与Dennis Kettler的访谈：人工智能如何改变支付

Dennis Kettler 是 Worldpay 的全球数据战略与数据科学主管。

发现顶级金融科技新闻和活动！

订阅 FinTech Weekly 的新闻通讯

被摩根大通、Coinbase、Blackrock、Klarna 等高管阅读

如果你一直在关注金融服务行业，你就会知道一件事：AI 不再是一个遥远的概念——它已经到来，而且正在改变一切。不过，尽管“AI 革新支付”的想法听起来令人振奋，这一路也并非一帆风顺。

近几年，AI 的采用激增，尤其是在疫情迫使金融机构重新思考运营方式之后。数据不会撒谎。预计在未来 5 年内，金融服务领域的 AI 全球市场规模将增长 162 亿美元。银行、保险公司和支付处理商都纷纷扎进 AI 这片“池子”，渴望简化流程、提升欺诈检测能力，并打造高度个性化的客户体验。

但关键在于：尽管潜力巨大，AI 的集成并不是没有“烦恼”。许多企业已经意识到，他们的数据——也就是 AI 的真正基础——往往被锁在过时的系统里，分散在不同部门之间，或者干脆就一团糟。即便数据状况尚可，仍要面对一个棘手问题：如何在不断演变的法规迷宫中确保合规。

再加上网络犯罪分子变得更聪明了，于是，构建一个强大的 AI 驱动支付系统，就像在拼装一幅高科技拼图——而拼图的碎片还在持续移动。然而，尽管障碍重重，公司仍在向前推进。

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，生产力最高可提升 20%；同时，NatWest 与 OpenAI 携手以加强欺诈预防——考虑到英国在 2024 年初因支付欺诈损失了 5.7 亿英镑，这是一项至关重要的举措。而这并不仅限于大型玩家。规模较小的金融机构也在利用 AI 来提升效率、降低成本，并带来更好的客户体验。

自动化正在承担更多“重活”，让人类专家腾出更多精力，扮演更像战略顾问而非后台处理者的角色。问题是：企业如何在不被数据问题、过时系统或繁琐的监管条文拖住的情况下，释放 AI 的力量？

这正是我们想要弄清楚的。因此，我们联系了一位在 AI 驱动支付解决方案领域深耕十余年的专家。从优化账单和结算流程，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，他的见解令人耳目一新。

在接下来的对话中，你将听到企业面临的最大挑战和机遇的第一手观点。

R：你能分享一下你的职业旅程，以及你是如何在金融科技和支付解决方案方面形成专业能力的吗？

D： 在完成数学的本科和研究生学习后，我转入数据分析与预测分析领域。我的初始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，带来在数据与人工智能方面的丰富经验和严谨作风。我开始在账单、结算、支付优化以及客户体验等领域应用这些专业能力。

尽管当时我并没有支付行业背景，但我凭借此前在零售与信用发行业务中的经验，再结合我在算法和 AI 方面的能力，能够为 Worldpay 有效创造价值。

R：在多年发展中，你见证了支付行业哪些最重要的变化，尤其是在 AI 兴起的背景下？

D：我立刻想到的有三项重大变化：普及、加速和复杂化。虽然人工智能并不是新概念，但它的普及程度显著提升了。

过去，AI 的开发通常局限在拥有专业专长的特定团队。如今，AI 可以被更广泛的人群与团队使用，从而使其应用加速，并缩短从研发到走向市场的时间。此外，AI 的复杂度也提升得非常明显。十年前甚至五年前无法实现的任务，如今因为 AI 与云端基础设施的发展而成为可能。

R：将 AI 融入金融服务既带来机会也带来挑战。基于你的经验，在采用 AI 驱动的支付解决方案时，企业面临的最大障碍是什么？

D： 在我看来，整合并采用 AI 驱动的支付解决方案，最大的障碍主要有三点：

2.  一个基础性的挑战是**数据处理**。很多人忽视了数据在利用 AI 方面的关键重要性。金融服务往往会处理大量数据，这些数据存放在相互割裂的环境中，以多种不同形式呈现，并且定义并不一致。管理这些数据的质量、正确理解数据以及实现有效整合，是一项重大挑战。
4.  从 AI 开发的角度看，一个很大的挑战是**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，也需要组织内部在文化上发生转变，以接受新技术。
6.  最后一个挑战在于应对全球监管格局，并确保**数据隐私**。当企业使用数据时，必须确保强有力的隐私控制、模型风险管理和模型透明度，以符合监管要求，并建立与相关方之间的信任。

R：欺诈检测一直是 AI 产生重大影响的关键领域之一。你见过哪些欺诈预防方面的进展？哪些挑战仍有待解决？

D：欺诈解决方案是 AI 技术进步中较为显著的受益者之一。推动欺诈检测的一项最大改进，在于实体解析（entity resolution）能力提升，以及能更清晰地连接设备、账户、交易与其他离散的信息来源，从而形成更准确、更全面的关系与相关活动视图。

此外，实时适应欺诈趋势的能力也显著增强。AI 让我们能够对新出现的趋势迅速调整，从而对潜在欺诈活动进行及时干预。

最后，AI 通过降低摩擦、同时减少误报与漏报，显著提高了欺诈检测系统的准确性。这项改进至关重要，因为它既能确保合法交易顺畅处理，又能有效识别欺诈行为。

欺诈检测中的很多挑战与更广泛的 AI 采用所面临的问题类似。例如，尽管已经有进步，但要确保数据质量高，并在不同系统与平台之间实现无缝整合，仍然是难点。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“坏人”的作案手段复杂度。

R：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会发生怎样的变化？

D： 虽然 AI 正在提升我们优化支付处理的能力，但它也在改变支付专业人士的角色。比如，AI 越来越多地让运营层面的任务实现自动化，使我们能够更专注于对数据与 AI 洞察的解读，以及对其进行战略性应用。

具体而言，这种自动化让我们可以更广泛地充当客户与相关方的“翻译者”。AI 让我们能够以更具咨询性的方式参与，从而改善客户体验。以作为收单行为例，我们会利用 AI 来提升支付生命周期的各个方面。不过，它也让我们能够以更聚焦、更有目的的战略顾问身份发挥作用。

R：在银行和支付领域，数据隐私与伦理担忧是 AI 采用的前沿问题。你如何在创新与负责任的 AI 落地之间寻求平衡？

D： 我从根本上不认为，创新与在 AI 落地中保持责任之间需要做“平衡”。

这些理念并不互相排斥，也不必对彼此造成负面影响。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，让开发者能够在有信心、安全的环境中自由探索并进行创新。

缺乏清晰度，或治理框架界定不清，会导致开发者产生不确定感，减慢开发节奏，并扼制创新。

R：展望未来，在你看来，未来 5 到 10 年里最令人兴奋的 AI 与支付趋势有哪些，它们将如何塑造行业的未来？

D： 如前所述，AI 将持续提升支付系统以及相关决策点的有效性：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，AI 的应用可以带来更高水平的个性化与支付结果，同时还能提供独特的洞察，进而显著改善客户体验。

此外，我预计嵌入式金融（embedded finance）会在无缝集成以及像贷款这样的核心能力方面实现改进与加速。最后，鉴于监管压力以及 AI 的持续进步，我预计透明度将取得显著提升。