随着科技的不断发展，人们近年来时常会担心自动化所带来的威胁。尽管机器人取代人类的想法，在曾经仅仅是未来主义的幻想，但是今天它在许多服务和行业中逐渐成为现实。

例如，阿里巴巴通过天猫平台销售汽车。人们通过电话购买汽车，然后就能够从一个自动化的多层 "自动售货机 "上取货。这不仅会对在汽车销售行业工作的数千名员工有巨大影响，而且也会对目前和未来的客户关系以及与其他业务相关网络的互动也有巨大影响。

虽然亚洲的金融机构正在采用新技术重新构建流程来提高效率和客户体验，但是大量的手工工作仍然没有受到任何影响。例如，在开设银行账户时，大量文件的检查仍然需要后台的人工进行，这里面很多流程都需要由人类经验和判断来完成，会耗费大量的时间和精力，所以如果能通过人工智能来实现流程的自动化，员工将会有时间去做更加具有战略性的工作。

但是到目前为止，还是有一些因素阻碍了该地区实现人工智能驱动的自动化的潜力，比如：

严格的监管

对于银行业来说，严格的监管会导致金融机构云计算方面的进展缓慢。虽然保险公司在过去几年中加快了云计算的迁移，但亚洲的大多数银行仍然将其大部分应用程序和数据存储在自己的数据中心内。然而，许多自动化用例依赖于需要大量处理能力的深度学习算法，通过传统CPU或GPU（或谷歌的TPU）来进行训练和执行。

如果一切都在内部进行维护，对服务器群的必要初始投资可能会让那些具有前瞻性的机构望而却步。另一方面，云是应对处理需求激增的完美媒介，因为它是按使用量进行付费的，能够有效减少固定成本和维护和硬件升级的需要。

所以，银行和保险公司正在探索如何克服这一障碍，例如，在将数据放到云端之前对其进行加密。而这就需要去考虑准备工作的成本，以及法规遵从性要求，因为这两个因素将会塑造最佳的混合基础设施，例如，什么是云，什么需要留在本地。

语言障碍

与实体工厂不同，金融机构的流程大多是围绕着文字和语言进行的，这在亚洲引起了特殊的挑战。虽然欧洲和美国有许多不同的语言，但大多数语言使用的是有限的字符数。这使得单词标记化，比亚洲语言简单得多。亚洲语言通常在单词之间没有空格，每个单词本身就是一个独特的字符。

词语标记化只是识别、理解和提取基于文本的文件内容的第一步。虽然像谷歌和微软这样的大型供应商正试图在每个国家提供自然语言处理解决方案，但像手写识别这样的细分的解决方案仍主要由小型的本地公司开发。然而，这些细分解决方案通常是自动化过程的重要组成部分：想象一下，如果我们不得不把每一份含有手写体的文件传回给人类操作员。那就需要在每个国家建立良好的技术供应商生态系统，以促进该地区的自动化进程。

单一平台

也许对大多数金融机构来说，最大的挑战是人工智能在很大程度上仍然是一个建设者的平台。也就是说，您需要建立或定制一个功能，然后才能在最终的应用中使用它。这与传统的工具和应用程序形成了鲜明的对比。例如，可视化或企业资源规划工具，所有的功能都是 "原封不动 "地提供的，并附有如何使用它们的手册。尽管大型互联网供应商和软件公司正在努力确保尽可能多的功能可以随时使用，但实现一个一体式、易于使用的AI平台的目标还有一段路要走，人工智能的成功采用和集成将取决于一个适合不同技术和供应商解决方案的架构设计。

尽管这些挑战现在仍然是存在的，但精心策划的自动化的好处仍然远远超过潜在的成本和风险。举个例子，在商业贷款申请过程中，需要从财务报表中提取数据点，作为信贷风险建模的输入，并且需要验证提交的文件，如商业登记表，而这一切目前都是通过人力来完成的。

然而，人工智能应用程序的成本可能是两到三名全职员工的全年工资，它可以全天候完成超过10名此类员工的工作。除了成本因素，整个过程可以更快，这本身可以吸引更多的客户。

成本节约和创新的综合潜力意味着金融机构应该尽早开始自动化之旅。一些公司将以“大爆炸”的方式来实现这一点，而另一些公司则会以对选定流程进行概念验证的方式开始。