金融行业如何利用机器学习赋能智能文档处理.pptxVIP

云科技金融行业电子书」

AI/ML

JumpStartAI

SageMaker

AI智能

议程

从金融行业来看，人工智能和机器学习会覆盖整合业务场景

金融机构越来越多地投资于AI/ML，因为它具有成本效益、易于使用且可使用云基础架构进行扩展

交易和数据分析

•投资组合管理/机器人咨询

•算法交易

•情绪/新闻分析

•图像分析

•网格计算调度

•证券借贷

•NAV评论

•期权定价

用户体验

•通过移动应用程序和聊天机器人增强客户服务

•呼叫中心优化

•个人财务管理

•通过首选交互渠道进行客户触达

核心业务流程面向客户

价格预测和产品推荐

•贷款/保险承保

•金融产品的销售/推荐

•信用评估

•银行账户余额

合规和防欺诈

•信用卡/账户欺诈检测

•销售行为/交易监查

•反洗钱/制裁

•调查优化

•监管映射

金融文档处理

•通用金融凭证分类

•合约信息采集和分析

•金融信息提取

•企业行为

文档处理需求遍布各种金融场景

文档数据提取与自动化理赔

利用文档中的数据来识别异常行为

简化客户加入相关文档处理

自动化投研文档处理与生成

加快信用卡申请的处理

客户加入KYC

自动化贷款文档处理

银行贷款发放

信用卡申请

保险理赔

反欺诈

投研

手动处理文档的挑战

当前基于规则的系统并

不智能，还可能因格式

变化而中断

手动提取文本非常耗

时、容易出错，而且成

本高昂

对于大量文档，手动处理不容易扩展

引入新文档需要大量精力，耗时长

涉及的相关技术

语义特征布局特征视觉特征

多模态特征提取

光学字符识别

工程化实现

AI应用的困境应用和部署障碍：

基础设施（硬件及架构）

•算力资源不足

•模型框架与硬件的适配性表现算法（模型相关）

•模型复杂度

•模型变更与迭代数据

•数据质量

•数据特点导致模型泛化能力差

人才短缺

投入产出比

不足

应用和部署

障碍

JumpStart解决方案模版与AI全家桶

基于AI托管服务的职智能文档处理解决方案

基于SageMaker自建模型的方案与案例分享

金融行业的文档处理需求与难点

亚马逊支持全自动的IDP

工作流程，无需机器学习

经验

分析文档并将关键见解发送到下游系统和工作流程

降低文档处理的运营成本

借助准确、多功能的信息提取，超越OCR

更快为终端客户提供服务

智能文档处理（IDP）的价值

9

AI

服务

AMAZON

SAGEMAKER

CANVAS

业务分析人员的无代码机器学习环境

STUDIOLAB

ML学习环境

GROUNDTRUTH

数据标注

EDGEMANAGER

边缘设备管理

对话

AmazonLex

AmazonTranscribeCallAnalytics

ContactLens

VoiceID

机器学习框架

与基础设施

FPGA

文本

AmazonTranslate

STUDIOIDE

模型训练

使用notebooks

进行构建

参数调优

CI/CD|GOVERNANCE|RESPONSIBLEML

亚马逊云科技AI/ML技术栈

提供完整、深入的机器学习能力

PyTorch,ApacheMXNet,TensorFlow

AmazonEC2

CPUs

GPUs

Amazon

Inferentia

Amazon

Trainium

Habana

Gaudi

医疗健康

AmazonHealthLake

AmazonComprehendMedicalAmazonTranscribeMedical

AmazonOmics

业务处理

AmazonPersonalize

AmazonForecast

AmazonFraudDetector

AmazonLookoutfor