《Celent：2024利用人工智能在支付領域的優勢報告（21頁）.pdf》由會員分享，可在線閱讀，更多相關《Celent：2024利用人工智能在支付領域的優勢報告（21頁）.pdf（21頁珍藏版）》請在三個皮匠報告上搜索。

1、 利用利用 AI 在支付領域的在支付領域的 優勢優勢 解鎖一系列工作流程和產品增強功能 Kieran Hines 01 February 2024 本報告由 MongoDB 和 Icon Solutions 委托編寫，Celent 應其要求開展了這項研究。分析、結論和意見僅屬于 Celent。MongoDB 和 Icon Solutions 對報告內容沒有編輯控制權。利用 AI 在支付領域的優勢 CELENT 目錄目錄 AI 在當今銀行業的應用在當今銀行業的應用.3 當今銀行業的人工智能技術.3 AI 和高級分析引領技術投資議程.4 業內對生成式人工智能的積極探索.5 AI 在支付領域的新興使

2、用案例在支付領域的新興使用案例.7 釋放 AI 在無卡支付領域的潛力.7 重點 1 使用案例：以數據為主導的增值服務.10 重點 2 使用案例：提高開發者效率.13 前進之路前進之路.16 沒有靈丹妙藥.16 成功需要堅實的基礎.16 確定優先順序的重要性.17 利用利用 Celent 的專業知識的專業知識.18 對金融機構的支持.18 對供應商的支持.18 相關相關 Celent 研究研究.19 利用 AI 在支付領域的 優勢相關 Celent 研究 CELENT 3 AI 在當今銀行業的應用在當今銀行業的應用 人工智能(AI)技術是銀行業不可或缺的一部分。例如，在風險、欺詐和合規等領域，A

3、I 的使用已普及多年，且在不斷深化中。不僅如此，在其他應用場景下，銀行利用 AI 技術的案例還有一長串（而且還在不斷增加）。這些實踐的成功，以及 AI 技術釋放更多效益的潛力，推動了 2024 年在這一領域的進一步投資，其中生成式人工智能尤其引人關注。當今銀行業的人工智能技術 人工智能技術已深入銀行業。雖然目前人們非常關注生成式人工智能(Gen AI)和大型語言模型(LLM)，但機器學習、自然語言處理(NLP)、機器人技術和計算機視覺的使用已經廣泛應用于一系列不同的使用案例和程序，并且已經存在很多年。事實上，在欺詐、風險和合規等領域，早在神經網絡等技術被普遍認為是 AI 之前，銀行就一直在使用

4、 AI 技術。要定義人工智能這個術語的含義，將這個問題交給技術本身似乎是完全合適的。Oliver Wyman 集團（Celent 隸屬于該集團）對其專有的 LLM 進行了投 資，該模型提供了以下定義。定義銀行業的定義銀行業的人工智能人工智能 人工智能(AI)是指在機器中模擬人類智能，這些機器通過編程可以像人一樣思考和學習。它涉及使用機器學習、自然語言處理、數據分析和其他 AI 工具來分析大量數據、進行預測、檢測模式并為客戶提供個性化推薦和解決方案。有幾種技術被認為是不同類型的人工智能。其中最常見的類型包括機器學習、自然語言處理、計算機視覺、機器人技術、專家系統和神經 網絡。如今，AI 技術被用

5、于解決各種不同的工作流程和面向客戶的服務。除了上述案例外，還包括中后臺的流程自動化和優化，以及實時風險和流動性管理、現金流預測和前臺服務的個性化等領域。虛擬助手和機器人也已成為客戶支持過程中的重要組成部分。利用 AI 在支付領域的 優勢相關 Celent 研究 CELENT 4 AI 和高級分析引領技術投資議程 隨著時間的推移，銀行不斷增加對項目的投資，以更好、更高效地使用數 據。這在一定程度上是由于需要滿足客戶對數字服務的速度和質量日益增長的期望，同時也反映出人們對賬戶和交易數據真正價值的理解正在不斷加 深。然而，最重要的還是由于支持 AI 和高級分析的相關技術在實用性和經濟性方面一再發生階

6、躍式變化，這些技術對于交付 AI 與高級分析支持的使用案例有著不可或缺的作用。就企業銀行而言，結果也證明了這一點。在 Celent 最新的技術洞察和戰略調查(Technology Insight and Strategy Survey)中，73%的企業銀行表示，他們通過投資高級數據分析獲得了明確的收入機會，相比之下只有 11%的企業銀行報告了相反的情況。與此同時，調查還發現了一些地區差異。亞太地區有 76%的人從這些投資中獲得了成功，而歐洲的這一比例為 75%，美國的這一比例為 72%。因此，數據分析和 AI 技術支持的項目成為 2023/24 年全球議程的重點也就不足為奇了。對于 33%的企

