这种效率与准确性之间的微妙平衡体现了汇丰对人工智能的态度。 构建面向未来的分析能力 两家银行都强调，成功的分析需要全面、长期的方法。他们的经验凸显了金融机构在寻求提升分析能力时需要考虑的几个关键因素。 制定清晰的治理框架 “了解你的人工智能风险偏好至关重要，因为银行业是一个受到严格监管的环境。” Johri 强调。银行需要建立以下治理结构： 定义人工智能的可接受用途 建立监测和控制机制 确保遵守不断发展的法规 保持人工智能决策的透明度 创建可扩展的解决方案 Li Mandri 强调了建立与组织共同成长的系统的重要性： “当你尝试对模型进行原型设计时，你必须关注数据安全、道德考量，你必须找到一种监控该模型的方法。
你需要模型标准治理。” 成功扩展需要： 模型开发的标准方法 清晰的评估框架 模型更新的简单流程 强大的监控系统 定期绩效评估 投资人才和技能 两位领导都强调了技术人才对于分析成功的重要性。 “制定良好的招聘策略以及培养 美国赌博数据 数据素养非常重要。” Johri 指出。银行需要： 制定全面的培训计划 为分析专业人员创建清晰的职业道路 促进技术团队和业务团队之间的协作 建立新兴技术的内部专业知识 规划未来 展望未来，两家银行都在为加强监管和提高透明度的要求做准备。重点关注领域包括： 适应新的隐私法规 让人工智能决策更易于解释 加强网络安全措施 金融机构的实用步骤 汇丰银行和荷兰银行分享的经验为金融机构在分析旅程的任何阶段提供了宝贵的见解。
他们的成功和挑战勾勒出一条清晰的前进道路。 成功的关键步骤 希望增强分析能力的金融机构应该： 从坚实的基础开始 投资清晰的数据治理框架 设定数据质量标准 建立彻底的文档流程 创建透明的数据跟踪 对人工智能实施进行战略思考 关注变革而不是小变化 考虑人工智能项目的全部成本 构建可成长的解决方案 平衡创新与风险管理 投资于人才和流程 培养内部分析专业知识 创造清晰的职业发展路径 促进技术团队和业务团队之间的协作 建立数据素养文化 规模规划 建立监测系统 创建治理框架 制定模型开发的标准方法 保持灵活性以适应未来的监管变化 了解更多 想要听取这些行业领袖的更多见解吗？请点播观看完整的网络研讨会录像。