FinovateFall展示人工智能和银行技术2024

新兴科技研究FinovateFall 展览展示了人工 PitchBook 数据公司 智能和银行技术。 纳齐尔·塔赫尼研究及市场情报部执行副总裁 保罗·康德拉新兴技术研究负责人 摘要：主要主题、对话、初创企业演示以及我们的简报。 机构研究小组分析 杨鲁迪高级分析师，新兴技术 rudy.yang@pitchbook.com PitchBook 是 Morningstar 旗下的公司，为在私募市场开展业务的专业人士提供最全面、最准确、最难寻找的数据。 詹姆斯·乌兰分析师，新兴技术詹姆斯。james.ulan@pitchbook.com 会议概览 pbinstitutionalresearch@pitchbook.com FinovateFall是在纽约市举办的为期三天的年度会议。今年的活动于9月9日至9月11日举行，汇集了超过2,000名高级别参会者，其中超过一半来自银行和金融机构。1喜欢FinovateSpring 2024五月，该会议展示了来自67家金融科技公司七分钟演示，这些公司专注于银行技术（bank tech）、监管技术（regtech）和人工智能（AI）的解决方案。议程还包括了关于主要金融科技趋势的主题演讲、圆桌讨论和分组会议。与FinovateSpring 2024类似的关键主题包括银行、合规性、生成式人工智能、即时支付和开放银行。本报告概述了FinovateFall 2024中的亮点主题和演示。 出版设计者： Designed byChloe Ladwig发布于2024年9月26日 目录 会议概述1交易环境1人工智能正在成为金融科技领域的常态。2银行科技和监管科技成为焦点4 交易环境 • Fintech风险投资仍然疲软，但存在亮点。在2024年上半年，尽管金融科技初创企业的融资环境依然疲软，我们仍然观察到积极的信号。我们的数据显示，金融科技风险投资在2024年第二季度恢复至98亿美元，同比上升64.9%，环比上升104.8%，这一增长由Abound、ClearStreet、AlphaSense和Monzo的大型交易推动。风险投资交易数量更为多样化，2024年第二季度记录了503笔交易，同比下跌6.5%，但环比上升4.6%。在8月和9月还宣布了值得关注的交易，例如GCash的7.884亿美元后期融资轮，Stori的2.12亿美元后期融资轮（包括1.05亿美元股权和1.07亿美元债务），以及Finally的2.0亿美元B轮融资（包括5000万美元股权和1.5亿美元债务）。此外，还推出了新的金融科技基金，包括Pruven Capital新关闭的3.785亿美元基金II，MiddleGame Ventures的基金III（已筹集57.6亿美元，占目标总额1.662亿美元），13books Capital的1.544亿美元资本基金II，以及Luge Capital的7070万美元基金II。 核心金融科技公司仍然对投资者具有吸引力。尽管由于资本可用性降低以及投资者更加严格的尽职调查和对估值正常化的更加谨慎，交易活动总体上有所放缓——核心金融科技领域仍然对投资者具有吸引力。投资者对包括支付、贷款、CFO堆栈、监管科技和财富科技在内的不同金融科技子领域表现出兴奋。在会议上，我们听到投资者指出，如支付、贷款和CFO堆栈等核心领域继续提供具有大量利润池的机会。根据我们的数据，获得过去12个月风险投资最高水平的三个子领域是替代贷款（其中很大一部分由债务融资组成）、支付和资本市场。 人工智能正在成为金融科技领域的常态。 人工智能驱动的任务自动化仍处于初级阶段。并且我们预计这将是一个20年的趋势。我们从看到AI解决方案在任务自动化方面的爆炸式增长中得出的高级结论是，积极部署内部AI解决方案的企业——用于销售、营销、客户支持、编码、知识管理、数据处理等——将产生更高的利润率。这将使他们能够以更低的价格点提供产品，或者重新投资于更好、更多的产品。