生成式 AI 是 AI 的一个类别，可以创建新的文本、图片、视频、音频或代码。生成式 AI 由可以处理多项任务和执行开箱即用任务（包括摘要、问答、分类等）的基础模型（大型 AI 模型）提供支持。生成式 AI 的工作原理是利用机器学习模型，学习人工创建的内容数据集中的模式和关系。然后，它会利用学到的模式生成新内容。了解银行业的其他应用场景。

虽然 AI 在为银行及其客户改进银行体验方面的潜力巨大，但应以负责任的方式开发和应用它。这在生成式 AI 中尤为重要。这是因为，在谈到生成式 AI 在受管制的行业（例如较大的银行系统）中使用时，人们对生成式 AI 准确性和安全性的担忧尤为突出。我们确定了银行业的生成式 AI 的四个关键组成要素：可解释性、监管、隐私和安全。 

将语音转成文字，通过从客户互动（例如联络中心通话）中获得的数据洞见改善您的服务，推动更好的客户服务体验。

使用 Natural Language AI 分析给定文本中的情绪以及主要的情绪观点，例如投资研究、聊天数据情绪等。

检测异常情况，例如欺诈性交易、金融犯罪和网络威胁。

通过在零售和商业银行业中使用 AI，更快、更准确地发现可疑的潜在洗钱活动。 

根据客户转化历程、同行互动、风险偏好和财务目标，针对金融产品和服务（例如银行产品）提供高度个性化的建议。

使用快速、动态的大规模机器翻译功能打造多语言内容（例如财经新闻和应用），以增强客户互动并覆盖更多受众群体（无论他们身在何处）。

从文档中提取结构化和非结构化数据，然后分析、搜索和存储这些数据，以用于涉及大量文档的流程，例如贷款服务和投资机会发现。

从图片和视频中提取实用信息，通过身份证明文件验证加快客户引导流程。

为客户呈现如同真人一般、由 AI 赋能的联络中心体验（例如银行礼宾部或客户中心），从而降低成本并节省客服人员的时间。将智能、直观的体验融入到您的应用、网站、数字平台和虚拟工具中，推动个人理财业务的转型，并为客户提供更多理财方式。

使用数据客户、风险、事务、交易或其他数据洞见，高度精确地预测未来的特定结果。这些功能在检测欺诈、降低风险和预测客户未来需求方面非常有用。

使用完整的数据管理、分析和机器学习工具套件生成数据洞见并从数据中发掘价值，为商业智能和决策制定提供支持。

使用数据客户、风险、事务、交易或其他数据洞见，高度精确地预测未来的特定结果。这些功能在检测欺诈、降低风险和预测客户未来需求方面非常有用。 

持续监控和分析网络流量以检测、预防和应对网络攻击和威胁，实现信息安全自动化。

以自然且负责任的方式进行创建、推荐、合成、分析和互动，打造 AI 赋能的全新搜索和对话体验。观看此视频，了解银行如何利用生成式 AI 转变解决客户信用卡相关问题的方式。 

AI 有望加快整个银行业的增长速度。数字平台使银行能够采用新的销售策略、提高效率、专注于数据利用，并大规模提供基于关系的个性化客户互动。AI 在促进定制化客户响应、提供更安全可靠的产品和服务建议，以及通过在关键时刻为客户提供更多礼宾服务来赢得信任方面至关重要。

此外，银行必须建立独特的、基于权限的数字客户资料。但难点在于，必要的数据往往各自孤立地存在。通过打破这些孤岛、集成 AI 并将其与人机交互无缝结合，银行可以打造在满足客户个人需求的同时，高效扩容以适应增长的体验。