当前人工智能在银行业的应用领域，来源：自己的插图，基于 Kaya (2018)只有当聊天机器人和语音助手能够识别、构建和应用预定义的“如果-那么”场景之外的有意义的问答关系时，它们才被认为是智能的。例如，在德国，用于消费者在线贷款申请的数字助理仍处于测试阶段。只有当聊天机器人或语音助手能够为个人和复杂的问题提供有用且正确的答案时，才会被认为是聪明或积极的。否则，您将面临非常负面的客户体验的风险。
用于信贷流程的人工智能数字助理
人工智能的进一步可能应用出现在零售银行和已经基本上自动化的贷款业务中。私人客户银行尤其可以从实施的人工智能解决方案中受益，例如确保或提高数据质量并使用广泛的交易数据。人工智能的使用 居住者名单 可以简化银行和客户的信用检查。在请求融资或签订租赁协议之前，银行或房东通常要求“保密的自我披露”。这个过程有一个集成人工智能的解决方案，可以从现有交易数据中自动导出和构建所需的信息。这消除了某些步骤，例如提交工资单。自动完成的自我披露减少了利益相关方的工作量，并加速了信用决策的决策过程。该银行还可以节省阅读和检查现有信息时的手动步骤，并可以考虑所有已知数据来优化风险评估。
此外，德国银行业还提供自动化数据分析的潜力，以识别和满足个人客户的需求。通过使用基于成功的“下一个最佳报价”概念的产品推荐，可以创造更多的商机。通过使用机器学习，可以识别以前未检测到的交互，以提高推荐质量和转化率。
银行还可以在企业银行业务的客户界面上使用人工智能和机器学习，例如在流动性规划中。一些银行为此开发了所谓的 CashRadar。它涉及使用机器学习分析历史账户数据，以创建未来四个月的未来余额预测。通过这种方式，可以警告可能出现的瓶颈并降低客户的风险。
通过自动化提高后台效率
在银行后台系统中，当前大多数人工智能用例旨在提高自动化水平以提高效率。许多模仿人类流程的机器人流程自动化 (RPA) 解决方案已投入使用。人工智能技术有潜力通过处理以前的非结构化输入来推进 RPA。光学字符识别（OCR）可以识别文本和图像，而自然语言处理（NLP）可以理解和评估它们。这样，扫描文档、工资单、身份证以及其他申请和合同文档就可以分类，以便 RPA 应用程序进一步处理。