與Dennis Kettler的訪談：人工智能如何改變支付

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

發掘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 等高管閱讀

如果你一直關注金融服務行業，你就會知道一件事：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，這段旅程並不總是順利。

近幾年來，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增長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頭痛問題。許多企業已經意識到，他們的數據——人工智慧的根基——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，也面臨確保遵守不斷演變的規範的艱難挑戰。

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理，生產力提升高達 20%，而 NatWest 與 OpenAI 合作加強詐騙預防，這在2024年初英國因支付詐騙損失5.7億英鎊的背景下尤為重要。而且，不僅是大公司。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，使他們更像策略顧問而非後台處理員。問題是：企業如何在不被資料問題、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？

這正是我們想要解答的問題。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，你將親耳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？

D： 在完成數學本科與碩士學位後，我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行方面的經驗，加上我在算法與人工智慧方面的專長，有效為 Worldpay 創造價值。

R：您在支付行業多年來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化是擴散、加速與精進。雖然人工智慧並非新概念，但其普及程度顯著提高。

過去，人工智慧的發展局限於具有專門技能的特定團隊。如今，人工智慧已更廣泛地被個人與團隊所掌握，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。十年前甚至五年前無法完成的任務，現在都能實現，這得益於人工智慧與雲端基礎設施的進步。

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： 在我經驗中，整合與採用人工智慧驅動支付解決方案的三大障礙是：

2.  基礎性挑戰是**資料處理**。許多企業忽視了資料在利用人工智慧中的關鍵重要性。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、正確理解資料內容，以及有效整合，都是重大挑戰。
4.  從人工智慧開發角度來看，一個大挑戰是**將人工智慧整合到現有遺留系統中**。這不僅需要技術調整，也需要組織內部的文化轉變來接受新技術。
6.  最後一個挑戰是應對全球規範環境，確保**資料隱私**。企業在利用資料時，必須確保隱私控制嚴格、模型風險管理到位，以及模型透明度，以符合法規並建立利益相關者的信任。

R：詐騙偵測一直是人工智慧產生重大影響的關鍵領域之一。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中較為明顯的受益者之一。推動詐騙偵測的最大改進之一，是在實體辨識與連結能力方面，能更清楚地將裝置、帳戶、交易及其他不同來源的資訊連結起來，建立更準確、更完整的關係與活動視圖。

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

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，降低誤報與漏報的情況。這一點至關重要，能確保合法交易順利進行，同時有效識別詐騙。

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，但在確保資料品質與跨系統、平台的無縫整合方面仍有挑戰。資料品質差可能導致偵測結果不準確。

最後，雖然人工智慧提升了詐騙偵測系統的性能，但也使壞分子的手段變得更為複雜。

R：人工智慧驅動的支付技術正快速演進。您如何看待隨著人工智慧持續自動化與簡化支付流程，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處理的能力，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實現操作任務的自動化，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。人工智慧使我們能以更諮詢的角色出現，從而改善客戶體驗。例如，作為收單行，我們利用人工智慧來改善支付生命週期的各個環節。然而，它也讓我們能成為更專注且有目的的策略顧問。

R：資料隱私與倫理問題是銀行與支付領域採用人工智慧的核心議題。您如何在創新與負責任的人工智慧實施之間取得平衡？

D： 我並不認為在專注於創新與負責任的人工智慧實施之間需要一個平衡點。

這兩者並非互斥，也不一定會相互負面影響。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，讓開發者能在安全且有信心的情況下自由探索與創新。

缺乏清晰的治理框架會導致開發者不確定，減緩開發速度，抑制創新。

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，將塑造行業的未來？

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：詐騙偵測、授權率提升、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，我預期嵌入式金融的改善與加速，無論是在無縫整合方面，還是在核心能力如貸款方面，都會有所突破。最後，鑑於監管壓力與人工智慧的進步，我預計在透明度方面會取得顯著進展。