摩根大通押注人工智能:背后的动机和期待是什么?

美国最大的银行摩根大通 (JPMorgan Chase)去年八月份聘请柯提查(Apoorv Saxena)担任其位于加州人工智能和机器学习服务部门领头人,行业观察者认为此举意味着摩根大通押注人工智能塑造银行的未来战略。 

柯提查之前曾担任谷歌云服务人工智能解决方案产品管理负责人。在摩根大通,他同时还监管资产管理人工智能科技。 

柯提查认为,AI将帮助金融公司拓展其在全世界的银行业务渗透率,推出新产品以及加强客户互动 

AI已经帮助了一些科技公司和银行机构打入金融服务圈,比如通过手机银行和数字货币等产品。但是,他指出只有那些能够赢得客户信任,满足监管合规要求和提升客户体验的公司才能跻身顶级行列,与此同时,监管规定也必须快速适应AI的影响,帮助行业创造增长空间。美国可以从其他国家比如中国目前正在推动AI创新,学到一些有益经验 

柯提查表示,摩根大通正在大笔投资AI研究目前工作重心是建立一支“精英队伍”,引领摩根大通的AI计划。在圣何塞“人工智能前沿大会”(AI Frontiers conference)上,“沃顿知识在线”专访了柯提查。 

以下为编辑后的访谈记录。 

沃顿知识在线:AI是如何重塑金融服务行业的? 

艾普瓦·柯提查:AI对每个行业都有影响。AI之所以能产生这么广泛深刻的影响,是因为它是跟数据一起使用的,而现在各行业都越来越以数据为导向。每个公司都希望收集和使用更多的数据。他们希望更好地了解自己的客户,如何与客户互动,以及如何提升服务体验。企业的每项活动现在都变成以数据为中心了。

AI让谷歌、脸谱和亚马逊这些公司能为全球数亿用户服务,实现了超大规模发展。你可以实时获得个性化的新闻资讯。现在,把AI应用到金融领域的未来前景是一家银行可以服务数十亿客户,并提供个性化服务。 

沃顿知识在线:在实现这一愿景的过程中有哪些机遇和挑战? 

柯提查:机遇是AI将会帮助银行提供更加个性化、高度可扩展的定制服务。遇到的挑战包括解释AI的能力,我们把它称为“AI解释力”(AI explainability)。当使用AI的时候,监管环境要求银行解释或论证他们的决定。摩根大通想要成为把“解释力”应用到金融市场的领导者。另一个挑战是确保保密性,因为金融行数据大多是个人信息或者高度机密信息。 

沃顿知识在线:现在很多金融、科技和电信公司都广泛参与移动支付活动,为大量客户提供金融服务,你觉得哪些公司最有实力赢得AI竞争,为什么?

柯提查:金融业的核心是信任,尤其是银行。用户信任是关键。客户把最宝贵的资产和信息托付给你。他们希望你用一种合乎监管的方式管理这些资产。

第二个因素是客户服务。客户希望你提供尽可能最好的服务,遵守诚信原则。如果你把金融业剖解到核心的话,它就是一项围绕着信任和监管建立起来的服务。

任何公司只要能够复制出那种信任、监管合规和客户服务模式,都能成为这一领域的玩家。有一些银行业务,比如支付,它需要高度技术性的操作,但却不需要深刻的行业知识。

但是很多其他金融服务需要对专业知识有极其详细和深刻的理解。比如,你如何管理并购?如何创造复杂的证券?这些不是普通的知识,而是高度专业性的。鉴于银行的专业能力、现有的客户关系,以及对复杂环境的透彻理解,银行拥有继续提供那些服务的空间。 

沃顿知识在线:不同的金融服务业是如何部署AI的? 

柯提查:AI部署的成熟度各不相同。以投资银行和交易为例,它们用AI从各个数据点获取信息,然后做出可执行的决定。在很多方面,你都会看到AI使用替代数据集(alternative data sets)来抽取信息。(替代数据指的是来自非传统源头的非结构化数据。)

在某些监管历来非常严格的领域,你会看到AI应用比较少。这不是因为监管部门禁止使用AI,而是因为技术基础设施所必需的监管环境还没有成熟到能够让你大规模应用AI。

有一个领域我们看到了应用AI的重要机遇,那就是保险业。给一个产品投保的能力最终取决于风险定价能力。风险定价传统上一直是通过使用有限的数据集来完成的。今后要使用新的数据集,想出独特的风险定价方法。

另一个你将会看到重要的AI应用领域是客户服务。比如,你能不能只用一张汽车损坏的照片就可以提交自动理赔申请,而不是打很多电话,还要有人专门跑过来,给你的损失定价? 

沃顿知识在线:“沃顿知识在线”最近采访了李开复(“创新工场”首席执行官,一家致力于打造中国高科技公司的风险投资企业)。在他的新书《AI·未来》(AI Super-Powers)中,李开复写到,在金融服务等行业,中国正在做一些有趣和创新的事情,特别是在腾讯和蚂蚁金服。他认为中国在AI实施方面领先于美国,你同意他的看法吗?其次,美国金融机构可以从中国的方式中学到什么? 

