破坏性的金融
资本市场的崩溃并不是什么新鲜事。但现在，技术进步大大加快了颠覆的步伐。
云提供廉价的计算能力，具有几乎无限的可扩展性。组织正在构建数据科学和机器学习能力，以最大限度地提高其数据的业务价值。此外，AI的快速发展是使机器接管手动任务，释放人类专注于更复杂，更高价值的任务。
这些进步在一起正在增加见解的价值和速度，帮助雄心勃勃的商业领袖扰乱了他们的域名。然而，技术落后者面临着不可急的风险。
在资本市场，现有企业面临着来自金融科技和科技公司的激烈竞争。这些新来者在他们的方法上是敏捷的，在他们的产品上是破坏性的，在他们的执行上是创新的。
用对话式AI转换过程
资本市场公司的一部分挑战是，他们的许多核心流程仍然是严重的手动，迭代和对话。这些互动过程中的大多数包括谈判和销售，几十年没有改变，并遭受高处理成本，不一致的成果和低效操作。使用更智能的技术进行数字化这些前台流程可以减少运营成本并节省时间。
特别是一种新兴技术——对话式人工智能——可能对企业实现传统流程自动化的能力产生深远影响。在本文中，我们将研究资本市场中最有前途的会话AI用例，并概述指导您的转换策略的关键原则。
什么是对话型人工智能?
会话型人工智能使用自然语言处理(NLP)机器学习算法来理解和生成自然人类语言。它使机器能够以口头或书面形式与人类进行有意义的对话。
近年来，AI中的几个领域就像对话的AI一样令人惊叹的进步。由于他们的表现不断改进，Siri和Alexa等个人助理迅速增长，既涉及消费者和组织。
对话AI中繁荣的钥匙之一是“变形金刚”的发明。变压器如谷歌的伯特，Openai的GPT2.,GPT3.使用来自互联网的大量未标记文本来训练非常大的自然语言模型，有时带有数十亿个参数。BERT现在几乎支持所有基于英语的搜索谷歌．
这些工具消除了昂贵的人工标记训练数据的过程，它们还为支持对话式人工智能的NLP技术提供了巨大的性能提升。
那么，资本市场公司如何利用这些新的人工智能会话性能和可访问性呢?让我们探讨一下潜在的用例。
资本市场的人工智能会话用例
抵押品和风险管理
场外(OTC)衍生品交易的追缴保证金和结算过程可能是一个高度迭代和互动的过程，当交易对手对追缴保证金产生争议时。运营团队来回发送电子邮件，直到达成协议。如果纠纷仍未解决，银行将面临更多的资本金指控，预计交易对手方将迅速解决这些问题。
最近的Covid-19相关市场波动大大增加了抵押品册，并强调了这一领域的挑战。2020年，平均保证金呼叫数量增加76％，保证金呼叫的价值越来越多地增长200％这大大增加了抵押品经理的工作量。
可对话的人工智能系统可以阅读电子邮件，自动解决简单的纠纷，有助于减少运营团队的工作量。这些人工智能系统，比如IVP财政部和SyneChron自动保证金呼叫管理它还将发现争端中的模式，以帮助改善未来的贸易结构和合同。
研究
由于市场金融工具指令(MiFID II)要求卖方公司单独对研究收费，许多公司在降低研究成本的同时提高质量的压力越来越大。一些公司甚至减少了研究分析师的数量，这使得无论是在卖方还是买方，研究的生产和消费都变得更具挑战性。
为了应对这些挑战，我们现在开始看到越来越多地使用对话式人工智能，以提高高质量研究的成本效益。例如，摩根士丹利(Morgan Stanley)开发了一款聊天机器人，帮助分析和销售团队搜索超过5万名用户报告每年生成。摩根大通已经公布了公司和投资银行研究报告亚莉克莎．
这些技术降低了卖方和买方的成本，但它们也简化了研究内容，提高了研究质量，提高了生产率。
销售和交易
更广泛地采用直通处理(STP)已经导致了越来越多的端到端交易操作的优化。然而，结构性证券交易在很大程度上仍是手工操作和高度接触，尤其是在售前。
结构化产品为投资银行产生高佣金，但成本高。通过对话AI，公司现在可以优化结构化交易运营以增加利润率。
会话式人工智能系统可以将半结构化的报价请求(RFQ)对话捕捉到一个模式中，企业可以对多个交易的整个生命周期进行分析。这些系统可以提供实时的见解，以帮助销售和交易团队优化流程，并标准化频繁交易的定制产品。
企业行动
整个公司行动生命周期——从宣布公司行动事件到向股东提供权利——都是基于人工流程，这造成了显著的低效率。
