ hoàn toàn tự chủ, thực hiện tất cả các giao dịch cổ phiếu của mình bằng cách sử dụng trí thông minh nhân tạo (AI). “Nếu tất cả chúng ta chết,” đồng sáng lập Ben Goertzel nói, “nó sẽ tiếp tục giao dịch.” Các tổ chức truyền thống cũng quan tâm đến công nghệ giao dịch AI. Năm 2014, Goldman Sachs dẫn đầu vòng gọi vốn Series A và bắt đầu cài đặt nền tảng giao dịch AI có tên Kensho. Đối với vòng Series B của Kensho, ngoài S&P Global, sáu ngân hàng lớn nhất của Phố Wall (Goldman Sachs, JPMorgan Chase, Bank of America Merrill Lynch, Morgan Stanley, Citigroup và Wells Fargo) cũng tham gia.
Một nghiên cứu gần đây do công ty nghiên cứu đầu tư Eurekahedge thực hiện đã theo dõi hiệu suất của 23 quỹ đầu cơ sử dụng AI từ năm 2010-2016, phát hiện ra rằng chúng hoạt động tốt hơn những quỹ được quản lý bởi các quants truyền thống hơn và các quỹ đầu cơ tổng quát.
Sẽ rất thú vị khi quan sát cách AI sẽ tác động đến thị trường lao động giao dịch. Ảnh hưởng của nó đã rõ ràng tại một số tổ chức ngân hàng lớn. Năm 2000, bàn giao dịch chứng khoán tiền mặt của Goldman Sach tại Hoa Kỳ tại trụ sở chính ở New York đã tuyển dụng 600 nhà giao dịch mua và bán cổ phiếu. Ngày nay, nó có hai nhà giao dịch cổ phiếu, với các máy làm phần còn lại. Daniel Nadler, Giám đốc điều hành của Kensho, tuyên bố, "Trong 10 năm nữa, Goldman Sachs sẽ nhỏ hơn đáng kể về số lượng nhân viên so với hiện nay." Và đối với những người đặt câu hỏi, họ có thể thấy rằng kỹ năng của họ ít được các công ty quản lý đầu tư yêu cầu hơn.
Hiện tại, khoảng một phần ba sinh viên tốt nghiệp từ các chương trình kinh doanh hàng đầu được đầu tư vào lĩnh vực tài chính. Một số tài năng xuất sắc nhất của quốc gia sẽ chuyển đến đâu? Mark Minevich, cố vấn cấp cao của Hội đồng Cạnh tranh Hoa Kỳ, tin rằng “Một số người thông minh này sẽ chuyển sang các công ty khởi nghiệp công nghệ, hoặc sẽ giúp phát triển nhiều nền tảng AI hơn, ô tô tự động hoặc công nghệ năng lượng […] New York có thể cạnh tranh với Silicon Thung lũng công nghệ. ”
Cố vấn robot là nền tảng kỹ thuật số cung cấp các dịch vụ lập kế hoạch tài chính tự động, dựa trên thuật toán với sự giám sát tối thiểu của con người. Trong khi các nhà quản lý tài chính con người đã sử dụng phân bổ danh mục đầu tư tự động từ đầu những năm 2000, các nhà đầu tư phải thuê cố vấn để được hưởng lợi từ công nghệ này. Ngày nay, cố vấn robot cho phép khách hàng truy cập trực tiếp vào dịch vụ. Không giống như các đối tác con người của họ, cố vấn robot giám sát thị trường không ngừng và luôn sẵn sàng 24/7. Cố vấn robot cũng có thể cung cấp cho các nhà đầu tư khoản tiết kiệm chi phí lên đến 70% và thường yêu cầu thấp hơn hoặc không có mức tối thiểu để tham gia.
Ngày nay, cố vấn robot có thể giúp thực hiện các công việc lặp đi lặp lại nhiều hơn như mở tài khoản và chuyển tài sản. Quá trình này thường liên quan đến việc khách hàng trả lời các bảng câu hỏi đơn giản về khẩu vị rủi ro hoặc các yếu tố thanh khoản, sau đó các nhà tư vấn robot sẽ chuyển thành logic đầu tư. Phần lớn các cố vấn rô-bốt hiện tại nhắm đến việc phân bổ khách hàng của họ vào các danh mục ETF được quản lý dựa trên sở thích của họ. Dự kiến, các khả năng trong tương lai sẽ phát triển thành các dịch vụ nâng cao hơn như dịch chuyển tài sản tự động và phạm vi mở rộng trên các loại tài sản thay thế như bất động sản.
