科技的变革，让很多企业舍弃人工，而选择机器人去服务或工作，如我们知道的金融服务中所使用的人工智能聊天机器人，虽然省去了人工的成本，但银行家更关心如何使用机器学习来降低风险。
例如，机构一直在悄悄地试验，以抓住欺诈者，并作出信贷决定，以便他们放贷更多，损失更少。在技术方面，机器学习和人工智能正在成为准备压力测试提交的重要工具，这有助于设定银行需要多少资金。渣打银行首席数据官Shameek Kundu表示，该银行将AI总预算的40％用于“最广泛意义上的风险”。 AI包含机器学习，可以分析大量数据。监管机构也在采取行动。全球标准制定者金融稳定委员会（Financial Stability Board）于11月发布的关于人工智能在金融服务中的应用的报告指出，例如，澳大利亚证券和投资委员会如何利用机器学习通过其营销材料捕获流氓金融服务专业人员。
该报告指出，在美国，证券交易委员会的机器学习技术比随机搜索找到“适合推荐实施的语言”的“五倍”，并且该工具在金融服务行业中显示出“实质性承诺”通常。欺诈检测是金融机器学习最重要的应用之一。像使用计算机以非常规方式完成在线表单的人看似微不足道的事情可能会指向潜在的错误行为。全球技术咨询公司DataArt的首席解决方案顾问Alexey Utkin描述了一家大型银行最近发生的一起案件，当时一项欺诈行为受到技术阻碍，“因为他们在登录时使用了滚动条，因此采取了行为人的行为”。真正的用户喜欢跟踪板，机器学习技术能够检测异常，因为它能够解释大量的数据。
在去年夏天的一份报告中，评级机构穆迪表示，这种技术“对信用风险建模应用做出了重大贡献” – 它决定了借款人是否能够偿还贷款 – 因为“机器学习模型不受一些经典假设的束缚统计模型，可以产生更好的洞察力，而人类分析师无法从数据中推断出来“。除了帮助银行避开欺诈性借款人或信用不良的人之外，它还可以让他们更自信地借给那些通过机器学习工具风险测试的人。 StanChart的Kundu先生说，其大部分人工智能风险项目“都是为了改善我们的风险偏好，降低风险，同时也增强了我们在某些情况下承担风险的能力”。
麦肯锡接受10月份发布的一份报告调查的风险管理人员中有一半表示，由于人工智能和其他数字创新，他们预计信贷决策时间将下降25％至50％。咨询公司认为，由于技术的原因，信贷损失“可能会下降10％”。尽职调查公司ComplyAdvantage的首席执行官Charlie Delingpole表示，机器学习为银行在反洗钱和恐怖融资支票方面提供了巨大优势。该公司扫描潜在客户的姓名，并根据公共记录，媒体报道和其他在线资源对他们进行检查，以提醒银行违反门槛。
“人们感到厌倦，人们会犯错误。如果你有一台机器做这件事，那么它一定会更加广阔，“Delingpole先生说。他的服务需求量很大;在四年前从他的车库出发后，ComplyAdvantage现在有200个客户，在伦敦，纽约和罗马尼亚拥有80名员工，并且很快将在新加坡开业。 “我们雇用超级快，”他说。
FSB报告列举了一个全球性企业投资银行的例子，该银行使用“无监督学习” – 在这种模式下，要求算法检测先前未被标记过的数据模式 – 以帮助预测其可能丢失多少以及其拥有多少资本。在另一个例子中，一家机构用AI来帮助模拟其资本市场业务在压力测试中的表现。银行不愿意估计机器学习在其风险管理职能中的经济效益。但DataArt的Utkin先生表示，潜在的成本节约“非常巨大”，然而，这并不都是好消息。金融稳定委员会的报告称，在人工智能领域缺乏“可审核性”可能会导致自身的风险，从而导致意想不到的后果。例如，交易算法的行为在与市场互动时可能会产生负面影响。