與Dennis Kettler的訪談：人工智慧如何改變支付方式

Dennis Kettler 是 Worldpay 的全球數據策略與數據科學主管。

探索頂尖金融科技新聞與活動！

訂閱 FinTech Weekly 的電子報

由 JP Morgan、Coinbase、Blackrock、Klarna 等高層閱讀

如果你一直關注金融服務產業，你一定知道一件事：人工智慧不再是未來的概念——它已經來臨，並且正在改變一切。但儘管人工智慧革新支付的想法令人振奮，這條路並不總是順利。

過去幾年，人工智慧的採用激增，尤其是在疫情迫使金融機構重新思考運作方式之後。數據不騙人。預計未來五年，金融服務中人工智慧的全球市場將成長162億美元。銀行、保險公司和支付處理商都在全力投入人工智慧，渴望簡化流程、提升詐騙偵測能力，以及打造超個人化的客戶體驗。

但事情的關鍵在於：儘管潛力巨大，人工智慧的整合並非沒有挑戰。許多企業已經意識到，他們的數據——人工智慧的基礎——往往被鎖在過時的系統中，分散在各部門，或是雜亂無章。即使數據狀況尚可，也要面對一個複雜的合規迷宮，確保遵守不斷演變的規範。

再加上，網路犯罪分子越來越聰明，突然間，建立一個強大的人工智慧驅動支付系統就像在拼裝一個高科技拼圖，而拼圖的碎片卻在不斷變動。然而，儘管障礙重重，企業仍在持續推進。

僅去年，像 JPMorgan Chase 這樣的巨頭就報告說，得益於人工智慧程式助手，生產力提升高達20%；NatWest 與 OpenAI 合作，加強詐騙預防，這在2024年初英國支付詐騙損失達5.7億英鎊的背景下尤為重要。而且，不僅是大型企業。較小的金融機構也在利用人工智慧提升效率、降低成本，並提供更好的客戶體驗。

自動化正扮演越來越重要的角色，解放人類專家，使他們能更像策略顧問而非後勤處理者。問題是：企業如何在不被數據問題、過時系統或繁瑣規範所困的情況下，充分利用人工智慧的力量？

這正是我們想要了解的。因此，我們聯繫了一位在人工智慧驅動支付解決方案深耕超過十年的專家。從優化帳單與結算流程，到提升詐騙偵測系統，Dennis Kettler 的經驗涵蓋整個支付生態系統。可以說，他的見解令人耳目一新。

在接下來的對話中，你將親身聽到企業面臨的最大挑戰與機遇。

R：能分享一下您的職業旅程，以及您是如何在金融科技與支付解決方案方面建立專業的嗎？

**D：**我在數學本科與碩士學位完成後，轉向數據分析與預測分析領域。最初專注於預測洞察與自動化。

大約13年前，我進入金融服務行業，帶來豐富的數據與人工智慧經驗與紀律。我開始將這些專長應用於帳單、結算、支付優化與客戶體驗等領域。

雖然當時我沒有支付領域的背景，但我利用在零售與信用發放方面的經驗，加上對算法與人工智慧的熟悉，有效為 Worldpay 創造價值。

R：多年來，您在支付產業見證了哪些重大變革，尤其是人工智慧的崛起？

**D：**我立刻想到的三個重大變革是擴散、加速與日益精細化。雖然人工智慧並非新概念，但其普及程度顯著提高。

過去，人工智慧的開發多限於具有專業知識的特定團隊。如今，人工智慧已更普及，讓更多人與團隊能夠使用，促使應用加快，上市時間縮短。此外，人工智慧的複雜度也大幅提升。十年前甚至五年前難以完成的任務，現在都能實現，這都歸功於人工智慧與雲端基礎建設的進步。