Tư vấn robot có thể có tác động lớn đến lĩnh vực tài chính cá nhân và quản lý tài sản. Trong khi tổng tài sản hiện tại của cố vấn robot đang quản lý (AUM) chỉ chiếm 10 tỷ USD trong tổng số 4 nghìn tỷ USD của ngành quản lý tài sản (chưa đến 1% tổng tài sản tài khoản được quản lý), một nghiên cứu của Business Insider ước tính rằng con số này sẽ tăng lên 10% vào năm 2020 . Con số này tương đương với khoảng 8 nghìn tỷ đô la AUM.
Các công ty trong ngành đã áp dụng nhiều cách tiếp cận khác nhau để tư vấn bằng robot. Các công ty quản lý tài sản nhỏ hơn đang bổ sung các thành phần thuật toán để tự động hóa việc quản lý đầu tư của họ, giảm chi phí / phí và cạnh tranh với các cố vấn robot. Mặt khác, các công ty đầu tư thành lập đang mua các cố vấn rô-bốt hiện có, chẳng hạn như việc Invesco mua lại Jemstep hoặc tạo ra các giải pháp cố vấn rô-bốt của riêng họ, chẳng hạn như FidelityGo và Schwab’s Intelligent Advisory.
Sự đồng thuận chung giữa các chuyên gia là con người sẽ vẫn không thể thiếu. Sự tiếp xúc của con người sẽ vẫn rất quan trọng, vì các cố vấn vẫn cần trấn an khách hàng trong thời điểm khó khăn về tài chính và thuyết phục họ bằng các giải pháp hữu ích. Một nghiên cứu được thực hiện bởi công ty tư vấn Accenture tiết lộ rằng 77% khách hàng quản lý tài sản tin tưởng các cố vấn tài chính của họ trong khi 81% chỉ ra rằng tương tác mặt đối mặt là quan trọng. Đối với những khách hàng có các quyết định đầu tư phức tạp, mô hình tư vấn kết hợp, kết hợp các dịch vụ máy tính hóa với các cố vấn con người, đang thu hút được nhiều sự chú ý.
Trong khi các cố vấn tài chính sẽ vẫn là trung tâm, các cố vấn robot có thể gây ra sự thay đổi trong trách nhiệm công việc của họ. Với AI quản lý các nhiệm vụ lặp đi lặp lại, các nhà quản lý đầu tư có thể đảm nhận trách nhiệm của một nhà khoa học hoặc kỹ sư dữ liệu, chẳng hạn như bảo trì hệ thống. Con người cũng có thể tập trung nhiều hơn vào việc xây dựng mối quan hệ với khách hàng và giải thích các quyết định mà máy đã đưa ra.
Bảo hiểm dựa trên sự cân bằng rủi ro giữa các nhóm người; công ty bảo hiểm nhóm những người tương tự lại với nhau và một số người sẽ yêu cầu thanh toán trong khi những người khác thì không. Ngành công nghiệp này được xây dựng xung quanh việc đánh giá rủi ro; các công ty bảo hiểm không còn xa lạ với phân tích dữ liệu. Tuy nhiên, AI có thể mở rộng lượng dữ liệu được phân tích cũng như các cách nó có thể được sử dụng, dẫn đến việc định giá chính xác hơn và các hiệu quả hoạt động khác.
Các công ty khởi nghiệp đi đầu trong việc thúc đẩy ngành phát triển. Theo Henrik Naujoks, một đối tác của Bain &Co, “Các công ty khởi nghiệp đang cho thấy những gì có thể và những gì có thể làm được. Rất nhiều giám đốc điều hành đương nhiệm đang xem xét nó - họ không thực sự hiểu nó nhưng họ muốn tham gia. " Các nhà đầu tư cũng đã nắm bắt được xu hướng này (xem bên dưới). Năm 2016, AI là một trong những chủ đề phổ biến nhất cho đầu tư công nghệ bảo hiểm.
Một báo cáo của PWC dự đoán rằng AI sẽ tự động hóa một lượng đáng kể bảo lãnh phát hành vào năm 2020, đặc biệt là ở các thị trường trưởng thành nơi có sẵn dữ liệu. Hiện tại, công ty bảo hiểm phát hành, với sự trợ giúp của phần mềm máy tính và các mô hình tính toán, đánh giá rủi ro và mức độ rủi ro của các khách hàng tiềm năng, mức độ bảo hiểm mà họ sẽ nhận được và số tiền họ phải trả cho nó. Trong ngắn hạn, AI có thể giúp tự động hóa khối lượng lớn bảo lãnh phát hành trong bảo hiểm ô tô, gia đình, thương mại, nhân thọ và bảo hiểm nhóm. Trong tương lai, AI sẽ tăng cường mô hình hóa, làm nổi bật những cân nhắc chính đối với những người ra quyết định của con người mà có thể không được chú ý. Người ta cũng dự đoán rằng AI tiên tiến sẽ cho phép bảo lãnh phát hành được cá nhân hóa bởi công ty hoặc cá nhân, có tính đến các hành vi và hoàn cảnh độc đáo.
