AI /自动化

人工智能降低了金融服务业监管的复杂性

到2020年，金融机构将盯着超过3亿页的法规，超出他们的员工能够处理的方式。目前，银行每年花费约2700亿美元 - 这是大银行业务支出总共的10％ - 监管遵守情况。即使是普通信贷工会也相当于每四名雇员在满足监管义务时花费相当于一个员工的时间。

数据质量：合规团队会收到大量的内部和外部数据，这些数据来自客户记录、财务交易、电话、电子邮件和活动日志。但讽刺的是，这些信息并不总能达到目的。在一次关于监管交易报告的网络研讨会上接受的调查显示，33%的参与公司表示，他们最大的合规挑战是如何获取正确的数据，24%的公司表示是数据本身的质量。在这种情况下，生态系统很容易受到欺诈和政策违反的影响。

监管超载:仅2015年就增加了2万项新的银行监管要求。在一个日益收紧的监管环境中，银行必须在其所在的所有地区应对繁重而繁杂的立法。这不仅需要付出巨大的努力，而且有时还会造成司法管辖区之间的冲突。

产品数据仓库:在审查交易本身之外的其他数据或在交叉产品视图外，才能轻微欺诈的一些情况。例如，在与客户的帐户信息结合时，可能不会出现上面的董事会的信用卡交易。不幸的是，合规经理很少有机会访问横向产品视图 - 也就是说，全面了解风险和潜在违规行为 - 因为银行中的产品数据通常驻留在筒仓中。

管理这种复杂性采取精细平衡行为。将报告阈值设置得太低（即，扩大法规屏蔽下的文件范围），并最终以误报的指数增加;抬起阈值高，危险危险。通过经验，大多数银行似乎已经在占据其劳动力的15％的工作量上。

如果这似乎过度，想象在三年内的情况，当时3亿页的调节预测就实现了。随着缰绳从人类滑落，银行唯一的选择是利用自动化技术，从机器学习，自然语言处理到深入学习，管理蓬勃发展的规模和复杂性。

当然，银行合规是技术的陌生人。随着能力的提高和成本的降低，生物识别技术在防欺诈中是有用的。我希望指纹和视网膜扫描很快被广泛应用于验证卡交易。尽管生物识别技术在很大程度上独立于今天的人工智能，但我们可以期望看到在后台工作的视觉识别系统，以识别不久的将来的用户。

大多数金融机构也使用了一些自动化，现在几年来执行报告和合规相关的任务。为了引用一个例子，银行正在利用Readymade平台和工具集来自动化整个生命周期，从数据收集到报告提交。

现在轮到Regtech将一些在金融服务中引入遵守境界的违反技术;技术等技术大数据分析这些技术包括风险建模、追踪资本合规、打击洗钱和其他不当行为。其中，我认为机器学习是技术采用从简单自动化到人工智能进化过程中的一个重要标志。机器学习——计算机或智能设备无需编程就能从数据中学习的能力——正在进入银行，从产品和资产类别的大数据中识别异常活动模式，并开发和测试算法，以主动管理风险和欺诈。

机器学习在这方面的能力要比人类强得多，因为它不仅能处理大量数据和大量变量进行分析，还能发现我们看不出来的相关性。例如，发现大额亏损的风险经理可能会调查一些指标，如交易的地点或时间，以及我们所知道的其他类似参数。另一方面，机器不受人类理解的限制，它将进一步分析，甚至在数百个明显不相关的变量，以获得洞察力。

凭借其速度和规模的强大力量，机器学习在日常生活中有很多用途，比如查阅文档。去年，摩根大通(JPMorgan Chase)聘用了机器学习来审查商业贷款协议。过去，商业贷款协议每年占用员工36万个小时。银行不仅节省了大量的人力和时间，而且报告的错误率也降低了。摩根大通(JPMorgan Chase)目前正计划在更复杂的领域部署机器学习，比如信用违约互换(cds)和托管协议。

与其他AI技术，特别是自然语言处理和机器人一起的下一个机器学习前沿是理解规定，决定某种行动是否违反，并回答查询。今天，基于一个人的个人经验和监管背景，世界各地的两位银行家可以以不同的方式解释相同的文本。利用自然语言处理制造重大进步，有可能使用AI读取和编纂法规信息，以单一的真理来源。在这样的场景中，两个基于世界不同地区的银行家只需要通过聊天栏查询AI系统，并且它们都会接收对文本的相同解释。

尽管这可能需要3到5年时间才能成为主流，但印孚瑟斯已经在与客户合作，将其全球标准和合规手册数字化以知识为基础的人工智能平台。用户可以在平台上用英语查询某笔交易，聊天机器人会告诉他们是否允许这样做。

那么，人工智能在不久的将来会对银行和金融机构产生什么影响呢?

如前所述，大约15％的银行劳动力从事风险和合规活动。在顶级是政策制定者，与监管机构和行业机构联络，并与银行最高领导密切合作。这些基本上“人类的角色将由机器不可替代。中间是负责评估风险和管理例外的人，等等。他们中的大多数都将继续在他们的工作中，但可能需要提升一些技能。合规员工的底层执行庞大和重复的日常任务，这将是自动化的。平均合规劳动力将在未来三到五年内缩小一半。

可以理解，这将引发人们对就业安全的担忧。我的观点是，虽然自动化会导致工作岗位流失，但一些员工可以通过培训和升级来填补空缺的中层职位，而不是组织重新招聘。其他人可以被部署到新的角色，在那里他们可以使用他们的知识来解决合规问题，培训新员工，或参与Regtech创新。

研究证实了这一方法。Infosys最近调查了IT和商业部门的1600名高管对人工智能的看法，84%的受访者表示，他们计划培训员工，让他们了解人工智能的好处和使用，80%的人计划对受影响的员工进行再培训或重新部署。人工智能是企业进行更有目的性追求的机会，从放大人力资源的能力和成就开始。

在法规遵从性中采用了一个逆向者。银行必须小心不要允许机器学习和其他AI系统开发偏见，这可能会对决策的质量产生负面影响。一旦机器开始做出决定，他们还应该确保合规团队不会失去对事物的抓地力。最后但并非最不重要的是，他们必须说服监管机构，他们的智能机器至少在合规性筛查中尽可能多地进行尽职调查，如果不是更多的，就像他们面前的人类一样。