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聽起來令人振奮，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，或是資料雜亂無章。即使數據狀況尚可，也要面對繁複的合規規範，確保遵守不斷演變的法規。

再加上，網路犯罪分子越來越聰明，建立一個強大的人工智慧驅動支付系統就像在拼裝高科技拼圖，但拼圖的碎片卻在不斷變動。儘管如此，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，不僅是大公司，小型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：企業如何在不被資料問題、過時系統或繁瑣法規所困的情況下，充分發揮人工智慧的力量？

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，到強化詐騙偵測系統，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領域建立專業的嗎？

**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專業背景，但我利用在零售與信用發行方面的經驗，加上對演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：**我立即想到的三個重大變化是擴散、加速與精進。人工智慧並非新概念，但其普及程度顯著提升。

過去，人工智慧的開發多限於具有專業技能的特定團隊。如今，人工智慧已更普及於更廣泛的個人與團隊，應用速度加快，上市時間縮短。此外，人工智慧的複雜度也大幅提升。十年前或五年前難以完成的任務，現在都能實現，這得益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：**我認為，整合與採用人工智慧的三大主要障礙是：

1. 資料處理：許多企業忽視了資料在人工智慧應用中的關鍵角色。金融服務常涉及大量資料，存放在孤立的環境中，格式多樣，定義不一致。管理資料品質、理解資料內容與有效整合，是一大挑戰。

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. 法規合規：最後一個挑戰是應對全球法規環境，確保資料隱私。企業在利用資料時，必須建立強健的隱私控制、模型風險管理與模型透明度，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？還有哪些挑戰尚待克服？

**D：**詐騙解決方案是人工智慧進步中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、交易與其他資訊來源，建立更準確、完整的關係與活動視圖。

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騙趨勢，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，降低誤報與漏報率。這一點至關重要，能確保合法交易順利進行，同時有效識別詪騙行為。

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，但資料品質仍是關鍵問題，資料不佳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效能，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有何變化？

**D：**雖然人工智慧提升了我們優化支付流程的能力，但也在改變支付專家的角色。例如，人工智慧越來越多地自動化操作任務，使我們能更專注於資料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式的角色出現，提升客戶體驗。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。同時，也讓我們能成為更專注、更有目的的策略顧問。

R：資料隱私與倫理議題在銀行與支付領域的人工智慧應用中備受關注。您如何在創新與負責任的人工智慧實踐之間取得平衡？

**D：**我並不認為在創新與負責任的人工智慧實踐之間需要根本的平衡。

這兩者並非互斥，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，反而是促進創新的推手。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，您認為在人工智慧與支付領域，哪些趨勢最令人振奮，將在未來五到十年塑造產業的面貌？

**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、精細化客戶盡職調查（CDD）與認識你的客戶（KYC）等。

它也將持續塑造支付專業人士的角色，協助商戶與零售商制定支付策略。例如，利用人工智慧可以實現更高的個人化與支付成果，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）將在整合的無縫性與核心能力（如放款）方面取得進展與加速。最後，隨著監管壓力與人工智慧的進步，我預計在透明度方面會有顯著的提升。