7、業銀行來說，高級分析和機器學習的投資是技術方向的首要任務，高于機器人技術和自動化相關項目（市場中 31%的銀行的投資重點）。人工智能和 NLP 也緊隨其后，28%的銀行將其列為優先 事項。圖圖1：高級分析、智能自動化和高級分析、智能自動化和 AI 技術引領技術引領 2023/24 年行業投資議程年行業投資議程 調查對象：所有企業銀行受訪者（樣本數量：214）問題：在未來 18 個月中，以下哪些是您的主要技術/流程投資重點？資料來源：Celent 技術洞察和戰略調查(Technology Insight and Strategy Survey)，2023 年 這些數字涵蓋了企業銀行職能范圍內的所

8、有活動和業務范圍，而不僅僅是支付。然而，與今年減少投資的銀行相比，加碼支付技術投資的銀行也更有可能增加對 AI 的關注。在 2023/24 年度提高支付技術支出的銀行中，有 30%17%19%19%22%24%28%29%29%31%33%客戶體驗個性化網絡安全增強低代碼或無代碼工具或平臺身份證明/數字身份向公有云服務遷移區塊鏈/DLT開放式融資能力人工智能(AI)和 NLP工作流自動化和 RPA高級數據分析和 ML 利用 AI 在支付領域的 優勢相關 Celent 研究 CELENT 5 將 AI 視為優先事項。相比之下，整個市場的這一比例為 28%。而在減少支付投資的銀行中，這一比例為 2

9、1%。業內對生成式人工智能的積極探索 隨著 OpenAI 的 ChatGPT 的公開發布，生成式人工智能于 2023 年迅速進入公眾視野。Open AI 的發布在銀行業引發了大量關于潛在應用場景、風險甚至未來對人員需求的潛在影響的討論。鑒于生成式人工智能的巨大潛力，人們對該技術感到興奮合乎情理。但在 2023 年下半年，討論變得越發細致入微?？紤]到將 LLM 應用于潛在敏感的客戶數據的復雜性，以及對 LLM 輸出可解釋性（和潛在的可審計性）更廣泛的監管問題，這些都是可以理解的。盡管如此，生成式人工智能已經被用于支持顧問和客戶關系經理等諸多領域，并且預計在此類領域將會有進一步的創新。當然，有許多

10、銀行正在積極探索生成式人工智能的使用案例。約 58%的銀行表示，他們目前正在以某種方式評估或測試生成式人工智能（基于 Celent 最新的技術洞察和戰略調查的結果），另有 23%的銀行在 2023/24 年路線圖中有使用該技術的項目?？紤]到該技術的潛在應用場景和炒作，這并不 奇怪。也許最有趣的是，生成式人工智能被視為五年內對行業影響最大的技術之 一。事實上，36%的銀行認為這將是在這一時期內對市場產生最大影響的 技術。下圖顯示了向 Celent 的企業銀行高管小組提出的兩個問題的答復。第一個（y 軸）顯示當前正在試驗一系列技術或商業模式或評估其機會的比例。第二個（x 軸）強調銀行預計未來五年對

11、市場影響最大的技術。生成式人工智能在右上象限中脫穎而出，因為它在當前的實驗中表現突出，并對行業產生了強大的長期影響。利用 AI 在支付領域的 優勢相關 Celent 研究 CELENT 6 圖圖2：大多數行業正在評估生成式人工智能或將其列入當前路線圖：大多數行業正在評估生成式人工智能或將其列入當前路線圖 調查對象：所有企業銀行受訪者（樣本數量：214）x 軸上的問題：您預計以下哪項在未來 5 年內會對您的行業產生最大影響？y 軸上的問題：您的組織當前如何使用以下新興技術/商業模式，或者對這些領域的態度是什么？“正處于實驗階段或正在探索應用場景，包括 PoC”的所有相關答復 資料來源：Celen

12、t 技術洞察和戰略調查(Technology Insight and Strategy Survey)，2023 年 Digital twin technologyEmbedded financeBlockchain/DLTBanking-as-a-Service Low or no-codeCryptocurrenciesEmbedded fintechCBDCsAI/ML/NLP and advanced Data AnalyticsGenerative AI(such as ChatGPT)Decentralized FinanceOpen banking/finance product

13、 innovationMetaverse/AR/VRQuantum computing0%10%20%30%40%50%60%70%0%5%10%15%20%25%30%35%40%45%目前正在探索使用案例或PoC 的銀行比例預計這將是5 年內對行業產生重大影響的三大技術之一 利用 AI 在支付領域的 優勢相關 Celent 研究 CELENT 7 AI 在支付領域的新興使用案例在支付領域的新興使用案例 處理賬戶到賬戶（無卡）支付所涉及的復雜性，加上所涉數據內在的豐富性，使其成為銀行可以利用 AI 優勢的一個顯著領域。使用交易數據來提升服務并提高運行效率是一項早已確立的原則，但 AI 和相關