柯提查:我不想评论中国在AI方面是否领先,我想说的是,不论在哪个行业,包括金融业,要想成功地应用AI,你需要有一个有利的环境、监管框架、用户行为,以及量身定制的产品。

中国以及世界其他国家正在逐渐向无现金社会发展。消费者能通过手机完成多数金融交易。但手机钱包在美国仍是一个新事物。因为用户行为的这种差异,中国人一开始使用的就是一套完全不同的金融产品。

美国监管环境跟中国差异很大。美国金融业提供的服务更加复杂和多样化,面向不同的参与者量身定制。美国人期望获得和中国人一样的无障碍体验,但他们也期望更高的数据安全和隐私标准。美国金融公司,包括摩根大通,都在积极地投资AI创新。在未来几年内,我们将看到很多有趣的产品诞生。 

沃顿知识在线:中国有没有哪些经验是美国可以学习的?

柯提查:有。中国有绝对优势的是规模。这是其一,我们可以从中国学习如何建立规模服务。其二,中国积极地重新定义金融监管。我们也可以学到一些经验。 

沃顿知识在线:你提到了AI在保险业,在风险定价中的积极作用。但是由于AI能更快更准确地行使这些功能,那些当前参与承保风险的员工的工作就有可能不保。您如何看待这个问题? 

柯提查:并不只是金融服务行业是这样的。AI将会大幅度取代服务行业,很多工作都会自动化。将会出现工作迁移,人类将提供附加值更高的服务。当初ATM(自动柜员机)出现时,人们也担心ATM会抢了银行柜员的饭碗。今天,全世界的柜员数量比我们当初引入ATM时的数量还要多。现在的银行柜员为客户提供的是高度细化的增值服务。

AI也会经历同样的事情。回到我们之前提到的保险行业,以前是别人来你这里,评定赔偿要求,评估汽车损失,现在他们会来跟你谈如何提升你的整体体验,他们能够给你提供什么帮助。金融服务将会逐渐转为提供附加值更高的服务,而不是做常规工作。 

沃顿知识在线:AI对金融服务行业的未来发展将会产生什么影响? 

柯提查:首先,AI将会帮助银行设计新的金融产品。目前,产品设计这个过程仍然高度依赖人工。它需要大量的时间和资源,这些过程是很难监控的。

其次,AI将会帮助为那些历来被忽视的客户提供服务。全球有将近20亿人没有获得足够的金融服务(根据世界银行的报告,其中17亿为成年人)。这不是因为他们不想要或不需要,而是因为传统模式不适用,包括个性化产品或服务获取限制等障碍。改变客户服务经济是另一个AI可以有所作为的领域。把这个问题解决了的银行就可以大大拓宽业务范围。

第三,AI将会帮助金融机构与用户进行更深刻的互动。大多数人每个月只会用一两次银行应用,甚至更少。你能否跟银行就你的财务担忧和风险进行一次有意义的对话,同时不用去银行或者联系客户经理?这种深入的互动有着强大的作用。

沃顿知识在线:为什么摩根大通在AI上押了这么大的赌注? 

柯提查:这是由我们的领导地位决定的,我们想要塑造未来的金融服务,也是由当前市场的经济现实决定的。我们坚信AI将是金融服务行业的一股变革力量,但它不是自然发展的。它必须建立在我们构建的能力之上。这不是一个短期游戏,而是一个长期的,将会持续多年的游戏。

摩根大通正在投资建设人才队伍和基础设施,从而使我们能够大规模应用AI。我加入摩根大通,以及我正在硅谷组建的团队就是一个方面。我们聘请了卡内基梅隆大学的顶级AI研究员曼努埃拉·维罗索(Manuela Veloso)来领导我们的研究。

我们也正在大力持续投资我们的关键计划,确保我们成为AI领域的领导者。我们把这看作是一个改变时局的行动。做得正确的话,它可以成为我们与其他公司的一个长期分水岭。

如何引用沃顿知识在线文章

Close


用于个人/用於個人:

请使用以下引文

MLA

"摩根大通押注人工智能:背后的动机和期待是什么?." China Knowledge@Wharton. The Wharton School, University of Pennsylvania, [04 三月, 2019]. Web. [19 April, 2024] <https://www.knowledgeatwharton.com.cn/article/9989/>

APA

摩根大通押注人工智能:背后的动机和期待是什么?. China Knowledge@Wharton (2019, 三月 04). Retrieved from https://www.knowledgeatwharton.com.cn/article/9989/

Chicago

"摩根大通押注人工智能:背后的动机和期待是什么?" China Knowledge@Wharton, [三月 04, 2019].
Accessed [April 19, 2024]. [https://www.knowledgeatwharton.com.cn/article/9989/]


教育/商业用途 教育:

如果您需要重复利用我们的文章、播客或是视频,请填写内容授权申请表.

 

Join The Discussion

No Comments So Far