数字银行平台Plumery AI的一项新技术旨在解决金融机构面临的一个困境：如何在不损害治理、安全或监管合规性的情况下，超越概念验证阶段，将人工智能嵌入日常银行业务运营中。
Plumery的“AI Fabric”被该公司定位为连接生成式AI工具和模型与核心银行数据及服务的标准化框架。据Plumery介绍，该产品旨在减少对定制化集成的依赖，并推动一种可随机构发展而扩展的事件驱动型、API优先架构。
它试图解决的挑战在业内已得到公认。过去十年，银行在人工智能实验上投入了巨资，但许多部署仍停留在有限阶段。麦肯锡的研究表明，虽然生成式人工智能有望显著提升金融服务的生产力和客户体验，但大多数银行由于数据资产分散和既有的运营模式，难以将试点项目转化为实际生产应用。该咨询机构认为，企业级人工智能的采用需要共享的基础设施和治理机制，以及可复用的数据产品。
在伴随产品发布的评论中，Plumery的创始人兼首席执行官本·戈尔丁表示，金融机构清楚他们对人工智能的期望。
“他们想要能够真正改善客户体验和运营的生产案例，但在治理、安全和控制方面绝不会妥协，”他说道。“基于事件驱动的数据网格架构改变了银行数据的生产、共享和消费方式，而不是在碎片化的系统之上再叠加一层AI。”
碎片化数据仍然是一个障碍
数据碎片化仍是银行业运营人工智能面临的主要障碍之一。许多机构依赖于老旧的核心系统，而这些系统又嵌套在较新的数字渠道中，导致产品和客户旅程形成信息孤岛。每一项人工智能举措都需要进行新的集成工作、安全审查和治理审批，这不仅增加了成本，也延缓了交付速度。
学术界和产业界的研究支持这一诊断。关于金融服务领域可解释 AI 的研究表明，碎片化的流程使得追溯决策更加困难，并增加了监管风险，特别是在信用评分和反洗钱等关键领域。监管机构已明确表示，无论模型在何处开发，银行都必须能够解释并审计 AI 驱动的结果。
Plumery 表示，其 AI Fabric 通过将面向领域的银行数据呈现为可治理的数据流，解决了此类问题，这些数据流可在多种用例中重复使用。该公司认为，将记录系统与参与和智能系统分离，使银行能够更安全地进行创新。
AI 已投入生产的证据
尽管存在挑战，但 AI 已经嵌入金融领域的许多部分。行业分析师汇编的案例研究表明，机器学习和自然语言处理在客户服务、风险管理以及合规方面得到了广泛使用。
例如，花旗银行已部署人工智能驱动的聊天机器人来处理常规客户咨询，从而减轻呼叫中心的压力并缩短响应时间。其他大型银行则利用预测分析来监控贷款组合并预测违约情况。桑坦德银行曾公开表示，其使用机器学习模型来评估信贷风险并加强组合管理。
欺诈检测是另一个成熟的领域。银行日益依赖人工智能系统分析交易模式，其识别异常行为的效果远胜于基于规则的系统。科技咨询公司的研究指出，此类模型依赖高质量的数据流，而集成复杂性仍是小型机构面临的主要限制因素。
更先进的应用正在边缘领域涌现。关于大型语言模型的学术研究表明，在严格的治理框架下，对话式人工智能可以支持零售银行的某些交易和咨询功能。然而，这些应用仍处于试验阶段，且因其监管影响而受到密切审查。
平台提供商与生态系统方法
Plumery 运营于数字银行平台的激烈竞争市场中，这些平台将自身定位为编排层，而非核心系统的替代品。该公司已建立合作伙伴关系，旨在融入更广泛的金融科技生态系统。其与 Ozone API（一家开放银行基础设施提供商）的集成，被宣传为银行无需定制开发即可更快速地提供符合标准服务的一种方式。
其方法反映了整个行业向可组合架构发展的趋势。Backbase 等厂商推广以 API 为中心的平台，使银行能够将人工智能、分析工具和第三方服务集成到现有核心系统中。分析师普遍认为，此类架构比大规模系统替换更适合渐进式创新。
准备程度仍参差不齐
证据表明，该行业的准备程度存在差异。A报告由波士顿咨询集团发布，发现不到四分之一的银行认为自己已准备好大规模采用人工智能。该报告认为，差距在于治理、数据基础和运营纪律。
监管机构已通过提供受控的实验环境作出回应。在英国，监管沙盒计划允许银行测试包括人工智能在内的新技术。这些项目旨在支持创新，并加强问责制和风险管理。
对于Plumery等供应商而言，机遇在于提供能够弥合技术雄心与监管现实之间差距的基础设施。AI Fabric进入了一个对运营人工智能有明显需求的市场，但成功与否取决于能否证明新工具的安全性和透明度。
Plumery 的方法是否会成为被采纳的标准尚不确定。随着银行从实验阶段转向生产阶段，关注点正转向支持人工智能的架构。在此背景下，能够证明具备技术灵活性并符合治理要求的平台，更有可能在数字银行的下一阶段发挥重要作用。
本站部分文章来自互联网，文章版权归原作者所有。如有疑问请联系QQ：3164780！