14、技術的進步正在改變可支持的應用場景和提升的性質。先行者開始把握這些機會，而無法跟上步伐的人將面臨落后的風險。釋放 AI 在無卡支付領域的潛力 利用支付消息中的數據改善客戶體驗或以其他方式提供更好的服務，這一概念在業內已廣為人知。事實上，如何更好地利用支付數據，包括交易記錄的歷史“存量”和實時個人消息形式的“流量”，多年來一直是備受矚目的話題。這在很大程度上反映了它可以為企業客戶提供支持的應用場景范圍。然而，銀行更好利用支付數據的途徑不僅限于此。在其他許多領域，現代數據技術可用于推動運營改進和效率提升，進而通過降低成本直接支持利潤增長，或以其他方式提升客戶體驗。一個很好的例子是在處理支付時減少人

15、工授權的次數，給各方帶來好處。除了考慮投資 AI 等現代數據技術所帶來的潛在收入機會外，銀行還應確保它們對正確投資所能帶來的一系列商業效益有一個全面的認識。具體到人工智能，銀行可以在多個領域應用這些技術，獲取新的收入來源并提升效率。下文圖 3 提供了八個主要專題和領域的全局縱覽。這并不是詳盡的觀點，但確實展示了當前機遇的深度和廣度（事實上，每個類別都可以成為一份獨立報告的主題）。在每個例子中，都已經有銀行開始利用 AI 技術向市場提供服務或改進的服務，或者正在嘗試使用該技術。利用 AI 在支付領域的 優勢相關 Celent 研究 CELENT 8 圖圖3：銀行利用銀行利用 AI 技術的優勢改善

16、支付運營和增值服務技術的優勢改善支付運營和增值服務，其中蘊藏許多機會其中蘊藏許多機會 注意：此列表內容僅舉例說明，并不詳盡。每個類別都包括若干具體的機遇和應用場景。資料來源：Celent 前臺部門前臺部門：全新且更深入的洞察力全新且更深入的洞察力 AI 在為客戶提供一系列增值服務具有相當大的潛力。支付數據的內在價值是其中的關鍵因素，因為對應付賬款、應收賬款和余額信息的匯總分析可用于提供一系列不同的見解和服務改進措施。ISO 20022 報文格式的日益普及是一個重要的推動因素。隨著可用的數據更豐富，且實時數據更常見，潛在應用場景的范圍也隨之增加。銀行可以在三大領域利用 AI 提升面向客戶的服務。

17、1.現金流分析和預測現金流分析和預測此類別的使用案例涉及使用支付消息中的信息為企業客戶的現金狀況提供精細且（理想情況下）實時的洞察。與之密切相關的是，能夠根據應付賬款和應收賬款進行預測，以及根據發票數據和其他票據（例如工資或稅款）提供未來可能的進出款項。2.營運資本優化營運資本優化將 AI 與支付數據結合使用還可以對一系列有關流動性和管理的應用場景提供支持。向公司財務主管提供見解和建議無疑是一種增值用例。銀行還可以進一步利用這種技術，在需要時自動定位融資和外匯服務。3.支付洞察支付洞察雖然生成式人工智能在銀行業仍處于起步階段，但它在支持向客戶提供支付和賬戶見解方面的潛力引發了人們的濃厚興趣?？?/p>

18、戶只需簡單地提出“我的付款狀態如何？”或“提供我上一季度以歐元為單位的入賬付款可視化”等問題。最重要的是，這樣的問題可以獲得準確的答 案，而這將帶來可觀的價值。利用 AI 在支付領域的 優勢相關 Celent 研究 CELENT 9 中后臺部門：工作流程和程序改進中后臺部門：工作流程和程序改進 人工智能和高級分析技術的應用已經在支付處理的中后臺功能中得到廣泛普及，但仍有許多進一步提升的潛在機會。在每種情況下，銀行要么可以直接改善客戶體驗，要么可以大幅降低成本。這些可被分為三大領域。1.優化支付處理過程優化支付處理過程這里有幾個子主題，但機器學習的一個突出使用案例是進一步自動化支付修復流程。在存

19、在數據錯誤或缺口的情況下減少人工干預的需要，可以降低銀行成本，同時還可以改善客戶體驗。使用 AI 技術改善交易路由是另一個重要機遇。當路由決策實現自動化（而不是由客戶決定）時，客戶有可能從低成本中獲益；當支付流得到更有效的管理時，客戶（和銀行）也有可能從流動性中獲益。第三個案例是舊標準與 ISO 格式之間的報文翻譯或轉換，例如，將 ISO 8583 報文中非結構化的姓名和地址翻譯為結構化的 ISO 20022 報文。2.風險和欺詐風險和欺詐與支付修復的使用案例一樣，在交易篩選中應用 AI 技術也可以減少人工干預的需要。在這種情況下，可以結合使用自然語言處 理、計算機視覺和機器學習來減少誤報，從