Bảo lãnh phát hành nâng cao có thể tận dụng không chỉ máy học để khai thác dữ liệu mà còn cả công nghệ đeo được và máy phân tích khuôn mặt học sâu. Ví dụ, Lapetus, một công ty khởi nghiệp, muốn sử dụng ảnh tự chụp để dự đoán chính xác tuổi thọ. Trong mô hình đề xuất của họ, khách hàng sẽ gửi email cho ảnh chân dung tự chụp của họ, sau đó máy tính sẽ quét và phân tích — phân tích hàng nghìn vùng trên khuôn mặt. Phân tích sẽ xem xét mọi thứ, từ nhân khẩu học cơ bản đến tốc độ già đi của một người, chỉ số khối cơ thể của họ và liệu họ có hút thuốc hay không. Ngoài ra, công nghệ đeo có thể làm cho quá trình bảo lãnh phát hành hợp tác hơn. Thay vì dựa vào các cuộc kiểm tra y tế kéo dài và các quy trình hợp đồng phức tạp, thiết bị đeo được có thể cung cấp thông tin chi tiết theo thời gian thực về sức khỏe và hành vi của chủ hợp đồng. Rõ ràng, máy học trong lĩnh vực tài chính đã và đang phát triển.
Các loại phân tích rủi ro theo thời gian thực, sắc thái này sẽ không chỉ cho phép định giá khách hàng chính xác hơn mà còn phát hiện sớm các rủi ro sức khỏe và tạo cơ hội cho các công ty bảo hiểm đầu tư vào phòng ngừa. Thay vì cuối cùng phải trả tiền cho các phương pháp điều trị tốn kém cho bệnh nhân, các công ty bảo hiểm có thể chủ động cố gắng giảm xác suất thiệt hại và các chi phí liên quan.
Trong một nghiên cứu năm 2013 của Oxford phân tích hơn 700 ngành nghề để xác định nghề nào dễ bị tin học hóa nhất, các công ty bảo hiểm phát hành đã được đưa vào danh sách 5 nghề dễ bị ảnh hưởng nhất. Ngay cả khi AI không thay thế hoàn toàn người bảo lãnh phát hành, thì tự động hóa AI có thể thay đổi trách nhiệm của người bảo lãnh phát hành. AI có thể giải phóng thời gian của người bảo lãnh để có giá trị gia tăng cao hơn, chẳng hạn như đánh giá và định giá rủi ro ở các thị trường mới nổi ít dữ liệu hơn, cung cấp nhiều phản hồi về quản lý rủi ro và phát triển sản phẩm.
Yêu cầu bảo hiểm là yêu cầu thanh toán chính thức được gửi đến các công ty bảo hiểm. Các công ty bảo hiểm sau đó sẽ xem xét yêu cầu bồi thường về tính hợp lệ và thanh toán cho người được bảo hiểm sau khi được chấp thuận. Dưới đây là cách trí tuệ nhân tạo có thể nâng cao quy trình:
Cải thiện độ chính xác của dữ liệu khách hàng. Quy trình yêu cầu bồi thường khá thủ công:Các nhân viên của con người ghi nhật ký thông tin khách hàng và chi tiết sự cố theo cách thủ công. Theo một báo cáo của Experian, chất lượng dữ liệu có thể bị ảnh hưởng:dữ liệu không đầy đủ chiếm 55% lỗi dữ liệu, trong khi lỗi chính tả chiếm 32%. AI có thể cải thiện độ chính xác bằng cách giảm nhập liệu thủ công. Ngoài ra, các quy trình yêu cầu bồi thường thường yêu cầu các đại lý bảo hiểm phải khớp thông tin khách hàng với nhiều cơ sở dữ liệu. AI có thể được sử dụng để làm điều này hiệu quả hơn.
Đề xuất thanh toán nhanh hơn. Theo một nghiên cứu về sự hài lòng của tài sản J.D. Power &Associates, thời gian chu kỳ yêu cầu bồi thường chậm là một trong những nguyên nhân lớn nhất gây ra sự không hài lòng của khách hàng. AI có thể giúp giảm thời gian quay vòng bằng cách xác thực chính sách trước tiên, sau đó đưa ra quyết định về các xác nhận quyền sở hữu và liệu có nên tự động hóa thanh toán hay không. Điều này là do AI có khả năng phân tích không chỉ dữ liệu có cấu trúc mà còn cả dữ liệu phi cấu trúc như các biểu mẫu và chứng chỉ viết tay.
