引言：“2020年人工智能再也不是一个炒概念的词，其降维应用已在各行业里开展得如火如荼，通过AI加持RPA打造的数字员工，能够处理更多重复且规则化的流程，甚至在高SOP化的BFSI(银行、金融、保险)行业，数字员工正逐步完成由「业务永续」到「企业永续」的现象级改变。
一波三折的2020
BFSI行业的压力又双叒增大了!
2020年，受新冠肺炎疫情等因素影响，银行业新形成不良贷款较去年同期有所上升。当前，经济尚未全面恢复，疫情仍有较大不确定性，所带来的金融风险也存在一定时滞，预计有相当规模贷款的风险会延后暴露，未来不良贷款上升压力较大。
BFSI(银行、金融和保险行业)在面临来自管理层、股东以及外部竞争的重重压力下，最大化提升客户体验已成为了他们的核心诉求，此次新冠疫情也愈加凸显了劳动力转型和技能提升的必要性。
过去几年，成熟的业务平台以及SaaS系统造就了银行业数字化转型成功，然而数字化的成功并没有能够推动自动化的发展，为了协调和转录数据以及处理各种交易，员工必须每天往返于多个系统之间的、执行重复枯燥的手工工作。“机械式”的操作桎梏着人的思想，导致员工积极度不高，行业流动率加大，无形增加了额外的成本。为了解决这一问题，善于技术迭代升级的BFSI行业也做了尝试，比如系统集成开发，但成本、耗时以及最终的易用性都难以评估，最终反而阻碍了实现自动化的绊脚石。
据普华永道报告显示，近81%的银行业首席执行官对技术变革的速度感到担忧，这一比例超过了其他任何行业。在内部，保持效率最大化并尽可能降低成本，同时还要充分考虑系统数据的安全性，
近年来AI技术的迅猛发展，将RPA重新拉回大众视野，AI与RPA结合打造的数字员工能够适应更广阔的业务场景，使它成为当下BFSI行业最有效的解决方案之一。
包罗万象!数字员工在BFSI行业里的可行解
实在智能自发布章鱼·数字员工后，咨询客户中不乏BFSI行业的客户，章鱼数字员工在BFSI的众多细分市场里，能够完成高质量替代，并通过替代重复繁琐的工作，使员工投身更有意义的事情中去，这些细分市场业务包括：
就几个常见业务说明：
1、NLP强力加持智能客服，客户满意度大大提升
BFSI行业每天都要处理大批量客户信息查询，从账户信息到应用程序状态再到余额信息。银行很难以较短的周转时间来回应查询。
RPA可以自动化这些基于规则的流程，以实时响应查询，并将周转时间缩短到几秒钟，在NLP的帮助下，Chatbot可以理解自然语言与客户聊天，并像人一样响应;在智能云脑的帮助下，RPA还可以解决需要决策的查询。
2、OCR光学识别票据，快速处理应收/应付账款
应付账款是银行系统中一个简单且单调的过程。它需要提取供应商信息，对其进行验证，然后处理付款。这不需要任何情报，使之成为RPA的完美案例。借助于光学字符识别(OCR)解决方案的机器人过程自动化可以解决这一问题。OCR可以从数字拷贝物理表单中读取供应商信息，并向RPA系统提供信息。RPA将使用系统中的信息验证信息并处理付款。如果出现任何错误，RPA可以通知执行官进行解决。
3、自动执行可疑活动判断，迅速完成欺诈检测
随着数字系统的引入，银行最担心的问题之一就是欺诈。交易监控系统每天会生成大量必须调查的警报来识别可疑活动。其中，涉及解决和关闭AML警报的大多数流程都是半自动或手动的，容易造成审查或补救的延误，而且解决警报所涉及的大部分工作也都是标准化且重复性的。
针对这种情况，AI与RPA结合而成的数字员工可以提供较为理想的解决方案。通过自动执行与可疑活动警报调查相关的基于判断的任务，数字员工可以加快并改进银行内部的整体欺诈管理。银行很难追踪所有的交易来并标记可能的欺诈交易。而数字员工可以做到实时跟踪交易，并对可能的欺诈交易模式进行标记，减少响应延迟。在特定情况下，数字员工还可以通过冻结账户和停止交易来防止欺诈。
4、专用ML业务模型注入风控，严格审核客户准入&退出
加强客户选择和准入，是风险防控的第一关，了解你的客户(KYC)是银行客户准入的必要流程。
在客户筛选的过程中，整理来自不同内部系统和外部来源的数据是一项具有挑战性的任务。数字员工可用于从监管机构(如证券交易委员会)或是执法机构收集和检索数据以加快准入程序。例如，数字员工可以通过利用机器学习(ML)等认知技术训练专用业务模型，进行文档验证，以快速识别具有可疑记录的潜在客户，并拒绝其申请。这将有助于银行避免为有潜在风险的客户开立账户。
同样的，客户退出也需要做风险评估，销户流程中涉及多种原因，其中之一是客户未能提供强制性文件。数字员工可以很容易地跟踪这些帐户，并为所需的文档提交发送自动通知和调度调用，同时还可以帮助银行在客户无法提供KYC文档等特殊情况下关闭帐户。
5、报表自动化&总账管理，释放人力价值
银行需要在总分类账上更新财务报表、收入、资产、负债、费用和收入等信息，以编制财务报表。财务报表是公众、利益相关者和媒体获取的公共文件，报告中若出现错误会严重影响银行的形象。
数字员工独立于该系统，可以集成来自多个旧系统的数据，即使系统中的数据不是同一格式，RPA也可以集成来自多个旧系统的数据以所需的格式显示;另外，通过获取并处理旧数据以及新数据，可以弥合流程之间存在的差距。对新旧数据之间的处理应用可以为银行业务增长，创建更快更好的财务报告。随着RPA接管数据同化流程，业务团队也能够更好地专注于分析和审查报告。
长期战略，避免浅尝辄止的孤岛式应用
人工智能时代，RPA的发展也是日新月异。两年间，从RPA到IPA(AI+RPA)的飞速变化，也注定了这个产业走的是长期发展的道路。
在没有企业范围的RPA战略的情况下，缺乏监管实施计划的治理框架是实施缓慢的一个原因，法规的模糊性也同样阻碍了RPA的发展步伐。而行业需要注意RPA技术快速变化的特性，因为这些技术的特性和功能仍在不断发展，它是在可持续发展的基础上添加的。
鉴于这些挑战，目前的银行业正在考虑在风险和合规性方面实施布点式RPA解决方案，直到技术成熟，再逐渐扩大布局范围。然而前期的流程数量巨大，银行需要运行多个POC，这样带来的实际产出会比较低。一旦银行为RPA的部署建立了适当的治理框架与标准，确保机器人自动化采取了正确的流程，就能保证更高程度的成功和更快的投资回报率。
AI+RPA数字员工需要在业务用户的桌面上部署代理，以捕获和记录适合RPA的流程。此时，需要实施的POC数量也会大幅度增长。因此，行业必须重点建立RPA治理框架，实现预期利益的标准和控制。此外，随着部署数量的逐渐增加，也必须评估重新使用以前的RPA解决方案的可能性，将现有投资整合到实现长期效益的整体战略中，从而节省成本并实现更快的投资回报。同时，还需要关注自然语言处理(NLP)技术、机器学习(ML)解决方案和聊天机器人(chatbot)在RPA应用过程中的进展，因为无AI无未来，AI才是RPA快速成长的驱动，最终推动向智能自动化的转变，这将有助于为客户创造指数级价值!
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