20、而降低人工審核的成本。除此之外，還有許多其他機會可以使用 AI 來檢測真正的欺詐和金融犯罪 案件。3.產品和服務增強產品和服務增強關于 AI 提升銀行個性化服務的潛力，已經有很多報 道，這當然是一個重要主題。就大型企業客戶而言，一個重點領域是利用交易和賬戶數據確定對融資和外匯等產品的未來需求?？缏毮苣芰Γ禾岣哽`活性和效率跨職能能力：提高靈活性和效率 除了提升面向客戶的服務或中后臺功能之外，AI 技術還可以用于對銀行內的多種跨職能使用案例提供支持。1.使用生成式人工智能支持代碼生成并提高開發者效率使用生成式人工智能支持代碼生成并提高開發者效率當今銀行最重要的主題之一是敏捷性以及能夠更快地響應不斷

21、變化的客戶需求和市場機遇。在大型銀行中，大部分開發工作通常由內部人員主導，這對通常有限的技術資源造成了壓力。因此，人們對生成式人工智能等工具直接支持開發生命周期多個方面的潛力越來越感興趣。2.風險、合規性和報告風險、合規性和報告這是另一大類別，但在這個列別中，機器學習、自然語言處理、計算機視覺和生成式人工智能等技術都可通過各種組合進行部署，以支持風險管理和監管報告等流程。本章其余部分將對上文重點介紹的兩個案例進行更深入的探討：以數據為主導的增值服務 提高開發者效率 利用 AI 在支付領域的 優勢相關 Celent 研究 CELENT 10 重點 1 使用案例：以數據為主導的增值服務 近年來，大

22、型企業財務主管、首席財務官以及涉及付款和應收賬款的人員的核心職責基本保持不變。然而，他們的工作環境日趨復雜，這就產生了對能夠提高司庫和財務職能效率的服務的需求。為了更詳細地調查這個問題，Celent1 對大型公司（年收入至少 5 億美元）的公司財務主管和高級財務主管進行了一項實質性的初級研究。雖然不同行業和地區的需求存在重大差異，但傳達的信息也非常一致：許多企業客戶都在尋找合作伙伴，來支持他們提高運營效率的愿望。對于愿意進行必要投資的銀行來說，這是潛在的巨大商機。同時，對于無力應對這些挑戰的銀行來 說，存在著流失風險。仔細研究企業財務主管最看重的增值服務，可以發現三個主題。1.實時數據可見性和

23、預測實時數據可見性和預測需求最大的數據主導服務是企業現金狀況的單一實時視圖，38%的企業強調了這一點（如下圖 4 所示）。盡管當今跨機構儀表板的技術確實存在，但實時交付這種技術更具挑戰性。密切相關的是，對實時現金預測的重視，37%的企業認為實時現金預測具有潛在價值。2.增值增值數據洞察洞察高度重視數據工具和洞察，以改善決策。在我們的調查小組中，32%的企業將基于場景的預測、建議的行動或未來職位的風險評分等服務列為其銀行合作伙伴可以提供的最重要的增值服務。3.改善支付服務改善支付服務對于許多組織而言，付款和收款的實際操作仍然是一個重要的痛點，33%的企業客戶要求提高付款跟蹤和對賬的自動化程度。1

24、 支付數據貨幣化的期望與現實，Celent，2021 年 6 月 利用 AI 在支付領域的 優勢相關 Celent 研究 CELENT 11 圖圖4：公司財務主管高度重視以數據為主導的服務增強公司財務主管高度重視以數據為主導的服務增強，以應對其業務挑戰以應對其業務挑戰 問題：具體考慮以數據為主導的服務，您認為以下哪種服務能為您的運營帶來最大價值？資料來源：Celent 公司財務主管和首席財務官調查(Corporate Treasurer and CFO Survey)，2021 年 投資的商業案例包括對收入增長和留存率的看法投資的商業案例包括對收入增長和留存率的看法 企業客戶對增強服務的需求顯