换句话说，更好的利润率和产品应该提供一种半持久的优势。因此，这些公司可能在短期内到中期内取得胜利。然而，竞争对手最终将执行类似的策略。 关于这点，GPTadvisor联合创始人Ignacio Díaz de Argandoña强调了其初创公司如何自动化财富管理和工作流程，突出模型能力如何帮助GPTadvisor开发和构建新的有意义的产品，同时改进现有产品。Díaz de Argandoña认为，ChatGPT的未来版本将更好地整合和链接数据，这将使技术更加强大。我们的观点是，不断改进的AI模型很可能在需要进行重复和耗时的大型数据基础工作的高级员工领域产生巨大的影响，例如在财富管理领域。 独立地，Odin AI正在使用AI驱动的本地模型来自动化银行工作流程。我们相信，像MistralAI和Meta这样的开源模型将加速银行使用AI软件和代理进行许多工作流程的过程。AI工具软件也使得构建这些程序变得更加容易。正如在之前的Finovate上一样，经常被提及的任务，正通过AI自动化进行更新，包括客户支持、内部企业搜索、报告生成以及提取非结构化数据并将其结构化（将其统一插入到数据库中）。 然而，我们也观察到银行在部署面向消费者的AI应用方面出现了激增。数字银行bunq便是这一趋势的关键例子，其推出了AI个人助理Finn，而新银行MoneyLion也在努力推出类似的产品。在FinovateFall会议上，我们与波兰新银行Nest Bank进行了交流，该银行在会议上展示了其AI金融助理。Nest Bank的AI助理功能包括帮助客户分析财务状况、发起支付以及与顾问预约会议。根据我们与其他数字银行的交流，提供AI驱动的个人财务管理应用似乎将成为新银行中的常态。 AI的速度、成本和品质正在显著提高。Jake Ruth，getAIreports.com的联合创始人兼首席执行官指出，该公司一项人工智能产品的电力成本已从最高1.50美元降至约0.30美元。同样，Odin AI的首席技术官Russell LaCour强调，一系列人工智能API调用的运行成本曾经是50美元，现在已降至1.00至2.00美元之间。LaCour还强调，延迟得到了显著改善。Odin AI现在在设计产品时假设成本和延迟将继续改善。更好的AI延迟是Finovate上经常被提到的主题。随着大型模型变得更加强大，芯片性能提高，轻量级模型发布，开源选项增多，我们预计人工智能只会变得更好。多家供应商表示对小型语言模型（SLMs）表示青睐，指出它们的速度和价格优势。 除了效率提升之外，人工智能在导航和执行网站操作方面也变得更加出色，这可能导致其影响被低估。我们采访了CardLift的创始人Rithwik Pattikonda，CardLift是一家帮助金融科技公司及发行新信用卡和借记卡的银行，通过一键操作更改其客户在顶级在线商家（如亚马逊、Netflix等）的卡片信息。Pattikonda解释说，CardLift使用人工智能在电子商务网站上遍历并插入新的借记卡或信用卡号码，覆盖之前存储的卡片信息，使得费用转到新卡片上。CardLift目前支持大约60家电子商务商家，但Pattikonda预计随着基础模型的改进，这一数字将远远超过60。他认为，更强大的模型将更好地理解和浏览网站，以提升代理能力。最终，我们相信人工智能在网站和软件中遍历的能力将极大地增加人工智能可以自动化的任务数量。 • 大型银行比小型银行更快速地采用人工智能，但关键因素抑制了所有金融机构的采用。大型银行是人工智能解决方案的最大采用者，因为它们拥有成熟的技术战略、充裕的资源技术团队和可用于理解分配的资本。 并且采购AI解决方案，更多面向技术的前沿领导力，以及推动AI计划的投资者。尽管大银行拥有优势，但银行在审查使用类似OpenAI和Anthropic等大型闭源基础模型公司的AI模型处理客户信息方面的供应商时通常进度缓慢。开源模型，包括SLMs和本地模型，仍然具有吸引力，并且增长迅速。