与Dennis Kettler的访谈：人工智能如何改变支付方式

Dennis Kettler 是 Worldpay 的全球数据战略负责人和数据科学负责人。

发现顶级金融科技新闻和活动！

订阅 FinTech Weekly 的通讯

由 JP Morgan、Coinbase、Blackrock、Klarna 等高管阅读

如果你一直关注金融服务行业，你就确定知道一件事：AI 已不再是一个遥远的未来概念——它就在这里，并且正在改变一切。但尽管“AI 将彻底革新支付”这个想法听起来很振奋，这段旅程却并不算得上顺畅。

过去几年里，AI 的采用率大幅飙升，尤其是在疫情迫使金融机构重新思考运营方式之后。数据不会说谎。预计未来 5 年，金融服务领域的 AI 全球市场将增长 16.2 十亿美元。银行、保险公司和支付处理商都争先恐后地涌入 AI 赛道，渴望简化流程、增强欺诈检测能力，并打造高度个性化的客户体验。

但关键在于：尽管 AI 具有巨大潜力，它的整合并非没有“麻烦事”。许多企业已经意识到，它们的数据——也就是 AI 的真正基础——往往被锁在过时的系统里，在各部门之间割裂地分散着，或者干脆就是一团乱。即便数据状况还算不错，仍有一个棘手问题：如何在不断演变的监管规定迷宫中确保合规。

再加上网络犯罪分子变得更聪明，那么，构建一个强大的基于 AI 的支付系统，就像是在一边拼装一套高科技拼图、同时拼图的碎片还在不断变动。然而，尽管障碍重重，公司仍在继续前进。

仅在过去一年里，像 JPMorgan Chase 这样的巨头就报告称，借助 AI 编码助手，生产力最高提升了 20%，而 NatWest 则与 OpenAI 协作以加强欺诈防范——这是一项关键举措，因为考虑到英国在 2024 年初因支付欺诈损失了 570 百万英镑，这一步格外重要。而且这不只是大玩家在做。较小的金融机构也同样在利用 AI 来提升效率、节省成本，并提供更好的客户体验。

自动化正在承担更多“重活”，让人类专家腾出时间，更像战略顾问而不是后台处理者。问题是：公司如何在不被数据问题、过时系统或监管繁文缛节淹没的情况下，发挥 AI 的力量？

这正是我们想弄清楚的。因此，我们联系了一位在 AI 驱动的支付解决方案领域深耕超过十年的专家。从优化计费与结算流程，到增强欺诈检测系统，Dennis Kettler 的经验覆盖整个支付生态系统。可以说，他的洞见令人耳目一新。

在接下来的对话中，你将亲自听到企业面临的最大挑战与机遇。

问： 你能分享一下你的职业历程，以及你是如何在金融科技和支付解决方案领域培养出专业能力的吗？

答： 完成我在数学领域的本科和研究生学习后，我转入数据分析和预测分析领域。我的最初重点是预测洞察和自动化。

大约 13 年前，我进入金融服务行业，带来了在数据与人工智能方面的丰富经验与严谨纪律。我开始将这些专业能力应用于诸如计费、结算、支付优化和客户体验等领域。

尽管当时我并没有支付领域背景，但我利用自己在零售和信用发卡方面的既有经验，并结合我在算法和 AI 方面的能力，有效地为 Worldpay 创造价值。

问： 多年来，你见证的支付行业最重要的变化有哪些？尤其是在 AI 兴起之后，又发生了哪些变化？

答： 我立刻想到的有三个重要变化：普及、加速和复杂化。虽然人工智能并不是一个全新的概念，但它的普及程度显著提升了。

过去，AI 的开发仅限于具备专门专业知识的特定团队。如今，AI 对更广泛的个人和团队开放，使其应用加速，并缩短了上市时间。此外，AI 的复杂度也进步了许多。十年前，甚至五年前都无法完成的任务，如今由于 AI 与云基础设施的发展而变得可实现。

