Provenir的Carol Hamilton关于信用风险决策，预防欺诈和奖励

它表明，将近一半的金融服务高管正在努力管理信用风险，检测和防止欺诈。

该调查还透露，许多人在2025年对其信用风险决策和预防欺诈策略进行了改造，而AI发挥了重要作用。

• 将近60％的人说他们发现很难部署和维护风险决策模型。

• 有55％的高管认识到AI的价值，以做出简化的策略决策，并具有提供AI驱动性绩效改进建议的能力。

• 37％的人说，他们在有效的数据编排方面难以进行预防应用程序欺诈，特别是无法轻松摄入和整合新的数据源。

• 36％的人在使用AI和机器学习进行预防方面面临挑战。

客户和帐户管理的关键优先级是实时的，事件驱动的决策（65％），消除了客户生命周期的摩擦（44％），并增加了客户寿命价值（44％）。超过一半的受访者认为，他们面临的最大数据挑战是能够轻松地将数据源集成到决策过程中。

“我要说的是投资肯定正在发生，还有更多的项目试图摆脱困境并开始。这是执行，尽管这仍然是挑战。因此，我们看到了投资，但是我觉得AI仍在通过组织的过渡，以了解他们如何在业务中采用它并有效。”

汉密尔顿（Hamilton）建议，组织应考虑从小开始并巧妙地扩展以减轻风险并确保可衡量的影响。这意味着从提供快速投资回报的AI项目开始，例如信用评分和自动化客户的决策，或者可能少一些受欺诈检测的监管领域。以早期胜利为重点的分阶段方法将建立对AI驱动策略的信心，同时证明有形的业务价值。

“美国和加拿大银行在AI采用方面领导了指控，现在将近三分之二的人投资于AI和嵌入式情报，高于任何其他地区。因此，这是一个非常积极的迹象，但是整合确实对北美银行仍然是一个挑战。

“我们确实看到EMEA的合规性和安全问题要高于其他地区，许多地区都认为这是AI采用的障碍。对欧洲银行的挑战是，尽管它们的数据丰富，但他们经常努力将其协调共同努力，以释放它的力量。

“这是公司采取行动的关键时刻，但我确实认为这是一个非常积极的迹象，即使这些项目逐步统一决策，进行AI并优化数据集成有很多精力。

“最后一点是，讨论通常是基于降低风险和阻止坏处的前提，但我们并没有真正谈论过的一半，即使他们能够真正为这些组织开辟新的创新和增长机会。

“因为如果您真的了解自己与谁开展业务以及他们所构成的威胁或风险，那么您会发现那是一个很小的威胁和小的风险，它们可能对您来说是一个绝妙的客户，您希望将时间和精力投入到正确的方式中，以使他们和您的业务价值推动价值。”

那是挑战和巨大的潜在奖项。 AI实现积极主动的参与和量身定制的提供，通过AI动力决策模型来推动忠诚度并最大化客户价值，以确保以客户为中心的方法，可以实时动态适应客户行为。消除不必要的摩擦，同时保持强大的风险控制很容易汇总执行。

赢家将成为获奖者，可以通过AI和实时数据和见解来提供更智能，更快，更中心的体验，并利用超级个性化以提高参与度和终身价值。

“ Provenir的Carol Hamilton关于信用风险决策，预防欺诈和奖励”最初是由GlobalData拥有品牌International International创建和发布的。

本网站上的信息仅出于一般信息目的而真诚地包括在内。它并不是要依靠您应该依靠的建议，我们不提供任何表示明示或暗示其准确性或完整性的陈述，保证或保证。您必须根据我们网站上的内容采取或避免采取任何行动，从而获得专业或专业建议。