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！