从大型银行到金融科技初创公司,金融服务行业正在利用人工智能(AI)来吸引和帮助Z世代客户。Z世代是指在1997年至2012年之间出生的人群,没错,即使是青少年,他们也在拥抱金融科技。
对于金融行业来说,AI驱动的金融应用在改善客户服务、优化成本、为客户提供有价值的新产品方面,正在发挥着重要的作用。AI是Z世代与金融机构沟通的一个主要方式,其范围涵盖了从聊天机器人到欺诈检测、再到任务自动化的方方面面。
Infosys北美金融服务负责人Dennis Gada向ZDNet表示:“Z世代完全是数字原生的一代。对他们来说,银行或金融服务是他们生活方式的一种延伸……银行的数字化程度越高,信任度就越高。”
利用AI更好地服务Z世代客户
Z世代是使用Alexa和Siri长大的一代。对话式AI是他们的第二天性,因此金融机构正在利用这种技术为客户提供24/7全天候服务。然而,对话式AI并不局限于基本的聊天机器人,也可以是识别语音模式、识别和推荐工具、以及访问后端系统以获得答案。
Capital One在2017年推出首款基于AI的个人理财工具,被多家美国银行所采用。这是一种基于自然语言的、基于SMS文本的助手,提供欺诈监控、订阅服务价格上涨通知等超过12种功能。
今天,美国银行(Bank of America)开发了Erica,一种可以提供个性化理财指导的虚拟助理。客户可以检索账户余额或者交易详情等日常信息,也可以通过这个AI工具处理解决更复杂的请求。Erica可以回复客户答案或者将客户引导至适当的资源。
预测分析是Z世代对金融服务行业的另一个期望。Truebill等应用可以分析多个账户的数据,并在支出模式发生变化可能导致透支费用的情况下发出警报。Digit则利用AI技术评估客户的消费习惯、预测费用,并根据分析自动节省金额。Personal Capital提供了一个可以监控所有账户的仪表板,利用AI技术提供一套有用的免费预算和投资组合管理工具。
AI也引入了一种Z世代友好型的融资模式。有很多AI驱动的工具促使与订阅提供商重新谈判服务合同,而且所有这些都不涉及订阅用户,然后订阅用户可以选择和这些AI工具对节省下来的资金进行分成。
“这些都是真正受Z世代欢迎的增值服务,”Gada解释说。
根据Cornerstone的研究显示,只有1/3的消费者认为他们正在最大限度地节省开支。AI驱动的金融应用和金融工具正在吸引那些想要节省更多钱、做出更好理财决策的消费者——而不必等待很长时间和真人客服进行沟通。
AI改变Z世代的理财习惯
受乔治华盛顿大学商学院和TIAA研究所委托进行的一项调查发现,与老一代相比,Z世代的金融知识水平最低。只有43%的Z世代受访者正确回答了大多数问题,而平均值为55%。此项调查共涉及3035名受访者。
不过,Z世代在他们这个年纪的财务状况可能比其他任何一代人都复杂。Cornerstone的研究发现,Z世代中有1/5的人已经在使用自动储蓄工具了。
根据2022年1月27日至2月7日期间Investopedia对4000名成年人进行的在线调查显示:
“我们看到很多投资公司都在关注Z世代,他们通过机器人对抗技术为Z世代提供替代的方案。根据Z世代不同的生活方式要求,这些企业正在向他们推荐一种可以省钱的投资方法,以及如何实现自动化储蓄。”
Z世代还处于成年早期;长期投资回报可能还不是吸引他们学习金融知识的诱因。不过,许多金融科技公司鼓励这个群体通过考虑短期生活方式目标(例如为假期储蓄),然后借助工具和服务提供的AI和个性化推荐,为了实现目标而努力工作。
好文章,需要你的鼓励
YouTube开始推出肖像检测工具,帮助创作者识别和举报使用其面部特征的AI生成视频。该系统类似于版权检测机制,目前处于测试阶段,仅向部分创作者开放。用户需要提供政府身份证件照片和面部视频来验证身份。系统会标记疑似包含用户肖像的视频,但无法保证100%准确识别AI内容。YouTube将根据多项因素决定是否移除举报的视频。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。
谷歌宣布在AI Studio平台中引入"氛围编程"体验,让编程和非编程用户都能更轻松地开发应用程序。用户可通过简单提示生成可运行的应用,新功能包括应用画廊、模型选择器、安全变量存储等。平台还添加了模块化"超能力"功能和"手气不错"按钮来激发创意。完成的原型应用可一键部署到谷歌云运行平台。此次更新正值业界期待谷歌即将发布Gemini 3.0大语言模型。
中国人民大学研究团队开发了Tool-Light框架,通过信息熵理论解决AI工具使用中的过度调用、调用不足和过度思考问题。该框架采用熵引导采样和两阶段自演化训练,让AI学会合理使用外部工具。在10个推理任务测试中,Tool-Light显著提升了AI的效率和准确性,为AI工具集成推理提供了新的解决方案。