工智能之前寻求完美的数
等待完全准备就绪并不是一个成功的策略：数据准备源于行动，其中的举措塑造了流程、风险承受能力，并成为建立数据文化的唯一可行催化剂。那些在数据工作中设置过多门槛的人冒着成为落后者的风险——更不用说失去愿意实现这一转变的人才的相关风险了。2. 平衡是人工智能竞赛的核心：
管理投资和银行业务的关键在于承担经过计算的风险。银行拥有如此强大的风险管理 DNA 和模型风险管理要求，因此对与数据、分析和人工智能相关的风险有极高意识是理所当然的。
在利用数据和开发人据准备并不是一个成 多米尼加共和国电报数据 功的策略。从人工智能中获益的金融机构是那些敢于以可控的方式采取行动、拥有正确的关注点和安全网的机构。这首先要让人们访问数据，这是获得所有权、数据意识和行动的必要步骤。有了正确的框架和 IT 设置，银行就有可能让广大社区具备测试、学习、开发和将数据转化为有意义的输出的能力——无论是为了更好地了解客户、管理风险，还是在不危及治理目标的情况下提高运营流程的弹性。
在反洗钱 (AML)领域，人们对人工智能的潜力达成了共识，但对管理不善的模型的不良影响深感担忧。如今，所有银行都配备了基于规则的引擎。这些引擎往往会引发大量误报，并限制早期新风险识别的能力，导致警报管理成本高昂且设置无效。在保持现有系统正常运行和通过首次警报分层、敏捷阈值测试和简化规则与机器学习警报比较逐步增强系统之间取得平衡，对于在该领域实现成功转型至关重要，并获得包括市场监管机构在内的所有利益相关者的正确信任。
頁:
[1]