預計到2030年為金融行業(yè)節(jié)省超過1萬億美元。

面對機遇，很多銀行開始采取行動。但是如何才能最大程度地利用人工智能技術呢？

這時候，銀行就面對著同樣一個嚴峻的現(xiàn)實：要想成功部署人工智能應用，光有海量的數(shù)據(jù)還不夠。對于人工智能交付結果而言，數(shù)據(jù)質(zhì)量起到了重要的作用，這正是絕大多數(shù)組織都在努力解決的難題。

在過去幾十年內(nèi)，各大銀行一直在收集數(shù)據(jù)，因此，數(shù)據(jù)管理變得極為復雜。數(shù)據(jù)通常是斷續(xù)的，并且以不同的格式存儲，整個組織布滿了無法使用的孤立信息數(shù)據(jù)庫，這使得全銀行范圍內(nèi)的研究難以開展，人工智能應用也無法從數(shù)據(jù)中發(fā)現(xiàn)見解。

）」——亞馬遜、谷歌和蘋果公司等巨頭使用的一項技術——可以連接不同的數(shù)據(jù)庫，讓它們變得可供搜索。知識圖譜還可以連接結構化和非結構化數(shù)據(jù)，使人工智能應用不僅可以使用內(nèi)部數(shù)據(jù)庫的信息，還可以使用文本等文檔中的信息。

「知識圖譜」如何起作用？

知識圖譜是知識領域的模型。它映射了企業(yè)的所有業(yè)務對象和概念，以及它們之間的相互關系。知識圖譜被構造為附加的虛擬數(shù)據(jù)層，位于現(xiàn)有數(shù)據(jù)庫之上，并將數(shù)據(jù)大規(guī)模鏈接在一起。電子表格等結構化數(shù)據(jù)，以及文本文檔等非結構化數(shù)據(jù)，都是知識圖譜連接的對象。

知識圖譜基于知識和概念，因此要想創(chuàng)建良好的知識圖譜，必須讓整個組織內(nèi)不同領域的主題專家都參與進來。這增加了對協(xié)作的需求，并加強了知識管理領域的共同責任和透明度。而且，由于該技術并不會取代現(xiàn)有的IT系統(tǒng)，而是對它們進行加強，因此具有極高的成本效益。

）定義了金融業(yè)務應用程序中有趣的一組業(yè)務對象，以及它們之間的相互關系。通過使用FIBO，組織可以使任何描述財務業(yè)務的數(shù)據(jù)變得有意義。

使用語義人工智能的個性化銀行服務

知識圖譜、自然語言處理（NLP）和人工智能的結合，對于銀行業(yè)的數(shù)字化轉型將是至關重要的。

一種特別有趣的趨勢是，使用該技術來改善個性化的客戶服務。這可以通過使用知識圖譜構建推薦系統(tǒng)來完成，在線商店也經(jīng)常使用類似的推薦系統(tǒng)向用戶展示相關產(chǎn)品。

）——藍紋奶酪中最富盛名的一種，盡管絕大部分的推薦系統(tǒng)可能會向這位用戶推薦其他類型的藍紋奶酪，但是得到知識圖譜支持的推薦系統(tǒng)則可能會技高一籌，它可能會推薦一款與特定類型奶酪搭配的葡萄酒。

——在這種情況下，奶酪和葡萄酒及其所有屬性，可提供豐富的、額外的語境信息——這會讓建議的質(zhì)量有所不同。