Wie GenAI Finanzdienstleistungen durch „Hyper-Personalisierung“ verändert

Michael Haney, Leiter Produktstrategie bei Galileo Finanztechnologien, sagte maschinelles Lernen in Kombination mit dem Aufstieg der generativen künstlichen Intelligenz wird eine neue Ära der Back-Office-Produktivität einläuten und letztendlich die Art und Weise verändern, wie Finanzdienstleistungsunternehmen Daten nutzen, um hyperpersonalisierte Erlebnisse bereitzustellen.

Das Gespräch zwischen Haney und PYMNTS ist Teil der Reihe „What's Next in Payments: Payments and GenAI“.

„Wir befinden uns immer noch in einer Zeit, in der Finanzdienstleistungsunternehmen maschinelles Lernen (eine Teilmenge der KI) einführen“, sagte er. Aber immer mehr Unternehmen wenden sich generativer KI und maschinellem Lernen zu, um ihre Back-End-Abläufe zu optimieren und so Produktivität, Effizienz und Qualität zu steigern.

Während maschinelles Lernen manchmal manuelle Eingriffe erfordert, da Benutzer die Modelle selbst optimieren und prüfen, welche Modelle die beste Leistung erbringen, können die Modelle schneller lernen und sich anpassen, wenn sich die Bedingungen ändern, erklärte Haney.

In diesem Bereich des maschinellen Lernens gibt es Techniken, die als neuronale Netze bezeichnet werden. Neuronale Netze seien ein „Versuch, die Funktionsweise des menschlichen Gehirns nachzuahmen, und sie bestehen oft aus mehreren Schichten“, sagte Haney. Je mehr Schichten verwendet werden, desto mehr können Kapazität, Effizienz, Leistung und Genauigkeit verbessert werden.

Fortschritte in der generativen KI haben das Potenzial des maschinellen Lernens über die „starren und unflexiblen Regel-Engines“ der Vergangenheit hinaus entwickelt, die auf bestimmte Arten von Inhalten beschränkt waren. Moderne Methoden basieren auf Transformatoren oder Deep-Learning-Modellen, die das nächste Wort in einem Satz vorhersagen können oder welches Bild, Video oder welche Musik angeboten werden soll, sagte Haney.

„Es erzeugt eine menschenähnliche Reaktion in einem Ausmaß, wie wir es noch nie zuvor gesehen haben“, sagte er.

Visualisierung der Daten

Haney konzentrierte sich auf Zahlungen und sagte, KI könne Finanzdienstleistungen in verschiedenen Arbeitsabläufen und Interaktionen, darunter auch in der Kundenbetreuung, verändern und so die Produktivität des Betriebs steigern. Da Finanzinstitute und Zahlungsabwickler versuchen, diese Daten auf einzigartige Weise zu nutzen, werde die Zustimmung der Verbraucher zur Datenweitergabe von entscheidender Bedeutung sein, sagte er.

„Betriebsteams lieben Daten, Berichte, Dashboards und Dinge dieser Art“, sagte Haney. „Sie beginnen, die Möglichkeit zu bekommen, Daten durch Abfragen in natürlicher Sprache zu visualisieren.“

Diese Abfragen in natürlicher Sprache können wertvolle Erkenntnisse liefern, beispielsweise Informationen darüber, wie sich das Zahlungsvolumen täglich verändert. Andere generative KI-gestützte Technologien, wie zum Beispiel virtuelle Assistenten, bieten sowohl für Kunden als auch für Bankmitarbeiter einen Mehrwert. Anstatt beispielsweise hunderte Seiten dicke Handbücher durchzulesen, können Mitarbeiter einfach eine Frage in ihre KI-gestützten Anwendungen eingeben, um herauszufinden, wie sie die Reaktionszeiten am besten verbessern und die Kunden anderweitig bedienen können. Betrugsabwehr ist ein weiterer Anwendungsfall, der durch automatisierte Analysen unterstützt wird.

Generative KI könne auch die Kreditentscheidung und andere Interaktionen verbessern und das Kreditlebenszyklusmanagement von der Beantragung bis zum Inkasso unterstützen, sagte er. In kommerzielleren Umgebungen hilft KI bereits den Treasury-Managern der verschiedenen Banken dabei, Cashflow- und Zinsänderungen zu untersuchen und Liquiditätsrisiken zu steuern.

Hyperpersonalisierung werde ein natürliches Nebenprodukt der KI sein, sagte Haney, warnte jedoch davor, dass Modelle überprüft werden müssen, um Voreingenommenheit zu vermeiden. Er fügte hinzu, dass Verbraucher traditionell manuell durch eine Vielzahl von Zahlungsoptionen navigieren müssten, von ACH über Überweisungen bis hin zu Echtzeitoptionen. Es kann sich als wertvoll erweisen, einen „Motor“ zu haben, der sie schnell durch die Optionen führt.

„Verbraucher sind oft völlig überfordert mit der Vielzahl an verschiedenen Möglichkeiten, Geld zu bewegen“, sagte er. „Sie brauchen diese Engines, die sie durch den Kompromiss zwischen Geschwindigkeit, Preis und Risiko führen und die beste Art von Zahlungsschienen empfehlen, die sie basierend auf der Transaktion, die sie durchführen möchten, in Betracht ziehen sollten.“

Ebenso besteht die Möglichkeit, strukturierte und unstrukturierte Daten und Echtzeitkontext zu nutzen, um die nächstbesten Angebote am Point of Sale zu erstellen und zu verbreiten. Auch in vielen Bereichen der Finanzdienstleistungen entstehen neue Anwendungsfälle, darunter Kundendienstabläufe, Marketingabläufe und Produktentwicklung.

Die Art und Weise, wie sich die Technologie weiterentwickelt, eröffnet neue Möglichkeiten.

„Eines der Dinge, die wir sehen werden, sind neue, vertikalisierte und spezialisierte große Sprachmodelle“, sagte Haney und fügte hinzu, dass in den kommenden Monaten und Jahren mehr Entscheidungsanwendungsfälle kennzeichnend sein werden.

„In diesem Jahr wird es neben den Modellen selbst noch viel Neues und Interessantes geben“, prognostizierte er.

Link: https://www.pymnts.com/news/artificial-intelligence/2024/how-generative-ai-is-transforming-financial-services-through-hyper-personalization/

Quelle: https://www.pymnts.com

• SEO-gestützte Content- und PR-Distribution. Holen Sie sich noch heute Verstärkung.
• PlatoData.Network Vertikale generative KI. Motiviere dich selbst. Hier zugreifen.
• PlatoAiStream. Web3-Intelligenz. Wissen verstärkt. Hier zugreifen.
• PlatoESG. Kohlenstoff, CleanTech, Energie, Umwelt, Solar, Abfallwirtschaft. Hier zugreifen.
• PlatoHealth. Informationen zu Biotechnologie und klinischen Studien. Hier zugreifen.
• Quelle: https://www.fintechnews.org/how-genai-is-transforming-financial-services-through-hyper-personalization/