金融行业的人工智能：来自人才、软件和技术的全面挑战

作为金融科技技术的代表，人工智能技术已经被越来越多的金融机构应用到工作之中。然而，并非所有的部署过程都是一帆风顺的，本文将介绍人工智能在金融行业中面临的五个挑战。

缺乏成熟软件系统

国际商业资讯公司Ventana Research认为，阻碍金融机构在业务中应用人工智能技术最大的原因是成熟软件的缺失，即行业中的人工智能更多作为概念存在，而非实际应用。很多金融公司正在等待供应商开发出一些优秀的人工智能软件，从而将这些先进的科技概念落地实施。根据国际会计事务所德勤的数据，现阶段的金融软件市场只能满足60%到70%的业务需求，因此开发金融软件仍是一个重要话题。除了在系统中部署人工智能技术外，这些软件还需要金融行业的专家参与，从而提高实用性。

金融资料相对不足

人工智能技术的应用离不开大量的金融数据，而对于一些金融机构而言，这些数据的数量和质量很可能无法过关。一些公司虽然掌握着足够的数据，但是管理层对这些数据的真实性存疑。而在机器学习（人工智能技术的重要分支）中，错误的数据将导致错误结果的产生，最终降低结果的准确性，对决策产生误导。因此，正确且充足的金融数据是应用机器学习技术的前提。

现有技术期望过高

尽管人工智能技术确实在一定程度上对金融决策有帮助，但是现有的科技水平还无法将模式化这些技术的成功率。因此，大多数金融机构都采用人工智能和人类共同决策的方式，来提高决策的正确率。如果一些公司对现有的技术期望过高，就会放松过程中的检查工作，一旦结果出现问题，从业人员就会对技术的准确性产生不良的印象，甚至会放弃这些技术的发展。

缺乏全面业务人才

国际信息技术分析公司Gartner认为，一些金融机构拒绝人工智能的原因是，它们在业务管理中无法正确应用人工智能技术。例如，人工智能可以将公司的账款流程和采购订单结合在一起，但是如果业务人员无法无法理解新的流程，并自行为人工智能的工作设定阈值，就会导致处理过程出现问题。因此，专业的金融科技人才目前仍是很多金融公司的短板。金融科技在教育领域的普及将会改善这个问题。

技术效果存在怀疑

人工智能技术的工作环境像是一个封闭的“黑匣子”，它的工作流程比较复杂，因此很多人对技术的有效性存在怀疑。对此，公司一方面可以将人类的业务效果和人工智能的业务相比较，另一方面可以聘请了解人工智能技术的人才对业务流程进行管理。例如，德勤公司的审计业务采用“人为循环”的方法，首先由人工智能程序Arugs进行初步工作，并最终由审核人员完成判断。