公开讨论：银行的 AI 策略

人工智能（AI）正在改变银行业，为创新、运营效率和客户服务改进提供了前所未有的机会。然而，机遇与挑战并存，例如数据安全、合规性和道德考量。 

Finextra 最近在网络研讨会上讨论了这些主题，网络研讨会的主题是银行业可扩展、安全与合规的AI策略。在本环节中，红帽副总裁兼金融服务全球主管 Richard Harmon 和产品经理 Will Caban 与 Dwolla 首席技术官 Skylar Nesheim 以及 Finextra 的 Sharon Kimathi 一起探讨了 AI 的最佳实践和工具银行业中的集成，突出了开源模型、生成式 AI（gen AI）、合成数据的使用和监管框架的重要性。

实验和探索

在网络培训课堂期间进行的一项民意调查（发表在网络培训课堂后报告中）显示，58% 的受访者支持大多数金融服务机构仍处于实验或探索阶段的观点。虽然趋势和用例可能因组织而异，但会议期间提出了关于银行如何试验 AI 的明确主题：

• 生成式 AI：通常被视为能够为客户带来影响，快速响应询问。Gen AI 也可以成为市场分析和新产品开发的强大工具
• 金融犯罪预防：AI 系统可以分析大量数据，以识别表明欺诈活动的模式和异常。强大的欺诈检测功能可以保护银行的资产，并增强客户的信任和信心
• 支付处理：人工智能可以更有效地简化和优化交易，从而实现更安全、更快速且更具成本效益的交易，让消费者和机构受益
• 代理 AI：自主执行任务的 AI 代理有望彻底改变银行业。AI 代理监控系统、识别问题并采取纠正措施，从而提高运维效率和客户体验

合成数据和监管难题

合成数据在 AI 中至关重要，尤其是在数据隐私至关重要的银行业。它由算法生成，可在不泄露敏感信息的情况下复制真实数据，从而实现新的数据共享和分析。这增强了安全性并促进了创新，正如金融犯罪检测所证明的那样，机构可以在不冒客户数据风险的情况下就模型进行协作。 

合成数据极大地增强了机构和国家/地区之间的宝贵数据共享，从而加强了他们的集体努力。这对于 AI 训练来说至关重要，特别是考虑到高昂的成本和有限的真实数据访问权限。借助合成数据，企业可以快速生成用于训练高级 AI 系统的大型数据集，从而提高可扩展性和经济性。此外，它还有助于减少实际数据中发现的偏差，从而形成更准确、更公平的 AI 模型。 

平衡监管与创新对于符合道德标准的 AI 部署至关重要。《欧盟人工智能（AI）法案》等新法规强调数据隐私、透明度和稳健性，从而降低风险并建立信任。有效的监管应在保护创新的同时确保安全，因此需要对所涉及的技术有透彻的了解。 

该行业必须开发支持创新的框架，同时加强防止滥用的保护措施。在另一项民意调查中，41% 的网络培训课堂与会者 将合规问题列为全面采用 AI 驱动型服务的原因。 

要考虑的最佳实践

虽然 AI 最佳实践发展迅速，但银行仍应考虑一些准则。卡班认为，要记住的最重要准则之一是“停止追逐下一件事”。 

“因为事情是这样的：下一件大事是什么并不重要。有人会效仿，因为现在这很容易做到。”Caban 说道。相反，专注于客户痛点和内部痛点，并以迭代的方式进行，为您的企业带来可持续的 AI 创新。”明智的建议。

其他永恒的最佳实践包括：

• 使 AI 与银行用例、数据管理和治理保持一致，以大规模构建合规且安全的企业级 AI
• 考虑使用开源 AI 模型、权重、算法和框架，以提供透明度、社区支持，并帮助遵守欧盟 AI 法案等法规
• 倡导平衡的 AI 采用方法，包括专注于解决具体问题、确保合规性以及培养同理心和协作文化

结论

银行业中的 AI 具有独特的优势和挑战。效率和客户体验的提高增加了对新用例的兴趣。银行必须将人工智能的采用与负责任的实践结合起来，以最大限度地提高增长和客户满意度。采用 AI 工具、使用合成数据并遵守法规是释放 AI 潜力的关键。解决监管环境中的道德问题和偏见可以提高效率和创新能力。通过关注客户需求并培养同理心，金融行业可以通过正确的策略和保障措施实现增长和创新。

红帽致力于为金融服务行业提供创新的 AI 驱动型解决方案。红帽 AI 有助于加快采用生产就绪型服务。访问我们的金融服务页面，了解更多信息。要详细了解红帽如何帮助您使用红帽企业 Linux AI 和合成数据生成器（SDG）生成自定义 LLM，请查看我们的互动演示。