如今，银行业已经发展得十分成熟，但也有可能会受到颠覆。创业银行正在挑战传统的单一金融机构，以寻找更灵活的工作方式，变得更智能，用更少的资源做更多事情。人工智能(AI)可能是一个很有吸引力的前景，但部署这样的先进技术并不是一种即插即用的方案。

　　现实情况是，许多银行在谈到人工智能时仍处于临时阶段。有一些非常复杂的系统被用于欺诈检测和贷款认证，但可以说这是常态。

　　那么银行为什么要将人工智能作为战略重点呢?现在银行可以采取哪些措施来确保人工智能系统的成功进一步发展?

　　监管推动和消费者拉动

　　简短的回答就是人工智能正在成为必需品，从各种角度来看，其中包括成本，风险和市场竞争力。

　　新一代消费者希望全天候提供服务，直观、即时、并满足他们的需求。对于银行而言，这意味着提供满足个人消费模式、设备偏好和当前生活状况的服务。企业人工提供这是一项很高的订单，但客户的所有数据都是提供这些服务的。银行只需要找到一种方法来访问它。

　　成功访问和分析数据将为客户提供更加简化的服务，更快地为企业提供洞察力意味着更快地向客户提供服务。银行还可以利用他们对客户支出模式的见解，为客户提供有关财务状况的定制建议，这可以提升客户体验。

　　与此同时，立法变革正在增加额外的复杂性，包括具有全球影响的法规，如通用数据保护法规(GDPR)。GDPR法规要求客户个人数据具有“单点真实性”。事实证明，许多组织的实施是一项特别繁重的任务，如果不是完全不可能的话，可以人工完成。银行需要某种系统，能够智能地将所有见解汇集到一个具有明确代表性的合规报告中。

　　转向人工智能

　　如果人工智能是消费者个性化和法律合规的必要条件，为什么世界各地的银行都不会简单地投资和部署它?事实证明，虽然人们对更多的分析，更多的人工智能和更多的洞察力有着极大的兴趣，但所有这些都要求银行克服重大的遗留基础设施障碍。组织不能将人工智能插入一个像USB驱动器这样的旧系统，并期望它能够产生你想要的结果;相反，需要将数据放入更易搜索的敏捷框架，然后才能在顶部添加人工智能。

　　要做到这一点，银行需要确保他们主要关注踏脚石技术，例如数据基础设施自动化。通过自动执行大量手动、耗时的迁移任务，数据基础架构自动化可以在遗留许多组织的遗留数据仓库与数据基础设施和敏捷性的未来之间提供重要的桥梁。

　　这对于拥有大量遗留基础设施环境的传统银行尤其有用。这些银行往往拥有大量旧的大型机系统，很少或根本没有现代分析功能，他们应该或应该尽快寻求改变。IT基础设施越多样化，传统和现代系统越蔓延，就越需要找到简化所有这些并部署更复杂、更快速的分析功能的方法。

　　数据基础设施自动化可以帮助实现这一目标，这将简化和加速数据基础架构迁移过程。此外，正确部署的自动化可以减少现代化带来的许多不同潜在风险：错误风险、缓慢行动的风险、人为疏忽的风险。此外，通过数据基础设施自动化实现数据摄取过程自动化的成本节约可以使银行更具竞争力，更具创新性。在更大的方案中，单一的金融机构正在感受来自新挑战者新贵的推动，找到通过数据和洞察技术变得更加灵活的方法变得越来越重要。

　　IT基础架构，特别是分析和人工智能功能，将在未来几年内发生重大变化。与此同时，GDPR法规等法律要求可能会改变，并将继续这样做。为了跟上这些变化，银行将需要越来越全面的数据提取，管理数据格局的方法以及更快、更便宜的洞察和价值体系时间。在此过渡期间，数据基础设施自动化将成为当前传统环境与银行人工智能驱动未来之间的关键基石。