杭州都市網

引言：“2020年人工智能再也不是一個炒概念的詞，其降維應用已在各行業里開展得如火如荼，通過AI加持RPA打造的數字員工，能夠處理更多重復且規則化的流程，甚至在高SOP化的BFSI銀行、金融、保險行業，數字員工正逐步完成由「業務永續」到「企業永續」的現象級改變。

一波三折的2020

BFSI行業的壓力又雙叒增大了!

2020年，受新冠肺炎疫情等因素影響，銀行業新形成不良貸款較去年同期有所上升。當前，經濟尚未全面恢復，疫情仍有較大不確定性，所帶來的金融風險也存在一定時滯，預計有相當規模貸款的風險會延后暴露，未來不良貸款上升壓力較大。

BFSI銀行、金融和保險行業在面臨來自管理層、股東以及外部競爭的重重壓力下，最大化提升客戶體驗已成為了他們的核心訴求，此次新冠肺炎疫情也愈加凸顯了勞動力轉型和技能提升的必要性。

過去幾年，成熟的業務平臺以及SaaS系統造就了銀行業數字化轉型成功，然而數字化的成功并沒有能夠推動自動化的發展，為了協調和轉錄數據以及處理各種交易，員工必須每天往返于多個系統之間的、執行重復枯燥的手工工作。“機械式”的操作桎梏著人的思想，導致員工積極度不高，行業流動率加大，無形增加了額外的成本。為了解決這一問題，善于技術迭代升級的BFSI行業也做了嘗試，比如系統集成開發，但成本、耗時以及最終的易用性都難以評估，最終反而阻礙了實現自動化的絆腳石。

據普華永道報告顯示，近81的銀行業首席執行官對技術變革的速度感到擔憂，這一比例超過了其他任何行業。在內部，保持效率最大化并盡可能降低成本，同時還要充分考慮系統數據的安全性，

近年來AI技術的迅猛發展，將RPA重新拉回大眾視野，AI與RPA結合打造的數字員工能夠適應更廣闊的業務場景，使它成為當下BFSI行業最有效的解決方案之一。

包羅萬象!數字員工在BFSI行業里的可行解

實在智能自發布章魚·數字員工后，咨詢客戶中不乏BFSI行業的客戶，章魚數字員工在BFSI的眾多細分市場里，能夠完成高質量替代，并通過替代重復繁瑣的工作，使員工投身更有意義的事情中去，這些細分市場業務包括：

就幾個常見業務說明：

1、NLP強力加持智能客服，客戶滿意度大大提升

BFSI行業每天都要處理大批量客戶信息查詢，從賬戶信息到應用程序狀態再到余額信息。銀行很難以較短的周轉時間來回應查詢。

RPA可以自動化這些基于規則的流程，以實時響應查詢，并將周轉時間縮短到幾秒鐘，在NLP的幫助下，Chatbot可以理解自然語言與客戶聊天，并像人一樣響應;在智能云腦的幫助下，RPA還可以解決需要決策的查詢。

2、OCR光學識別票據，快速處理應收/應付賬款

應付賬款是銀行系統中一個簡單且單調的過程。它需要提取供應商信息，對其進行驗證，然后處理付款。這不需要任何情報，使之成為RPA的完美案例。借助于光學字符識別OCR解決方案的機器人過程自動化可以解決這一問題。OCR可以從數字拷貝物理表單中讀取供應商信息，并向RPA系統提供信息。RPA將使用系統中的信息驗證信息并處理付款。如果出現任何錯誤，RPA可以通知執行官進行解決。

3、自動執行可疑活動判斷，迅速完成欺詐檢測

隨著數字系統的引入，銀行最擔心的問題之一就是欺詐。交易監控系統每天會生成大量必須調查的警報來識別可疑活動。其中，涉及解決和關閉AML警報的大多數流程都是半自動或手動的，容易造成審查或補救的延誤，而且解決警報所涉及的大部分工作也都是標準化且重復性的。

