最大化增长:在支付领域释放 AI 的力量

Jack Yallop

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,并且还在不断深化。 这些举措(以及其他举措)的成功以及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。

金融技术分析机构 Celent 受 MongoDB 和 Icon Solutions 的委托编写了一份报告,该报告深入探讨了当前 AI 在银行业的应用情况,以及在支付领域采用 AI 提高运营敏捷性、实现自动化工作流程以及提高开发人员工作效率的一些关键应用场景。






下载 Celent 报告:《利用 AI 在支付领域的优势》
,了解如何充分利用 AI 投资,并解锁 AI 为未来支付带来的无限可能。

解锁一系列工作流程和产品增强功能

如今,AI 技术用于解决各种不同的工作流程和面向客户的服务,从中后台的流程自动化和优化,到实时风险和流动性管理、现金流预测和前台服务个性化等领域。虚拟助手和机器人也已成为客户支持流程的重要组成部分。

在本博客中,我们将介绍 Celent 《利用 AI 在支付领域的优势》报告中的一些重要发现,以及这些发现对银行和支付行业意味着什么。

高级分析、智能自动化和 AI 技术引领 2024 年投资议程

随着时间的推移,银行稳步增加了对项目的投资,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不断提高的期望,同时也反映出人们对账户和交易数据真正价值的理解在不断加深。 然而,最重要的是,实现了交付由 AI 和高级分析支持的用例所需的技术。

数据分析和人工智能技术支持的项目在全球议程中占据重要地位,这一点不足为奇。 对于 33% 的企业银行来说,高级分析和机器学习投资是技术方面的首要任务,高于机器人技术和自动化相关项目(31% 的市场重点)。 人工智能和自然语言处理 (NLP) 也不甘落后,28% 的银行将其列为优先事项。

许多人也在探索生成式人工智能

鉴于生成式 AI 的巨大潜力,人们对生成式 AI 感到兴奋合乎情理,但在 2023 年下半年,对话变得更加微妙。 考虑到将大型语言模型 (LLM) 应用于潜在敏感客户数据的复杂性,以及对 LLM 输出可解释性(和潜在的可审计性)更广泛的监管担忧,这些都合情合理。 也就是说,生成式 AI 已经在许多领域用于支持顾问和关系经理的工作,预计此类领域将进一步创新。根据该报告,58% 的银行正在以某种容量评估或测试生成式 AI,另有 23% 的银行在其路线图中拥有使用该技术的项目。

AI 在支付领域的新兴使用案例和潜在的收入增长

在支付产品创新方面,开发者能力不足是银行面临的最大挑战之一。银行认为,在过去两年中,由于资源限制而无法提供的产品增强本来可以促进支付收入增长 5.3%。考虑到这一点以及与 AI 集成带来的革命性变革,金融机构必须考虑如何释放开发者资源,以充分利用这些机会。

随着支付行业的不断发展,AI 集成将重塑行业格局,提供创新解决方案,优先考虑安全性、效率和个性化用户体验。AI 在支付领域的新兴使用案例证明了其在塑造未来金融交易方面的变革潜力。

利用现代技术,最大限度地采用 AI

在快速发展的 AI 领域,技术不断进步,客户需求日益多元,战略性投资势在必行。为了保持竞争力,银行和支付提供商不仅应关注当前的产品增强,还应推进支付基础设施现代化,满足未来的发展需求。在采用 AI 和 ML 等需要数据作为基础的先进技术时,组织经常会遇到将这些创新技术集成到传统系统中的难题,因为传统系统缺乏灵活性,而且难以修改。例如,增加新的支付渠道和新的客户接入点可能非常困难。利用现代数据平台建立强大的数据架构,使银行能够实时整合和分析任何格式的数据,提供更丰富的支付体验,从而为消费者提供增值服务和功能。以下建议将有助于确保金融服务组织能够大规模释放生成式 AI 的变革潜力,同时确保隐私和安全问题得到充分解决:

  • 用最准确和最新的数据训练 AI/ML 模型,从而在面对不断发展的技术时,可以满足适应性和敏捷性的迫切需求。通过统一从后端支付处理到客户交互的数据,银行可以实时洞察客户需求,构建无缝、互联和个性化的客户之旅。

  • 数据模式面向未来、灵活多变,能够适应任何数据结构、格式或来源。这种灵活性有助于金融机构实现与各种 AI/ML 平台的无缝集成,使其能够灵活应对 AI 环境的变化,而无需大规模修改基础架构。

  • 通过对所有数据进行内置安全控制,解决安全问题MongoDB 提供了身份验证(单点登录和多因素身份验证)、基于角色的访问控制以及全面的数据加密等功能,无论是在客户环境中管理还是通过完全托管的云服务 MongoDB Atlas 进行管理,这些功能都能确保强大的安全性。这些安全措施不仅可以有效保护敏感的财务数据,降低外部各方未经授权访问的风险,而且还能使组织放心地采用 AI 和机器学习技术。

  • 通过将第三方服务与 API 集成,启动和扩展始终在线和安全的应用程序。MongoDB 拥有灵活的数据模型,能够处理包括结构化和非结构化数据在内的各类数据,非常适合协调开放式 API 生态系统,使银行、第三方和消费者之间的数据流成为可能。

MongoDB Atlas 开发者数据平台直接向开发者提供强大的 AI 和分析功能,并通过即时整合、接收和处理任何支付数据类型,提供丰富的支付体验。MongoDB Atlas 旨在帮助金融服务机构解决数据挑战。它具有灵活的文档数据模型和无缝的第三方集成功能,这些功能是创建组合支付系统的必要功能,可轻松扩展、始终在线、安全且符合 ACID 标准。

保持领先地位 — 立即下载 Celent 报告,解锁 AI 为未来支付带来的无限可能。如果您更喜欢涵盖 Celent、Icon Solutions 和 MongoDB 三方讨论的直观探索,请注册参加我们即将举行的题为“借助 Celent、Icon Solutions 和 MongoDB,使用 AI 解锁支付领域的新机会”的网络研讨会

如果您想了解有关使用 MongoDB 构建 AI 密集型支付应用程序的更多信息,请查看以下资源: