银行的悲剧还是发生了！传出了个“佛系”大笑话：江阴银行 无锡银行 中信银行

在银行的整个价值链之中，金融服务的全生命周期均可以利用大数据技术进行改良与改革。银行可采用数字化技术以此提高收入，改善资本使用率，尤其是削减成本。根据麦肯锡预测，如果全行业都采取数字化措施，到2025年就能将行业的成本收入比从现在的54%降到38%。商业银行在传统对公金融信贷业务中积累了丰富的风控经验，AI技术的应用有助于提高大数据处理能力，优化风险评估模型，提高风险识别能力和实时性。在智能风控方面，商业银行的主要动作有：

建立基于大数据技术的银行风险防控解决方案，AI 技术基于现有大数据系统，有利于提高方案的及时性和有效性。

针对高风险交易特点及行为特征，建立相关评估模型，基于模型发现风险。

利用机器学习等技术，银行可通过流程机器人完成重复任务，实现自动化运行，循序提取与清理数据。在风险管理与交易这种对复杂数据的处理方面，人工智能的应用将大幅降低人力成本并提升金融风控及业务处理能力。

领军银行也已开始通过使用智能机器人（RPA+AI）自动完成重复任务，实现数字化运营。机器人流程自动化（RPA）已在资本市场运营的中台展现出巨大潜能，能够迅速完成数据提取和清洗等日常工作。在交易风险计算方面，机器人可以下载、验证和分析银行头寸。一些银行已将该流程所需资源减少了95%，所需时间从10天缩减到20分钟。流动性风险计算也可用机器人代劳。

其实，银行在运营、风险、金融、法律等方面的大量工作，也可以通过智能机器人来完成，并且速度、效率和质量还能得到保证。澳新银行因为大量部署机器人，平均降本达到40％。巴克莱银行在财务部门使用机器人，实现坏账准备金流程自动化，每年节省将近1亿美元。欧洲一家主要的支付处理公司开发了机器学习算法，当货币在各市场主体、账户、地区之间流动时，可在多家银行之间进行“货币追踪”。这一技术便于调查人员追踪“骡子账户”的使用路径，从而大幅降低洗钱欺诈犯罪活动的调查成本。

人工智能（AI）和认知技术也影响着银行运营。麦肯锡全球研究院的研究表明，严格来说，60％的职业中至少有30％的工作是能够实现自动化的。