金融机构已经利用机器学习（ML）算法和预测分析来降低运营成本并提高效率。人工智能的进步也在帮助机构加强欺诈检测，提高交易处理效率，并通过个性化服务改善客户体验。尽管人工智能具有诸多优势，但也存在一些风险，如果不加以处理，可能会导致人工智能的弊大于利，因为它会使数据面临风险，产生合规问题，甚至使客户体验变得更糟而不是更好。这就是为什么金融行业必须努力了解人工智能不断发展的好处和风险，同时制定一项全面的战略来释放其全部潜力。
例如，最近对高级金融专业人员的一项全球调查表明，人工智能和机器学习用例在几个领域增长迅速，包括欺诈检测、客户服务、聊天机器人、虚拟助理以及风险管理和合规。
用AI重新定义金融交易的未来
有许多用例显示了人工智能如何提高支付处理的速度和便利性。例如，Apple Pay现在提供生物识别身份验证，它使用人工智能面部识别和指纹扫描来验证用户。这使移动支付客户能够使用快速安全的身份验证，而无需记住密码或PIN。同样，Apple Pay的竞争对手PayPal使用人工智能进行实时欺诈检测，采用机器学习算法监控交易中的欺诈迹象，并确保客户的财务信息保持安全。此外，人工智能创新正在以以下方式改变支付处理：
个性化和客户体验：人工智能驱动的分析通过分析客户行为和偏好提供个性化的支付体验。
运营效率：人工智能通过提供高效的客户服务（通过聊天机器人）、自动警报和监控来自动化运营开销。
风险管理：人工智能模型可以通过分析大量数据（包括非传统数据源）来准确评估信用风险和金融稳定性。
监管合规性：人工智能通过交易监控和更快的报告生成，帮助确保合规要求符合不断变化的监管要求。
人工智能在金融应用行业中的作用的另一个例子是沃尔玛，该公司使用人工智能创建了一个全渠道购物系统，该系统集成了在线、移动和店内渠道的支付处理。这种统一的购物体验允许客户使用一致的支付方式，无论他们如何购买。与此同时，谷歌的Assistant利用人工智能让用户通过语音命令进行支付。虽然采用人工智能的回报很高，但公司必须意识到这些回报伴随着风险。
人工智能的风险回报率
一个问题是，人工智能系统依赖于大量数据，包括敏感数据，这可能会导致数据泄露、身份盗用和合规问题。此外，在有偏见的数据上训练的人工智能算法会使这些偏见永久化。更糟糕的是，许多人工智能系统缺乏透明度，因此这种偏见可能会加剧，导致获得金融服务的不平等。另一个问题是对外部供应商的潜在依赖，这在许多人工智能技术中很常见。允许外部供应商访问专用网络可能会导致合规问题和安全攻击。
2023年5月和6月的MOVEit Transfer数据泄露事件说明了当外部供应商获得系统访问权限时会发生什么。在那次攻击中，Progress software开发的广泛使用的文件传输软件MOVEit Transfer遭受了零日漏洞攻击。此次数据泄露影响了数百家组织，并可能影响数百万人，暴露了大量敏感的个人和财务信息，包括社会安全号码等。
虽然这次攻击不是直接针对人工智能系统，但它仍然强调了组织在依赖外部供应商时面临的风险，包括那些提供人工智能工具和系统的供应商。
降低人工智能在金融中的风险
为了降低当前与人工智能相关的风险，并安全地释放其改善金融的全部潜力，组织必须采取多层次的方法，包括技术保障、组织政策和监管合规。例如，为了增强数据隐私，组织可以在数据静止和传输时为数据实施强加密协议。另一个积极的步骤是实施严格的访问控制，如基于角色的访问控制（RBAC）和多因素身份验证（MFA），以限制敏感数据访问。公司还可以通过执行以下任务来降低人工智能风险：
定期审计。定期进行安全审计和漏洞评估，以识别和修复潜在的安全漏洞。
多样化训练。在训练人工智能模型时使用多样化和有代表性的数据集，以尽量减少偏见的风险。
人为监督。确保人类参与审查人工智能决策，特别是当结果具有重大影响时（例如，当拒绝交易时）。
定期更新。持续监控和更新人工智能模型，以适应新的模式和威胁，并满足监管要求。
模拟攻击。定期对人工智能模型进行对抗性攻击测试，以识别和解决欺诈者可能利用的潜在弱点。
欺诈检测。实施基于人工智能的欺诈检测工具，该工具使用多种方法，如异常检测和行为分析，实时识别潜在威胁。
尽职调查。在选择外部供应商时进行彻底的尽职调查，包括评估他们的安全实践、合规性和跟踪记录。
保持知情。随时了解与人工智能和支付处理相关的不断发展的法规和标准。
伦理准则。制定和执行道德准则和实践，同时构建人工智能解决方案，以确保公平、透明和责任。
风险缓解是释放人工智能全部潜力的关键
随着人工智能的普及和能力的提高，组织必须认识到与新技术相关的风险，并采取措施降低这些风险，同时仍然建立一个促进创新的环境。优先考虑人工智能集成并建立保护框架的组织将为长期成功做好最佳准备。公司在没有计划的情况下不宜率先进行变革。相反，公司可以进行尽职调查，培养一个安全和负责任的人工智能环境，使他们能够将风险降至最低，并最大限度地提高他们从采用人工智能中获得的利益——比如简化交易处理、降低支付处理成本、量身定制的客户购买体验，以及减少欺诈和合规问题。