问： 将 AI 集成到金融服务中既带来了机遇，也带来了挑战。结合你的经验，企业在采用基于 AI 的支付解决方案时面临的最大障碍是什么？

答： 在我看来，将并采纳基于 AI 的支付解决方案时，最大的三个障碍是：

2.  一个基础性的挑战是**数据的处理**。许多人忽视了数据在利用 AI 方面至关重要。金融服务往往要处理海量数据，这些数据存放在彼此隔离的环境中，格式各不相同，且定义也不一致。管理这些数据的质量、正确理解数据、并实现有效集成，是一项重大的挑战。
4.  从 AI 开发的角度来看，一个巨大的挑战是**将 AI 集成到现有的遗留系统中**。这不仅需要进行技术层面的调整，还要求组织内部在文化上发生转变，以拥抱新技术。
6.  最后一个挑战是应对全球监管环境，并确保**数据隐私**。当公司使用数据时，必须确保强有力的隐私控制、模型风险管理以及模型透明度，以符合监管要求并建立与相关方的信任。

问： 欺诈检测一直是 AI 产生重大影响的关键领域之一。你见过哪些在欺诈防范方面的进展？哪些挑战仍有待解决？

答： 欺诈解决方案是 AI 进步中较为“显眼”的受益者之一。推动欺诈检测的一项最大改进，体现在实体解析（entity resolution）以及将设备、账户、交易及其他原本分散的信息源更清晰地连接起来的能力，从而形成更准确、更全面的关系视图及相关活动。

此外，实时适应欺诈趋势的能力也大幅提升。AI 能让我们对新出现的趋势迅速做出调整，从而对潜在欺诈活动进行及时干预。

最后，AI 通过降低摩擦并最大限度减少误报和漏报，显著提升了欺诈检测系统的准确性。此项改进至关重要：它既能确保合法交易顺畅处理，又能有效识别欺诈交易。

欺诈检测中的许多挑战与更广泛的 AI 采用挑战类似。例如，尽管已经取得进展，但在确保高质量数据以及在各类系统与平台之间实现无缝集成方面仍然存在挑战。数据质量差会导致欺诈检测结果不准确。

最后，尽管 AI 正在提升欺诈检测系统的性能，它也在同时提高不法分子的“作案水平”。

问： 由 AI 驱动的支付技术正在快速演进。随着 AI 持续自动化并简化支付流程，你如何看待金融专业人士的角色将如何变化？

答： 虽然 AI 正在提升我们优化支付处理的能力，但它也在改变支付从业者的角色。例如，AI 越来越能够实现运营任务的自动化，使我们更多聚焦于对数据与 AI 洞见的解读，以及将其战略性地应用到实践中。

具体而言，这种自动化让我们能更广泛地充当客户与利益相关方的“翻译者”。AI 让我们可以发挥更具顾问性质的作用，从而改善客户体验。比如作为商户收单机构，我们会利用 AI 来提升支付生命周期的各个方面。然而，它也使我们能够以更聚焦、更有目的的战略顾问身份来行动。

问： 数据隐私与伦理担忧处于银行与支付领域 AI 采用的前沿。你如何在创新与负责任地实施 AI 之间取得平衡？

答： 我并不从根本上认为，在“聚焦创新”与“在 AI 落地中保持负责任”之间需要做某种平衡。

这些想法并不互相排斥，也不必彼此产生负面影响。事实上，我非常相信，恰当的治理——包括政策、控制与监督——确实会成为创新的加速器。基于我的经验，清晰的政策、指导方针与流程，让开发者能够带着信心在安全的环境中自由探索并进行创新。

缺乏清晰度，或治理框架定义不清，会导致开发者不确定、减慢开发进度，并扼杀创新。

问： 展望未来，你认为接下来五到十年里将塑造行业未来的 AI 与支付领域最令人兴奋的趋势有哪些？

答： 如前所述，AI 将继续提升支付系统及相关决策节点的有效性：欺诈检测、授权率提升、更复杂的客户尽职调查（CDD）以及了解你的客户（KYC）等。

它也将继续塑造支付专业人士在帮助商户与零售商定义其支付策略时所扮演的角色。例如，使用 AI 可以带来更高程度的个性化与支付结果，同时还能提供独特洞见，从而最终带来显著改善的客户体验。

此外，我预计嵌入式金融（embedded finance）将同时在改进与加速方面取得进展，无论是实现无缝集成，还是在核心能力（如放贷）方面。最后，鉴于监管压力以及 AI 的持续改进，我预计透明度方面将取得显著收益。