Πώς η GenAI μεταμορφώνει τις χρηματοοικονομικές υπηρεσίες μέσω της «Υπερπροσωποποίησης»

Πώς η GenAI μεταμορφώνει τις χρηματοοικονομικές υπηρεσίες μέσω της «Υπερπροσωποποίησης»

Κόμβος πηγής: 3094070
Πώς η GenAI μεταμορφώνει τις χρηματοοικονομικές υπηρεσίες μέσω της «Υπερπροσωποποίησης»
Michael Haney, επικεφαλής στρατηγικής προϊόντων στο Χρηματοοικονομικές τεχνολογίες Galileo, είπε ότι η μηχανική μάθηση σε συνδυασμό με την άνοδο της γενετικής τεχνητής νοημοσύνης θα εγκαινιάσει μια νέα εποχή παραγωγικότητας back-office και τελικά θα αλλάξει τον τρόπο με τον οποίο οι οργανισμοί χρηματοοικονομικών υπηρεσιών χρησιμοποιούν δεδομένα για να προσφέρουν υπερ-εξατομικευμένες εμπειρίες.
Η συνομιλία μεταξύ της Haney και της PYMNTS είναι μέρος της σειράς «Τι ακολουθεί στις πληρωμές: Πληρωμές και GenAI».
Βρισκόμαστε ακόμη σε μια εποχή όπου οι οργανισμοί χρηματοοικονομικών υπηρεσιών υιοθετούν τη μηχανική μάθηση (ένα υποσύνολο της τεχνητής νοημοσύνης), είπε. Ωστόσο, όλο και περισσότερο, οι οργανισμοί στρέφονται προς την παραγωγική τεχνητή νοημοσύνη και τη μηχανική μάθηση για να «υπερφορτίσουν» τις λειτουργίες back-end τους για να βελτιώσουν την παραγωγικότητα, την αποτελεσματικότητα και την ποιότητα.
Ενώ η μηχανική μάθηση μερικές φορές απαιτεί χειροκίνητη παρέμβαση καθώς οι χρήστες προσαρμόζουν οι ίδιοι τα μοντέλα και εξετάζουν ποια έχουν την καλύτερη απόδοση, τα μοντέλα αποκτούν την ικανότητα να μαθαίνουν και να προσαρμόζονται πιο γρήγορα καθώς αλλάζουν οι συνθήκες, εξήγησε ο Haney.
Σε αυτόν τον τομέα της μηχανικής μάθησης υπάρχουν τεχνικές που ονομάζονται νευρωνικά δίκτυα. Τα νευρωνικά δίκτυα είναι μια «προσπάθεια μίμησης του τρόπου λειτουργίας του ανθρώπινου εγκεφάλου και συχνά έχουν πολλαπλά στρώματα», είπε ο Haney. Όσο περισσότερα στρώματα χρησιμοποιούνται, τόσο μεγαλύτερη χωρητικότητα, αποτελεσματικότητα, απόδοση και ακρίβεια μπορούν να βελτιωθούν.
Οι εξελίξεις στη γενετική τεχνητή νοημοσύνη έχουν αναπτύξει τις δυνατότητες της μηχανικής μάθησης πέρα ​​από τους «άκαμπτους και άκαμπτους μηχανισμούς κανόνων» του παρελθόντος που περιορίζονταν σε συγκεκριμένους τύπους περιεχομένου. Οι σύγχρονες μέθοδοι βασίζονται σε μετασχηματιστές ή μοντέλα βαθιάς μάθησης, που μπορούν να προβλέψουν την επόμενη λέξη σε μια πρόταση ή ποια εικόνα, βίντεο ή μουσική θα προσφέρουν, είπε ο Haney.
«Δημιουργεί μια ανθρώπινη αντίδραση σε επίπεδα που δεν έχουμε ξαναδεί», είπε.