例如，InferIQ构建自己的SLMs，在客户数据隐私方面为客户带来更大安慰。其工具从非结构化文档中提取关键信息，如税务表格、发票、银行对账单、合同和手写笔记，然后在将数据插入结构化格式之前提取这些信息。另一个供应商指出，银行在采用AI方面缓慢，因为集成最终取决于CEO的积极性。如果没有C级高管对采购的支持，技术团队就没有足够的动力和隐含许可认真追求AI。 • 人工智能客户支持持续进步。一家名为Zingly.ai的初创企业在FinovateFall上展示了主题客户支持室，这些支持室像客户与金融机构之间的聊天室，客户可以随时返回。该初创公司采用多种技术，包括开源人工智能模型来保护个人信息。其模型针对每个客户和每个客户进行了高度定制。在FinovateFall上，Zingly.ai强调了开源模型如何改进了其产品，使其能够完成更多功能。作为回应，客户提出了新的挑战供Zingly.ai解决，该公司已经完成了这些挑战。简单来说，更好的AI模型意味着更多的可能性。 •虽然人工智能在银行业的使用正在增长，但机器学习（ML）目前仍然是王者。卡灵顿实验室团队构建可解释的信用决策模型，他们利用人工智能来修改和转换现有变量集，以创建新的变量，这些新变量随后被输入到一个完全可解释的机器学习模型中。监管机构要求公司能够解释其信用承保模型。同样，SAVVI AI正在构建一个端到端解决方案，该解决方案使金融科技公司和服务机构能够快速、轻松地部署机器学习来推荐更相关的产品；接受或拒绝支付交易；并预测存款、坏账和原产地。SAVVI AI的产品足够完善，以至于银行无需数据科学家来部署人工智能或机器学习决策。 银行科技和监管科技成为焦点 • 银行和信用合作社已转向金融科技以保持竞争力并增长业务。美国高度分散的银行业格局，包括近10,000家地区性和社区银行以及信用合作社。2持续面临激烈的竞争。Finovate会议中银行和信用合作社参加者的高集中度突显了银行技术需求的持续增长，因为随着存款的增加，银行技术仍然是最重要的优先事项，而根据巴塞尔III最终游戏提案，一些大银行的资本要求可能会增加，尽管美联储最近的评论表明这些要求可能低于之前提出的水平。3在 会议期间，许多讨论都集中在银行如何吸引新客户，通过增强产品供应更好地吸引现有客户，拥抱并建立创新文化，同时与其他金融科技公司合作，保持合规并有效管理风险。 •嵌入式解决方案有助于金融机构实现提高客户终身价值和降低客户获取成本的目标。数家公司指出，其产品可以通过API嵌入到客户平台中。这种白标签方法对银行和信用合作社尤其有价值，它允许他们在自己的品牌下增强用户体验，而无需用户切换到外部应用。BankShift，一家银行即平台的初创企业，展示了其解决方案如何允许银行整合个人财务管理、银行支付等服务。“作为回报，银行可以减少提升客户参与度和创造新收入渠道的成本和时间。众多其他初创企业在此类别中展示了演示：Eko Investments帮助银行嵌入自己的投资服务；Starlight提供白标签解决方案，帮助银行客户识别和释放每年可获得的价值1400亿美元的不 claiming政府福利；而Homegrown帮助金融机构嵌入针对房主和购房者的工具，例如房屋效率计算器和住房融资选择。 • 个性化与打造强大的客户体验是最重要的任务。在大会上，显而易见的是，银行、信贷合作社和金融机构拥有共同的目标：提供强大的客户体验以提升参与度。然而，许多机构仍在努力创造有效的个性化体验，一些机构缺乏必要的基础设施和工具。利用客户财务数据可以帮助解决这一挑战。 例如，处于早期阶段的创业公司Dimply展示了如何分析相连的数据集，在个体层面提供定制化体验。其无代码平台和预构建功能库允许银行和信用合作社快速实施定制化体验，包括个性化的财务洞察、语言偏好和针对性产品。Finovate的回头客Finalytics.ai也通过使用机器学习分析客户的地理位置、行为和财务状况来定制个人客