25、而易見。許多銀行同樣清楚地認識到，在更好地利用交易數據方面，無所作為已不再是一種選擇。事實上，正如有充分的理由進行投資以支持收入增長一樣，許多人也面臨著提供增強服務以保護其現有業務的需求。企業客戶對運營效率的重視，使支持這些目標的服務成為續約談判和合作伙伴選擇決策中日益重要的一部分。雖然定價和核心服務的質量始終是重中之重，但企業也希望銀行合作伙伴能協助他們實現提高自動化程度和減少人工工作流程的目標。事實上，69%的企業表示，他們會考慮將部分或全部銀行業務轉移給能夠提高運營效率的提供商。圖 5 提供了對這些主題的更詳細介紹。其中一個重要信息是，企業客戶愿意為實時數據和增值見解付費。從銀行的角度來

26、看，針對低效率的增強功能收費并提供成本減免機會，相對比較容易。25%25%29%30%32%32%32%33%33%34%35%36%37%38%簡化新帳戶的設置和入門管理跨多個實體的支付拆分虛擬帳戶量身定制或個性化服務，滿足客戶的具體需求提高應付賬款自動化程度改進決策的數據分析/工具支持 ISO 20022合規性與企業工作流無縫集成自動跟蹤和核對應收賬款用于內部和/或監管目的的自定義報告實時現金余額更好的安全/欺詐保護實時現金預測將多家銀行的實時綜合數據整合到單一儀表板中 利用 AI 在支付領域的 優勢相關 Celent 研究 CELENT 12 圖圖5：為企業客戶投資以數據為主導的服務是為

27、了滿足新的期望并創造新的收入機會：為企業客戶投資以數據為主導的服務是為了滿足新的期望并創造新的收入機會 x 軸的問題：如果您的銀行合作伙伴不提供這些服務，您可能會采取什么行動？y 軸的問題：如果您的銀行合作伙伴可以提供這些服務，您最愿意付費訪問哪些服務？資料來源：Celent 公司財務主管和首席財務官調查(Corporate Treasurer and CFO Survey)，2021 年 圖表的左上象限突出顯示了這一點，即企業客戶表現出相對較高付費訪問意愿的服務改進項目。這些領域與 AI 技術可以支持的使用案例之間存在很強的一致性。例如，64%想要獲得此功能的企業愿意付費接受實時現金預測服務

28、。這里要強調的另一個領域是對分析驅動工具的興趣，以支持更好的決策。雖然類別廣泛，包括未來職位的風險評分、基于情景的預測，甚至建議的行動等主 題，但這些服務可能給財務和金融業務帶來巨額價值?？傮w而言，77%對此功能感興趣的企業將此列為他們愿意付費訪問的前三名服務領域，39%的企業將其列為首選。與現金預測一樣，從企業角度來看，效率提升相當明顯，這也將引起非銀行合作伙伴的關注。利用 AI 在支付領域的 優勢相關 Celent 研究 CELENT 13 另一方面，有一些潛在的服務增強功能被企業視為具有高價值，但基本上不愿意付費使用。然而，如果不能在這些領域有所作為，就會面臨客戶流失的風險。從圖 5 的

29、右下方象限來看，應收賬款的自動跟蹤和對賬以及更好地與公司工作流程的集成屬于這一類。雖然毫無疑問有些客戶對這些服務非常重視，樂于支付額外費用或其他費用，但從更廣泛的角度來看，許多企業將支持自動化和數據訪問視為標準服務的一部分。重點 2 使用案例：提高開發者效率 支付行業面臨著商業和監管雙重壓力，這制造了困難。與大型銀行支付產品或戰略部門的任何人交談，他們都會清楚地意識到改進服務以支持更高留存率和收入的重要性。然而，這在實踐中遠非一蹴而就，更緊迫的優先事項（如監管合規）應優先考慮。因此，這會消耗本來可以部署以支持產品增強的資源。這種情況在最大的銀行中最為突出，因為這些銀行通常傾向于優先考慮內部軟件

30、開發，而不是選擇。事實上，開發者能力不足是銀行在提供支付產品創新方面面臨的最大挑戰之一，也是Celent 在支付處理低代碼調查(Low Code in Payment Processing Survey)中探討的主題2。在歐洲和北美的一級銀行中，有45%的人將其列為他們面臨的三大障礙之一，這使其領先于當前的技術限制、合規性和更廣泛的預算問題。2 使用低代碼加速支付創新，Celent，2023 年 9 月 利用 AI 在支付領域的 優勢相關 Celent 研究 CELENT 14 圖圖6：開發者能力不足和技術限制是支付產品創新的兩大障礙開發者能力不足和技術限制是支付產品創新的兩大障礙 問題：在圍

31、繞非信用卡支付的產品創新和增強方面，以下哪項是阻礙您做更多工作的最大障礙？前三項答復。資料來源：Celent 支付處理低代碼調查(Low Code in Payment Processing Survey)，2023 年 雖然這聽起來很抽象，但確實有影響。根據我們的調查，過去兩年中，歐洲和/或北美的一級銀行平均錯失了 3.75 次為其支付方案帶來潛在創收增強的機會。這自然會導致一個問題：“機會成本是多少？”。雖然無法量化因錯過產品增強功能而造成的潛在收入損失規模（畢竟，并非所有產品都實現了預期的收益），但了解行業情緒仍然很有意義。我們的高級管理人員小組需要說明這些錯失的機會對其支付收入有何影響

