2020 年和 2021 年的前五名名单反映了年度优先事项略有变化，包括这两年名单上的相同类型的技术，但顺序只有一些差异。
2022 年，该清单增加了三项新技术：聊天机器人（自动聊天机器人）、机器学习和数字贷款发起系统。
进入2022年，为什么这个领域开通数字账户需要这么久？ 这个过程一定是几年前完成的，因为这不是火箭科学。
金融科技研究总监兼 Fintech Takes 电子邮件通讯的作者亚历克斯约翰逊表示：“金融机构过于重视开设数字账户，好像提供良好的体验会吸引注意力。” 客户以某种方式。 这是荒谬的。 如果顾客不喜欢你销售的产品，每年都在商店前面刷一层新漆不会促进销售。”
迈向 2022 年 金融机构投资或实施的四大计划之
迄今为止，只有 18% 的银行和信贷机构投资了聊天机器人。
这花了很长时间，但是，从宏观上讲，该行业越来越接近于聊天 AI 已成为一个重要的竞争因素。 以下是推动聊天机器人需求的三个要求
过程质量。 银行业数字产品应用放弃率处于非常高的水平。 更令人不安的是，只有少数组织能跟上当今的业务采用率。 这是无法接受的 行业电邮清单 银行需要让聊天机器人成为业务流程的重要组成部分（比如开设数字账户），而不仅仅是作为创收和服务。
数据 。 加密和存储从人类交互中收集的数据（包括来自点击的数据）的努力仍然不完整，因此其他应用程序无法访问它以从数据中获益并且难以分析。 从聊天机器人交互中收集的数据可以克服这些问题。 银行需要将聊天机器人视为其数据管理战略的一部分，而不仅仅是收入和服务。
个性化。 许多银行将个性化视为个性化消息传递。 数字银行知道需要个性化对话的良好个性化流程。 然而，他们仍在努力获取数据以提供良好的个性化服务并创造个性化对话的机会。
我们听到很多关于人工智能 的信息 更具体地说
是将改变银行业的机器学习。 迄今为止，只有少数中层金融机构（12% 的银行和信贷机构）实施了这些类型的技术。
然而，事情正在发生变化。 银行和投资信贷机构的四个期望之一是 2022 年的机器学习工具和技术。以下两个场景推动了这一增长：
信用建模。 根据 在 2022 年的一项研闻 中巴名录 人户规模超过 10 亿美元的金融机构中，有 20% 计划对新的信贷模型和工具进行重大投资或建立战略合作伙伴关系。 高级决策。
欺诈和风险管理。 在 年研究中，提出欺诈、风险和网络安全问题的银行和信用合作社高管的比例自 2021 年以来飙升。许多公司正在寻求机器学习工具和辅助技术来控制这些风险。
那么是什么阻碍了银行的发展？ 正如麦肯锡所解释的那样：
“机器学习模型增加了几个风险因素。 许多银行已经检查了框架（软件框架）和实施，以评估和减轻与传统模型相关的风险。 但这通常不足以解决机器学习模型的风险。”
Zest.ai 和 等公司的工具和应用程序正在帮助银行解决这个问题，使机器学习在 2022 年跻身前五。