Οπτικοποίηση των Δεδομένων

Στρέφοντας το επίκεντρο στις πληρωμές, ο Haney είπε ότι η τεχνητή νοημοσύνη μπορεί να μεταμορφώσει τις χρηματοοικονομικές υπηρεσίες σε διάφορες ροές εργασίας και αλληλεπιδράσεις, μεταξύ των οποίων η εξυπηρέτηση πελατών - ενισχύοντας και βελτιώνοντας την παραγωγικότητα των λειτουργιών. Καθώς τα χρηματοπιστωτικά ιδρύματα και οι φορείς επεξεργασίας πληρωμών προσπαθούν να χρησιμοποιήσουν αυτά τα δεδομένα με μοναδικούς τρόπους, η συμμετοχή των καταναλωτών στην κοινή χρήση δεδομένων θα είναι κρίσιμη, είπε.
«Οι επιχειρησιακές ομάδες αγαπούν τα δεδομένα, τις αναφορές, τους πίνακες εργαλείων και τα πράγματα αυτής της φύσης», είπε ο Haney. «Αρχίζουν να αποκτούν τη δυνατότητα να κάνουν οπτικοποίηση δεδομένων μέσω ερωτημάτων φυσικής γλώσσας».
Αυτά τα ερωτήματα φυσικής γλώσσας μπορούν να προσφέρουν πολύτιμες πληροφορίες, όπως πληροφορίες σχετικά με τον τρόπο με τον οποίο οι όγκοι πληρωμών αλλάζουν καθημερινά. Άλλες τεχνολογίες παραγωγής τεχνητής νοημοσύνης, όπως οι εικονικοί βοηθοί, παρέχουν αξία τόσο στους πελάτες όσο και στο προσωπικό της τράπεζας. Για παράδειγμα, αντί να χρειάζεται να μελετούν εγχειρίδια με πάχος εκατοντάδων σελίδων, το προσωπικό μπορεί απλώς να πληκτρολογήσει μια ερώτηση στις εφαρμογές τους με τεχνητή νοημοσύνη για να βρει τον καλύτερο τρόπο για να βελτιώσει τους χρόνους απόκρισης και με άλλο τρόπο να εξυπηρετήσει τους πελάτες. Οι άμυνες απάτης είναι μια άλλη περίπτωση χρήσης που ενισχύεται μέσω αυτοματοποιημένων αναλυτικών στοιχείων.
Η γενετική τεχνητή νοημοσύνη μπορεί επίσης να βελτιώσει τη λήψη αποφάσεων για δάνεια και άλλες αλληλεπιδράσεις, υποστηρίζοντας τη διαχείριση του κύκλου ζωής των δανείων από τις εφαρμογές έως τις εισπράξεις πιστώσεων, είπε. Σε πιο εμπορικά περιβάλλοντα, η τεχνητή νοημοσύνη βοηθά ήδη τους διευθυντές ταμείων στις διάφορες τράπεζες να εξετάσουν τις ταμειακές ροές και τις μεταβολές των επιτοκίων και να αντιμετωπίσουν τον κίνδυνο ρευστότητας.
Η υπερ-εξατομίκευση θα είναι ένα φυσικό υποπροϊόν της τεχνητής νοημοσύνης, είπε ο Haney, αν και προειδοποίησε ότι τα μοντέλα πρέπει να εξετάζονται για να προστατεύονται από μεροληψία. Πρόσθεσε ότι οι καταναλωτές παραδοσιακά έπρεπε να πλοηγούνται χειροκίνητα σε μια πληθώρα επιλογών πληρωμής, που εκτείνονται από το ACH έως τα καλώδια και πιο πρόσφατα, επιλογές σε πραγματικό χρόνο. Έχοντας έναν «κινητήρα» που θα τους βοηθήσει γρήγορα να τους καθοδηγήσει στις επιλογές μπορεί να αποδειχθεί πολύτιμος.
«Συχνά οι καταναλωτές είναι εντελώς συγκλονισμένοι με τον αριθμό των διαφορετικών τρόπων για να μετακινηθούν χρήματα», είπε. «Χρειάζονται αυτούς τους κινητήρες για να τους καθοδηγήσουν σε αυτήν την αντιστάθμιση ταχύτητας, τιμής και κινδύνου και να προτείνουν τον καλύτερο τύπο σιδηροτροχιών πληρωμής που πρέπει να εξετάσουν με βάση τη συναλλαγή που προσπαθούν να κάνουν».
Ομοίως, υπάρχει επίσης η δυνατότητα χρήσης δομημένων και μη δομημένων δεδομένων και περιβάλλοντος σε πραγματικό χρόνο για τη δημιουργία και τη διάδοση των επόμενων καλύτερων προσφορών στο σημείο πώλησης. Νέες περιπτώσεις χρήσης εξελίσσονται επίσης σε πολλές πτυχές των χρηματοοικονομικών υπηρεσιών, συμπεριλαμβανομένων των λειτουργιών εξυπηρέτησης πελατών, των λειτουργιών μάρκετινγκ και της ανάπτυξης προϊόντων.
Ο τρόπος με τον οποίο εξελίσσεται η τεχνολογία ανοίγει νέες δυνατότητες.
«Ένα από τα πράγματα που θα αρχίσουμε να βλέπουμε είναι νέα, καθετοποιημένα και εξειδικευμένα μοντέλα μεγάλων γλωσσών», είπε ο Haney, προσθέτοντας ότι περισσότερες περιπτώσεις χρήσης αποφάσεων θα είναι χαρακτηριστικά των προσεχών μηνών και ετών.
«Πολλά νέα και ενδιαφέροντα πράγματα θα συμβούν φέτος πέρα ​​από τα ίδια τα μοντέλα», προέβλεψε.

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

Πηγή: https://www.pymnts.com

Σφραγίδα ώρας:

Περισσότερα από Νέα της Fintech