R：將人工智慧融入金融服務，既帶來機會，也伴隨挑戰。根據您的經驗，企業在採用人工智慧驅動的支付解決方案時，面臨的最大障礙是什麼？

**D：**在我看來，整合與採用人工智慧的三大主要障礙是：

1. 數據處理：許多企業忽視了數據在利用人工智慧中的關鍵作用。金融服務常涉及大量數據，存放在孤立的環境中，格式多樣，定義不一致。管理數據品質、理解數據內容，以及有效整合，都是重大挑戰。

2. 系統整合：從人工智慧開發角度來看，最大挑戰之一是將人工智慧融入現有的遺留系統。這不僅需要技術調整，也需要組織文化的轉變，接受新技術。

3. 合規與隱私：最後一個挑戰是應對全球的監管環境，確保數據隱私。企業在利用數據時，必須建立強健的隱私控制、模型風險管理與透明度，以符合法規並贏得利益相關者的信任。

R：詐騙偵測一直是人工智慧發揮重大影響的關鍵領域。您看到的詐騙預防方面有哪些進展？還有哪些挑戰尚待解決？

**D：**詐騙解決方案是人工智慧進步最明顯的受益者之一。推動詐騙偵測的最大改進之一是實體辨識（entity resolution），能更清楚地連結裝置、帳戶、交易及其他不同來源的資訊，建立更準確、完整的關係圖。

此外，能即時適應詪騙趨勢的能力也大幅提升。人工智慧能快速調整應對新興趪勢，讓我們能及時介入潛在的詪騙行為。

最後，人工智慧大幅提升了詐騙偵測系統的準確性，減少摩擦，降低誤判（假陽性）與漏判（假陰性）。這一點至關重要，能確保合法交易順利進行，同時有效識別詪騙。

許多詐騙偵測的挑戰與更廣泛的人工智慧採用相似。例如，儘管已有進展，但數據品質仍是關鍵問題，低品質數據會導致偵測結果不準確。

最後，雖然人工智慧提升了詐騙偵測的性能，但也讓壞分子變得更狡猾、更難對付。

R：人工智慧驅動的支付技術正快速演進。您認為，隨著人工智慧持續自動化與優化支付流程，金融專業人士的角色會如何改變？

**D：**雖然人工智慧提升了我們優化支付流程的能力，但也在改變支付專業人士的角色。例如，人工智慧越來越多地自動化操作任務，使我們能更專注於數據與人工智慧洞察的解讀，以及其策略性應用。

具體來說，這種自動化讓我們能更廣泛地扮演客戶與利益相關者的翻譯角色。人工智慧讓我們能以更顧問的身份提供服務，進而改善客戶體驗。例如，作為收單行，我們利用人工智慧改善支付生命週期的各個環節。不僅如此，它也讓我們能成為更專注、更有目的的策略顧問。

R：數據隱私與倫理問題在銀行與支付領域的人工智慧採用中備受關注。您如何在創新與負責任的人工智慧實施之間取得平衡？

**D：**我並不認為在創新與負責任的人工智慧實施之間需要根本的平衡。

這兩者並非互相排斥，也不一定會相互影響。事實上，我堅信適當的治理，包括政策、控制與監督，反而是推動創新的加速器。在我的經驗中，明確的政策、指導方針與流程，能讓開發者在安全的環境中自由探索與創新。

缺乏清晰的治理框架或治理不善，會導致開發者不確定、開發速度放慢，甚至扼殺創新。

R：展望未來，您認為在未來五到十年內，哪些人工智慧與支付的趨勢最令人振奮，將塑造產業的未來？

**D：**如前所述，人工智慧將持續提升支付系統的效率與決策點的準確性，例如：詐騙偵測、授權率提升、客戶盡職調查（CDD）與了解你的客戶（KYC）等。

它也將持續塑造支付專業人士在協助商戶與零售商制定支付策略中的角色。例如，利用人工智慧可以實現更高的個人化與支付結果，同時提供獨特的洞察，進而大幅改善客戶體驗。

此外，我預期嵌入式金融（embedded finance）在整合的無縫性與核心能力（如放款）方面都會有顯著的進展。最後，隨著監管壓力與人工智慧的進步，我預計透明度將有大幅提升。