32、。受訪者最有可能認為，開發者資源限制造成的機會成本占其支付領域年收入的 6-9%?？紤]到小組其他成員的回答，平均數字為 5.3%。雖然這個數字可能夸大了實際情況，但如果數字 5.3%接近準確的話，這些資源挑戰意味著銀行將留下大量收入。當然，這歸根結底是為了贏得和留住客戶業務。除非您為客戶處理付款，否則就沒有機會從賬戶余額中獲得利息收入。23%7%11%14%16%12%12%3%4%4%18%11%23%14%23%4%4%15%5%19%7%15%19%9%我們當前的供應商合作伙伴無法支持對安全的擔憂業務和技術職能之間缺乏合作IT 預算約束投資支付不是優先事項銀行內部缺乏主題專家難以構建業務

33、案例需要實施強制性變革（監管或計劃）現有技術的局限性內部缺乏開發能力或技能Rank 1Rank 2Rank 35.3%平均而言，銀行認為，由于資源限制，他們在過去兩年中無法提供的產品增強將支持支付收入增長 5.3%。利用 AI 在支付領域的 優勢相關 Celent 研究 CELENT 15 生成式人工智能成為提高開發者效率的重要工具生成式人工智能成為提高開發者效率的重要工具 雖然這一概念仍處于起步階段，但人們對生成式人工智能在軟件開發過程中所發揮作用的興趣與日俱增。生成式人工智能可以在多個領域為整個開發生命周期增加價值，以提高特定團隊的效率，并使銀行能夠支持更廣泛的產品增強和創新。生成式人工智

34、能有可能為流程增值的一些最重要領域包括 生成代碼生成代碼經過必要編程語言和 ISO 20022 培訓的 LLM 可用于根據自然語言提示生成新代碼。其中一個示例是將自然語言數據庫提示符轉換為特定數據庫的查詢（例如 SQL 或特定數據庫的查詢語言），但還有很多其他潛在的使用案例。另一個潛在優勢是，可以提高可能對特定編程語言知之甚少的開發者的效率。代碼優化代碼優化生成式人工智能技術還可用于改進和重組代碼，以消除重復并提高性能。與此相關的是，識別潛在的缺陷或錯誤是另一個可節省開發者時間的領域。文檔文檔LLM 還可用于為特定代碼段的功能提供自然語言解釋。從文檔的角度來看，這可能很有價值，而且還能找出潛在

35、錯誤或低效之處。代碼轉換代碼轉換LLM 的文本翻譯功能還可用于將以一種編程語言編寫的軟件轉換為另一種編程語言。舊版支付基礎架構是行業中的一個常見挑戰，這使其成為生成式人工智能潛在的重要功能。用戶反饋用戶反饋使用 LLM 總結非結構化用戶反饋，突出最緊迫的變更要求或缺陷，這是使用 AI 技術提高開發者效率和有效性的另一種方式。具體到支付業務中的使用案例，似乎不太可能指望任何銀行依靠 LLM 生成的代碼來運行其業務中如此敏感的部分。盡管如此，生成式人工智能發揮支持作用并釋放開發者進行更多增值活動的潛力無疑是顯而易見的。利用 AI 在支付領域的 優勢相關 Celent 研究 CELENT 16 前進

36、之路前進之路 現代數據技術，包括各種形式的人工智能，將支持企業銀行服務的升級浪潮。由于許多銀行已經投資于更有效地利用支付數據的能力，并且企業客戶的需求不可否認，這將推動中期議程。在收入增長和客戶維系兩方面都岌岌可危的情況下，做出正確投資和戰略轉變的銀行將成為長期成功的最佳選擇。沒有靈丹妙藥 考慮到 AI 在支持支付產品增強和創新方面可以發揮的作用，可采取的方法并非單一。這是長期戰略問題，需要謹慎對待。如果銀行從一次性舉措和戰術產品改進的角度來看待對以數據為主導的服務或其他 AI使用案例的投資，將難以實現投資回報率，也會錯失長期競爭的更大機遇。歸根結底，目標不僅僅是收入。該行業的真正機會是跨多個