活动公告并不总是以标准化的格式发布，处理大量不断增加的企业活动的手工和电子回复是复杂而乏味的。如果不能处理好一件事，就可能导致数千万美元的损失，还会给投资管理公司带来声誉损失。企业行动的处理成本也高达数亿美元。
虽然会话AI可能无法帮助解决公司行动处理中的所有问题，但它有可能优化某些领域。例如，AI可以从多个来源（如新闻），Internet和数据提供者等多个来源收集和正常化公司操作数据。效率提升的另一个潜在区域正在处理客户对事件通知的响应。会话AI系统可以读取从客户收到的电子响应并处理它们，仅向操作团队发送复杂，不完整，不一致，并对操作团队进行手动处理。
发射对话AI的分阶段方法
要在您的组织中成功地引入会话式人工智能，与业务保持一致至关重要。选择将创造真实业务价值的用例，然后从最小可行产品(mvp)开始，以帮助管理引入新技术的风险。
根据有意义的指标持续评估你的最有价值产品，以确定你是否正在实现所需的业务价值，并确定你应该如何以及何时调整、扩大或取消它们。
为确保您的数据科学，机器学习和IT团队之间的平滑合作，请使用无摩擦的交付过程，以便对话AI将高质量的模型安全，可靠，不断地带来生产。
总的来说，将你的人工智能对话程序分成三个阶段是很有帮助的:启动、扩展和增强。
在发起阶段，在您的数据科学和ML团队中建立NLP专业知识。在延长阶段，您的团队可以使用他们的新功能来扩展NLP使用情况，以对电子邮件，扫描的字母或法律文档等文本进行分类，并触发适当的工作流程。在增强阶段，您的团队应开始使用高级NLP技术和工具，包括变形金刚，以便在法律合同中识别截止日期或报告义务，并自动执行后续行动。
在你的组织中取得了聊天聊天
聊天机器人是你们组织对话式人工智能实现的第一步，用自然语言与用户进行对话，以完成特定的任务。复杂的聊天机器人可以与用户进行对话，直到任务有效完成。它们为你的客户和员工创建了一种新的用户界面，帮助降低运营成本，提供更好的用户体验。
所有主要的公共云服务提供商都提供现成的框架来设置和操作聊天机器人。然而，掌握一些NLP, ML，MLOPS.，以及对话框设计，以从早期的简单用例扩展到组织范围内用于众多用例的聊天机器人部署。
优化用户体验
为确保用户采用，您需要创建一个聊天字节，即您的客户和员工很乐意使用，并为它们提供价值。例如，语言理解准确性的显然提高 - 从95％到99％ - 可以使人们几乎没有使用聊天或一直使用它。
精心设计聊天机器人的个性也很重要。你的聊天机器人是公司的“脸”，它的个性应该与你公司的品牌相一致。
用户体验设计人员可以使用一组相对的字符特征来定义Chatbot的个性，移动滑块以创建对话框设计人员可以用于定义机器人的响应的Chatbot的复杂字符。
设计Chatbot的个性
聊天机器人技术组件
下图显示了Chatbot的技术组成。在第一步中，意图识别器试图了解输入的目的。例如，在句子中我的电话号码是120 1234 567，其目的是“提供电话号码”。
接下来，命名实体识别器识别句子中的命名实体—在我们的示例中，它是电话号码。然后对话执行模块根据对话的状态决定对话过程中的下一步动作。这些下一步操作可能是请求丢失的信息、对外部系统的API调用，或者在任务完成时请求完成消息。这些操作随后由操作解析器执行。
在最后一步中，自然语言生成器制定对用户的响应。
聊天机器人的技术组件
连续交付平台是必不可少的
为了在聊天机器人的开发和运行过程中提高它的质量，使用基于持续交付原则的敏捷开发过程是至关重要的，例如MLOPS.或机器学习的连续交付(CD4ML)．
下图显示了一个聊天机器人项目的持续开发和部署过程。这个过程使用一个连续交付平台来密切监控聊天机器人在生产中的行为，并不断优化它。有了这个平台，您可以自动化和优化大多数聊天机器人开发任务，包括测试、部署、监视和打补丁。
用对话型人工智能打破常规
聊天机器人等对话型人工智能应用不太可能实现100%的自动化，但它们确实有能力提高运营效率，特别是在处理高度定制的产品和手工流程的领域。对于投资银行来说，会话式人工智能的专业技能正成为一个重要的区分标准，我们预计采用率将会上升。
引入从根本上介绍新技术可能具有挑战性，但我们概述的指导原则和增量旅程可以帮助您以简单和安全的方式开始使用会话AI。
现在就投资对话式人工智能，你就能发现有价值的见解，实现成本节约，改善客户体验——并在创新方面保持领先。