針對這種情況，AI與RPA結合而成的數字員工可以提供較為理想的解決方案。通過自動執行與可疑活動警報調查相關的基于判斷的任務，數字員工可以加快并改進銀行內部的整體欺詐管理。銀行很難追蹤所有的交易來并標記可能的欺詐交易。而數字員工可以做到實時跟蹤交易，并對可能的欺詐交易模式進行標記，減少響應延遲。在特定情況下，數字員工還可以通過凍結賬戶和停止交易來防止欺詐。

4、專用ML業務模型注入風控，嚴格審核客戶準入amp;退出

加強客戶選擇和準入，是風險防控的第一關，了解你的客戶KYC是銀行客戶準入的必要流程。

在客戶篩選的過程中，整理來自不同內部系統和外部來源的數據是一項具有挑戰性的任務。數字員工可用于從監管機構如證券交易委員會或是執法機構收集和檢索數據以加快準入程序。例如，數字員工可以通過利用機器學習ML等認知技術訓練專用業務模型，進行文檔驗證，以快速識別具有可疑記錄的潛在客戶，并拒絕其申請。這將有助于銀行避免為有潛在風險的客戶開立賬戶。

同樣的，客戶退出也需要做風險評估，銷戶流程中涉及多種原因，其中之一是客戶未能提供強制性文件。數字員工可以很容易地跟蹤這些帳戶，并為所需的文檔提交發送自動通知和調度調用，同時還可以幫助銀行在客戶無法提供KYC文檔等特殊情況下關閉帳戶。

5、報表自動化amp;總賬管理，釋放人力價值

銀行需要在總分類賬上更新財務報表、收入、資產、負債、費用和收入等信息，以編制財務報表。財務報表是公眾、利益相關者和媒體獲取的公共文件，報告中若出現錯誤會嚴重影響銀行的形象。

數字員工獨立于該系統，可以集成來自多個舊系統的數據，即使系統中的數據不是同一格式，RPA也可以集成來自多個舊系統的數據以所需的格式顯示;另外，通過獲取并處理舊數據以及新數據，可以彌合流程之間存在的差距。對新舊數據之間的處理應用可以為銀行業務增長，創建更快更好的財務報告。隨著RPA接管數據同化流程，業務團隊也能夠更好地專注于分析和審查報告。

長期戰略，避免淺嘗輒止的孤島式應用

人工智能時代，RPA的發展也是日新月異。兩年間，從RPA到IPAAI+RPA的飛速變化，也注定了這個產業走的是長期發展的道路。

在沒有企業范圍的RPA戰略的情況下，缺乏監管實施計劃的治理框架是實施緩慢的一個原因，法規的模糊性也同樣阻礙了RPA的發展步伐。而行業需要注意RPA技術快速變化的特性，因為這些技術的特性和功能仍在不斷發展，它是在可持續發展的基礎上添加的。

鑒于這些挑戰，目前的銀行業正在考慮在風險和合規性方面實施布點式RPA解決方案，直到技術成熟，再逐漸擴大布局范圍。然而前期的流程數量巨大，銀行需要運行多個POC，這樣帶來的實際產出會比較低。一旦銀行為RPA的部署建立了適當的治理框架與標準，確保機器人自動化采取了正確的流程，就能保證更高程度的成功和更快的投資回報率。

AI+RPA數字員工需要在業務用戶的桌面上部署代理，以捕獲和記錄適合RPA的流程。此時，需要實施的POC數量也會大幅度增長。因此，行業必須重點建立RPA治理框架，實現預期利益的標準和控制。此外，隨著部署數量的逐漸增加，也必須評估重新使用以前的RPA解決方案的可能性，將現有投資整合到實現長期效益的整體戰略中，從而節省成本并實現更快的投資回報。同時，還需要關注自然語言處理NLP技術、機器學習ML解決方案和聊天機器人chatbot在RPA應用過程中的進展，因為無AI無未來，AI才是RPA快速成長的驅動，最終推動向智能自動化的轉變，這將有助于為客戶創造指數級價值!