37、領域改進運營績效和面向客戶的服務。這是留住現有客戶和推動收入增長的關鍵。最終，這將要求銀行深化對數據管理和使用方式的投資，以支持廣泛的改進項目。該行業正處于這一進程的早期階段，但一些銀行已開始迅速采取行動。盡管行動窗口遠未關閉，但充分利用支付數據的內在價值應視為高級戰略優先 事項。成功需要堅實的基礎 這個領域瞬息萬變。AI 領域將取得進一步技術進步，這無可厚非，而關于行業內潛在使用案例的新思維也將不斷涌現。與此同時，終端客戶的需求也不會一成不變，如今備受推崇的增值服務可能很快就會成為擺設。為了長期保持競爭力，銀行應投資于能力建設，不僅支持當前產品增強和創新，而且支持未來的產品增強和創新。在許多

38、情況下，這需要同時投資于支付基礎架構的現代化。雖然仍有可能在傳統技術的基礎上改進服務，但如果流程簡化和數據結構等基礎工作已準備就緒，釋放價值將更加容易、成本更低、速度更快。創建正確的數據架構也至關重要。靈活性和性能將日益重要，并且利用現代數據庫技術（包括利用云服務的可擴展性）也應該成為尋求面向未來投資的銀行的優先事項。一個關鍵的考慮因素是確保能夠靈活地集成多種不同的數據類型、來源和模型。最具前瞻性的機構已經開始布局。銀行內部正確的數據管理方法和戰略同樣重要。需要考慮的最后一個方面是技能、結構和組織文化。隨著時間的推移，產品設計和開發將更加依賴于利用不同的數據組件和技術來創建和支持增強服務的方式

39、。這將要求產品團隊至少在機器學習、NLP、生成式人工智能、高級 利用 AI 在支付領域的 優勢相關 Celent 研究 CELENT 17 分析和數據科學等領域引入新技能。至少，他們需要與組織內的核心團隊取得聯系。為數據貨幣化等垂直領域創建單獨的產品管理功能也可能有利，這與水平領域（例如端到端 SEPA 或實時支付）不同。在所有這些方面，創造一種讓團隊進行試驗并可能快速失敗的文化也很重要。確定優先順序的重要性 銀行可以通過多種方式使用 AI 技術增強面向客戶的服務，或以其他方式提高運營效率。然而，沒有任何單一產品的增強功能能夠顯著提高銀行的收入或盈利能力。在支付領域中能夠更多地利用 AI，實際

40、上是在多個工作流程和/或增值服務方面實現一系列改進，從而共同推動降低運營成本、增加新的費用收入和提高客戶維系能力?？傊?，這些都可能為銀行帶來可觀的收入。除了圍繞數據戰略和底層技術架構進行長期思考之外，銀行還必須考慮如何最好地確定其工作的優先順序。一些企業將著眼于中后臺流程的直接改進，而另一些企業則將更直接地解決面向客戶的領域。對于生成式人工智能來 說，一個重要的考慮因素是，以何種速度向客戶提供由 LLM 支持的客戶 體驗。利用 AI 在支付領域的 優勢相關 Celent 研究 CELENT 18 利用利用 CELENT 的專業知識的專業知識 如果您認為本報告很有價值，您可以考慮與 Celent

41、 合作進行定制分析和研究。我們在編寫本報告過程中積累的集體經驗和知識可以幫助您簡化戰略的創建、完善或執行過程。對金融機構的支持 我們支持的典型項目包括：供應商篩選和選擇。供應商篩選和選擇。我們針對您和您企業進行調查，以更好地了解您的獨特需求。然后，我們為選定的供應商創建并管理自定義 RFI，幫助您快速、準確地選擇供應商。業務實踐評估。業務實踐評估。我們會花時間評估您的業務流程和要求?；谖覀儗κ袌龅牧私?，我們會識別潛在的流程或技術限制，并提供清晰的見解，幫助您實施行業最佳實踐。IT 和業務戰略制定。和業務戰略制定。我們收集您的管理團隊、一線業務和 IT 員工以及您的客戶的觀點。然后，我們根據您

42、的目標分析您當前的職位、機構能力和技 術。如有必要，我們可以幫助您重新制定技術和商業計劃，以滿足短期和長期需求。對供應商的支持 我們提供的服務可幫助您完善產品和服務。示例包括：產品和服務策略評估。產品和服務策略評估。我們幫助您評估您在功能、技術和服務方面的市場地位。我們的戰略研討會將幫助您鎖定合適的客戶，并將您的產品與他們的需求相匹配。市場信息和抵押品審查。市場信息和抵押品審查。根據我們與您的潛在客戶打交道的豐富經驗，我們會評估您的營銷和銷售材料，包括您的網站和任何宣傳材料。利用 AI 在支付領域的 優勢相關 Celent 研究 CELENT 19 相關相關 CELENT 研究研究 生成式人工