Các ngân hàng đang đặt cược lớn với trợ lý ảo hướng tới khách hàng của họ, được gọi là chatbot. Trong khi các phiên bản đầu tiên của chatbots sẽ chỉ có thể trả lời các câu hỏi cơ bản về giới hạn chi tiêu và các giao dịch gần đây, các phiên bản trong tương lai dự kiến sẽ trở thành trợ lý ảo đầy đủ dịch vụ có thể thực hiện thanh toán và theo dõi ngân sách cho người tiêu dùng. Tương tác với khách hàng có thể tiết kiệm đáng kể chi phí, nhưng tương tác của con người chắc chắn cũng phức tạp hơn so với việc xử lý các con số đơn giản. Các nhà phê bình chỉ ra rằng chatbots thiếu sự đồng cảm và thấu hiểu, điều mà con người có thể cần khi giải quyết các tình huống và quyết định tài chính khó khăn. Đối với công nghệ này, công nghệ xử lý ngôn ngữ tự nhiên bằng AI sẽ rất cần thiết để xử lý và đáp ứng các mối quan tâm và mong muốn của khách hàng được cá nhân hóa.
Vào tháng 10 năm 2016, cả Bank of America và MasterCard đều lần lượt ra mắt chatbot của họ, Erica và Kai. Những điều này sẽ cho phép khách hàng đặt câu hỏi về tài khoản của họ, bắt đầu giao dịch và nhận lời khuyên qua Facebook Messenger của Amazon’s Echo tower.
Capital One cũng đã tung ra chatbot của riêng họ, có tên là “Eno”, là một phép đảo ngữ của “One”. Eno cho phép khách hàng trò chuyện với ngân hàng bằng ngôn ngữ dựa trên văn bản để thanh toán hóa đơn và lấy Thông tin tài khoản. Barclays cũng đang tham gia vào hành động. Khi mô tả về chatbot mới của Bank of America, Michelle Moore, người đứng đầu bộ phận ngân hàng kỹ thuật số của Bank of America đã tuyên bố:“Ngân hàng sẽ ra sao trong hai, ba hoặc bốn năm nữa? Nó sẽ là thế này. ”
Toàn bộ tác động của trí tuệ nhân tạo trong các dịch vụ tài chính sẽ được nhìn thấy. Một số nhà tương lai học đã lập luận rằng thế giới đang nhanh chóng tiến đến một điểm tới hạn, được đặt ra là "điểm kỳ dị", nơi trí thông minh máy móc sẽ vượt qua trí thông minh của con người. Các nhà công nghệ và khoa học nổi tiếng, bao gồm Bill Gates và Stephen Hawking, đã cảnh báo về điểm này. Elon Musk cũng đã thúc giục nổi tiếng, “AI là một rủi ro tồn tại cơ bản đối với nền văn minh nhân loại và tôi không nghĩ rằng mọi người hoàn toàn đánh giá cao điều đó.”
Khi AI tiếp tục phát triển cuộc sống cá nhân và nghề nghiệp của chúng ta, nhiều vấn đề sẽ tiếp tục xuất hiện. Chúng bao gồm khả năng mắc sai lầm, tâm lý chung là không tin tưởng vào máy móc và lo ngại về việc thay thế công việc. Sẽ là một sai lầm nếu bỏ qua những nỗi sợ hãi này. Tuy nhiên, xã hội vẫn đang trên con đường tăng tốc để hướng tới một thế giới do AI điều khiển. Trong thế giới mới này, việc tập trung vào cách máy móc và con người có thể cùng tồn tại tốt nhất có thể hiệu quả nhất. Điều quan trọng là các nhà hoạch định chính sách phải thận trọng, cho phép các công nghệ mới phát triển trong khi giám sát và giảm thiểu các hậu quả tiêu cực của chúng. Các nhà phát triển và nhà thiết kế cũng nên nâng cao khả năng con người hiểu các hệ thống AI để xây dựng lòng tin và tăng sự hài lòng với các ứng dụng AI. Mọi người sẽ có một vai trò để chơi.
Như Haruhiko Kuroda, Thống đốc Ngân hàng Nhật Bản đã đánh giá cao trong một hội nghị về AI và Dịch vụ tài chính năm 2017, “Điều cần thiết là chúng ta phải xem xét một cách xây dựng những cách thức mong muốn mà con người và AI bổ sung cho nhau thay vì đối đầu với nhau. Ví dụ, khả năng phán đoán của con người không hoàn toàn thoát khỏi các mô hình hiện có, và do đó, đôi khi lơ là trước những thay đổi. Về vấn đề này, AI có thể điều chỉnh sự thiên vị của chúng ta bằng cách phân tích trung lập và tìm ra các mối tương quan mới giữa vô số dữ liệu [sic]. Trong khi đó, con người có thể bù đắp cho điểm yếu của AI bằng trực giác, trí tuệ thông thường và trí tưởng tượng của họ. ”