至顶网CIO与应用频道 07月04日 北京消息(文/王聪彬):市场竞争、监管变化、客户体验一直在对金融行业发起挑战,所以无论监管、竞争、客户都会影响金融行业在成本和服务上的创新,金融行业越来越多的开始利用人工智能去满足现有发展提出的要求。
台湾玉山银行的数字化转型就是一个很好的例子。台湾有一句顺口溜“一二三到台湾,台湾有个阿里山”。但你可能不知道玉山比阿里山还要高,是台湾的最高山,取名玉山银行也是希望其可以成为台湾最好的银行。
“从1992年玉山银行成立之初,服务就是玉山的DNA,我们希望为每一位顾客提供最优质的服务。”台湾玉山银行数位营销部协理刘美玲说,玉山银行最大的股东并不是某一个财团,而是玉山银行的员工,将近95%的员工都持有玉山银行的股票,占整体股票的1/4。所以玉山银行就是每一位员工的事业,而且每一个员工都具备管家精神,这在数字化转型中是非常有帮助的。
但现实的环境也在改变,台湾人口正长期呈现出负增长,预计到2025年每五个人中就有一位老人,随着人口结构的变化对于玉山银行的业务是一个很大的冲击。而且台湾是全世界银行密度最高的地区,平均每3.14平方米就有一个网点,总共有3500多个网点。
玉山银行在面对利差1.4的环境下,2007年成立数据团队帮助改造产品和服务流程。刘美玲举出利用大数据改善行销信用贷款的例子,玉山银行最早的方式是通过风险计量模型和人为审批进行评估,但是这是一个非常长的过程,现在通过数据团队收集所有产品线信息,可以很快的计算出每一个数据的风险和价值。
普惠金融、场景金融、智慧金融是玉山银行定位的三个新金融方向,普惠金融是让每个人都能够有银行的服务;场景金融是让金融可以渗透到客户所在的各个场景提供服务;智慧金融就离不开人工智能,让服务更加智慧和个性化。
玉山银行正在人工智能上进行尝试,通过访谈12个部门,打通8个系统,4月24日上线了ChatBot“玉山小i随身金融顾问”提供全新的即时性AI金融顾问服务。
让“玉山小i随身金融顾问”成为玉山银行的员工这中间是藉由IBM Watson Coversations自然语意分析技术,以LINE Chatbot的形式,在台湾1800万广大的用户群,提供给台湾民众最即时的个人化金融服务。
目前除了在LINE上使用“玉山小i随身金融顾问”之外,还可以通过玉山粉丝团@esunbank,以Facebook Messenger App进行对话体验。
“玉山小i随身金融顾问”已经能够依据标准作业流程完成多种服务,第一阶段将提供包括外汇咨询、房贷评估、信用卡推荐等金融谘询服务。第二阶段将提供客服单位进行AI与人工对话的切换,通过LINE的语音服务连结用户与客服,获得更快速的专人服务。
通过中文对话的内容进行语音分析和辨识,“玉山小i随身金融顾问”可以清楚知道顾客的需求,提供精准的服务。当然玉山银行也希望通过人工智能打造一个有温度的服务,而不是冷冰冰的回复。刘美玲说,通过学习玉山行员的对话方式,让“玉山小i随身金融顾问”训练出对应的对话内容,等它训练的更聪明后将服务更多的领域。
而未来在面对整体数字化转型的过程中,最关键因素在于整合和执行。玉山银行恰好具备这两大因素,通过数据部门、产品部门、营销部门、咨询部门的协作,最终形成一个整体端到端改善顾客流程创造新价值的方式。
好文章,需要你的鼓励
阿里纳德数据中心与Calibrant Energy合作开发首创电池储能系统,通过绕过传统电网升级时间线,使俄勒冈州希尔斯伯勒在建数据中心园区提前数年上线。该31兆瓦、62兆瓦时储能系统计划2026年投运,将作为响应电网的动态资产,在需求高峰期放电,增强区域电网可靠性。这标志着美国首次使用专用电池系统加速大型数据中心并网。
威斯康星大学研究团队开发了LUMINA系统,专门检测AI在回答问题时的"撒谎"行为。该系统发现AI有时会忽视提供的参考资料,固执地依赖内部知识生成不准确回答。LUMINA通过监测AI对外部文档和内部知识的依赖程度来识别这种行为,在多个测试中达到90%以上的准确率,比以往方法提升13%,为构建更可信的AI系统提供了重要工具。
微软在Edge浏览器中推出增强版Copilot模式,提供更强大的AI代理功能,目前在美国进行限量预览。该模式包含Actions和Journeys两大功能:Actions让浏览器能代表用户执行任务,如语音控制打开网页或查找文章特定内容;Journeys则记住用户浏览历史,帮助用户继续之前的研究任务。此举正值AI浏览器竞争加剧,OpenAI推出ChatGPT Atlas、Perplexity发布Comet、谷歌集成Gemini到Chrome。目前Chrome占据71%市场份额,Edge仅占4.67%。
这项由法国CentraleSupélec大学领导的研究通过严格控制的实验,系统比较了AI的推理训练与传统训练方式。研究发现推理训练在数学、开放式任务中效果显著,但需要70亿参数以上模型才能充分发挥优势,且成本增加明显。研究为AI开发者提供了明确的应用指导,有助于根据具体场景选择最优训练策略。