43、智能 透視企業銀行業務使用案例 2023 年 12 月 使用低代碼加速支付創新：釋放更大的敏捷性和靈活性 2023 年 9 月 企業銀行業務 2023 年全球 IT 優先事項和戰略：客戶至上的生存和發展戰略 2023 年 7 月 2022-2027 年企業銀行技術支出預測：擺脫疫情影響 2023 年 3 月 銀行的支付處理機會：將基于賬戶的支付從成本中心轉移到收入流 2022 年 10 月 利用企業銀行數據實現價值：數據策略管理建議 2022 年 8 月 云支付是未來：您準備好了嗎？2022 年 8 月 優化、擴展和貨幣化：交易銀行業務收入重振旗鼓 2021 年 12 月 歐洲的支付數據貨幣化

44、機會 2021 年 10 月 支付數據貨幣化的期望與現實：確定企業想要的數據主導服務 2021 年 6 月 COPYRIGHT NOTICE 版權 2024 Celent，Oliver Wyman,Inc.的分公司，后者是 Marsh&McLennan Companies NYSE:MMC 的全資子公司。保留所有權利。未經 Celent（Oliver Wyman 旗下公司）（以下簡稱“Celent”）書面許可，不得以任何形式或手段復制、復印或轉發本報告的全部或部分內容，Celent 對第三方在此方面的行為不承擔任何責任。Celent 和任何第三方內容提供商（其內容包含在本報告中）是本報告內容的

45、唯一版權所有者。本報告中的任何第三方內容均已獲得相關內容所有者的許可。未經 Celent 明確授權，嚴禁任何第三方使用本報告。未經相關內容所有者的明確許可，嚴禁任何第三方使用本報告中包含的任何第三方內容。未經 Celent 的事先書面許可，本報告不得用于一般分發，也不得由第三方為本報告中可能列出的目的以外的任何目的使用、復制、復印、引用或分發。未經 Celent 事先書面同意，不得通過媒體、公共關系、新聞媒體、銷售媒體、郵寄、直接傳送或任何其他公共傳播方式向公眾傳播本報告的全部或部分內容，或在本報告中表達的任何意見。任何侵犯 Celent 在本報告中的權利的行為都將在法律允許的最大范圍內予以強

46、制執行，包括在違反上述限制的情況下尋求金錢賠償和禁令救濟。本報告不能替代針對特定金融機構應如何執行其戰略的量身定制的專業建議。本報告并非投資建議，不應作為投資建議的依據，也不應取代向專業會計師、稅務、法律或財務顧問的咨詢。Celent 已盡一切努力使用可靠、最新和全面的信息和分析，但所提供的所有信息均不提供任何形式的明示或默示保證。本報告全部或部分內容所依據的由他人提供的信息被認為是可靠的，但未經核實，也不保證這些信息的準確性。公開信息以及行業和統計數據，均來自我們認為可靠的來源；然而，我們對此類信息的準確性或完整性不做任何陳述，并且在未經進一步核實的情況下接受了這些信息。Celent 不承擔

47、更新本報告中的信息或結論的責任。對于因本報告中包含的信息或本文提及的任何報告或信息來源而采取或不采取的任何行動而造成的任何損失，或者任何間接、特殊或類似的損害，Celent 不承擔任何責任，即使已被告知可能造成此類損害。本報告沒有第三方受益人，我們對任何第三方不承擔任何責任。本報告所表達的意見僅適用于本報告所述目的，且截至本報告發布之日有效。對市場狀況或法律或法規的變化不承擔任何責任，也沒有義務修改本報告以反映在本報告發布日之后發生的變化、事件或狀況。美洲美洲 歐洲、中東和非洲歐洲、中東和非洲 亞太亞太 USA 99 High Street,32nd Floor Boston,MA 02110

48、-2320 +1.617.424.3200 Switzerland Tessinerplatz 5 Zurich 8027 +41.44.5533.333 Japan Midtown Tower 16F 9-7-1,Akasaka Minato-ku,Tokyo 107-6216 +81.3.6871.7008 USA 1166 Avenue of the Americas New York,NY 10036 +1.212.345.8000 法國法國 1 Rue Euler Paris 75008 +33 1 45 02 30 00 香港香港 Unit 04,9th Floor Central

49、 Plaza 18 Harbour Road Wanchai +852 2301 7500 USA Four Embarcadero Center Suite 1100 San Francisco,CA 94111 +1.415.743.7800 意大利意大利 Galleria San Babila 4B Milan 20122 +39.02.305.771 新加坡新加坡 8 Marina View Asia Square Tower 1#09-07 Singapore 018960 +65 6510 9700 巴西巴西 Rua Arquiteto Olavo Redig de Campos,105 Edifcio EZ Tower Torre B 26 andar 04711-904 So Paulo +55 11 3878 2000 英國英國 55 Baker Street London W1U 8EW +44.20.7333.8333 欲了解更多信息，請聯系 或：Kieran Hines