Umetna inteligenca je že leta dragocen del bančne tehnologije, saj pomaga pri odkrivanju goljufij in analizi podatkov. Z razvojem strojnega in globokega učenja se je razvila tudi njuna vloga. Zdaj pomagata tudi pri potrjevanju identitete in ocenjevanju tveganj ter pomagata pri zagotavljanju personaliziranih izkušenj strank.
Vstopite v generativno umetno inteligenco – nišo znotraj globokega učenja. Ta tehnologija, ki je prišla v mainstream konec leta 2022, lahko s svojo sposobnostjo ustvarjanja vsebin in človeku podobnih interakcij preoblikuje bančništvo.
Razvoj rešitev za potrošnike, kot so finančni svetovalci z umetno inteligenco ali pogovorno bančništvo, bi zahteval čas, deloma zaradi vprašanj, povezanih z vključevanjem generativne UI v obstoječe sisteme, deloma pa zaradi potrebe po zagotovitvi, da njena uporaba ne bo povzročila izzivov glede zasebnosti in verodostojnosti podatkov. Danes banke iščejo generativno UI za interne aplikacije, ki spreminjajo pravila igre, vključno z upravljanjem znanja, odločanjem o kreditih in kibernetsko varnostjo.
Tri ključna področja vpliva
Velike banke, ki se lotevajo pobud za upravljanje znanja – deljenje pomembnih informacij znotraj organizacije -, se morajo pogosto spopadati z ločenimi podatki, kar je še težje zaradi starejše ali zastarele tehnologije. Generativna umetna inteligenca lahko pomaga pri obdelavi velikih količin podatkov in takojšnjem posredovanju informacij tistim, ki jih potrebujejo. Sposobnost dinamične sinteze podatkov pomeni hitrejši dostop do predpisov za pravne ekipe, dokumentacije o izdelkih za inženirje in smernic za znamčenje za tržnike – vse to povečuje učinkovitost.
Kar zadeva odločanje o kreditih, tradicionalno posojanje pogosto trpi zaradi počasnih postopkov in zapletenosti – pomislite na pridobitev hipotekarnega posojila za stanovanje. Generativna umetna inteligenca lahko v sodelovanju z odprtimi bančnimi metodami in v povezavi z drugimi modeli umetne inteligence to poenostavi. Z upoštevanjem alternativnih podatkov, sintetiziranjem informacij za posojilodajalce, podpiranjem odločanja in predlaganjem strategij posojanja lahko pomaga pri oskrbi oseb brez standardne kreditne zgodovine ali s tankimi kreditnimi profili. Poleg tega lahko UI prosilce nemoteno vodi skozi postopke in tako izboljša uporabniško izkušnjo.
Na področju kibernetske varnosti lahko gen AI, usposobljen na obsežnih naborih podatkov, vključno z zlonamerno programsko opremo in sintetičnimi podatki, napoveduje kibernetske grožnje, simulira varnostne scenarije in natančno ugotavlja anomalije – zagotavlja bogatejšo obrambno strategijo v realnem času. Varnostne ekipe lahko tehnologijo uporabijo za ustvarjanje modelov, ki napovedujejo kibernetske napade, in predlagajo metode za njihovo preprečevanje.
Težave, ki jih je treba odpraviti
Generativna umetna inteligenca ni brez izzivov.
Najprej je tu vprašanje izpostavljenosti podatkom. Modeli generativne umetne inteligence kot učne podatke sprejemajo informacije, ki so jim izpostavljeni, kot so podatki o transakcijah ali klepetu, in jih nato ponovno uporabijo. To je zaskrbljujoče v bančništvu, kjer je varnost podatkov najpomembnejša in se zahteva skladnost s predpisi o zasebnosti.
Druga težava je natančnost informacij. Generativna umetna inteligenca lahko včasih ustvari netočne ali “halucinirane” informacije, kar je izziv za upravljanje znanja.
Tretjič, umetna inteligenca lahko ohranja pristranskost. Če nabor podatkov odraža, da je določena demografska skupina v preteklosti prejela manj posojil, lahko aplikacija UI to dejstvo vzame kot predpis in diskriminira to skupino. Razumevanje in ublažitev tega je ključnega pomena.
In končno, če je lahko generična umetna inteligenca močno orodje za kibernetsko varnost, je tudi res, da jo lahko kriminalci izkoriščajo in jo uporabljajo za izdelavo “globokih ponaredkov” ali pripravo iteracij zavajajoče kopije e-pošte v goljufivih akcijah. Varnostni strokovnjaki se bodo morali sprijazniti z obojestransko naravo te tehnologije in ostati korak pred slabimi akterji.
Varno uvajanje generične umetne inteligence
Finančne institucije bi lahko zgradile lastne modele za zmanjševanje različnih vrst tveganj in si zagotovile nadzor nad njimi – na primer tako, da bi njihovo uporabo omejile na izbrane stranke ali da bi bile to izključno notranje rešitve, tako da bi bili vložki v varnost podatkov manjši.
Banke lahko komercialno dostopne modele prilagodijo svojim posebnim potrebam in tako zagotovijo strožji nadzor. Izbira komercialno dostopnih modelov je lahko za mnoge institucije tudi stroškovno učinkovita. (Znane finančne institucije so nedavno uporabile ali še uporabljajo te strategije.)
Zaključek? “Omejeno” je geslo za mnoge finančne subjekte. Poudarek je na varnih, reguliranih in notranjih aplikacijah.
Začetek z majhnimi sredstvi in povečanje obsega
Ne pričakujte popolne prenove tehnologije v podjetjih z umetno inteligenco čez noč. Generativna umetna inteligenca se bo v bančništvo verjetno vključevala postopoma, začenši z majhnimi primeri notranje uporabe in se, ko bodo izzivi odpravljeni, razširila na bolj ambiciozne in javno dostopne namestitve. Toda glede na njen potencial je pripravljena, da v naslednjih nekaj letih prinese pomembno preobrazbo bančnega poslovanja.