Πέντε τρόποι που το Generative AI θα αλλάξει τον κλάδο πληρωμών (Oliver Tearle)

Πέντε τρόποι που το Generative AI θα αλλάξει τον κλάδο πληρωμών (Oliver Tearle)

Κόμβος πηγής: 1912937

Ο κλάδος πληρωμών χρησιμοποιεί εκτενώς τις τεχνολογίες AI/ML σε ένα ευρύ φάσμα εφαρμογών – συμπεριλαμβανομένου του στοχευμένου μάρκετινγκ, της αυτοματοποίησης διαδικασιών και του προφίλ πελατών. Η χρήση της τεχνητής νοημοσύνης και της ML στην πρόληψη της απάτης είναι ιδιαίτερα κοινή, καθώς επιτρέπει στις ομάδες πρόληψης απάτης να αναζητούν μεγάλες ποσότητες δεδομένων συναλλαγών για να εντοπίσουν δόλια συμπεριφορά και να εντοπίσουν αναδυόμενες απειλές.

Υπάρχουν πολλές μέθοδοι ML που χρησιμοποιούνται σε ολόκληρο τον κλάδο πληρωμών, ωστόσο, δεν έχει υπάρξει σαφής ηγέτης. Αυτό μπορεί να πρόκειται να αλλάξει με την εμφάνιση της γενετικής τεχνητής νοημοσύνης και πολλοί ειδικοί πιστεύουν ότι η χρήση της τεχνητής νοημοσύνης και της ML στις πληρωμές θα μπορούσε να κάνει ένα τεράστιο άλμα προς τα εμπρός όσον αφορά την απόδοση με την εφαρμογή αυτής της τεχνολογίας.

Το Generative AI είναι ένα εξαιρετικά πολύπλοκο κομμάτι τεχνολογίας, που χρησιμοποιεί τεράστια βαθιά νευρωνικά δίκτυα, που αποτελείται από δισεκατομμύρια παραμέτρους για να επιτρέψει την αναγνώριση πολύπλοκων προτύπων και τα πρώτα σημάδια είναι ότι θα μπορούσε να αλλάξει το παιχνίδι. Το OpenAI έχει εμπορευματοποιήσει το πρώτο μαζικά εκπαιδευμένο γενετικό AI,
GPT-3
, το οποίο ο Έλον Μασκ αποκάλεσε το ChatGPT «τρομακτικό καλό» και προειδοποίησε, «Δεν απέχουμε πολύ από την επικίνδυνα ισχυρή τεχνητή νοημοσύνη». Μπορεί να το είπε σωστά.

Το μοντέλο του GPT-3 εκπαιδεύεται σε έναν αστρονομικό όγκο δεδομένων – τα πάντα, από βιβλία, άρθρα στο Διαδίκτυο, μέσα κοινωνικής δικτύωσης και πηγαίο κώδικα. Μπορεί επίσης να παράγει το δικό του περιεχόμενο με το στυλ αυτού που έχει μάθει αφού του δοθεί μια απλή προτροπή. Για παράδειγμα, μπορεί να ζητηθεί από το AI να γράψει τεχνική τεκμηρίωση με βάση τον παρεχόμενο κώδικα ή μπορεί να απαντήσει σε τεχνικές ερωτήσεις καθώς και να μεταφράσει γλώσσες (τόσο ανθρώπινες όσο και γλώσσες προγραμματισμού). Αυτός ο τύπος ικανότητας μπορεί να μην έχει προφανή περίπτωση χρήσης σε πληρωμές ή πρόληψη απάτης, αλλά η γενετική τεχνητή νοημοσύνη προσφέρει μυριάδες λύσεις σε προκλήσεις περίπλοκης ανίχνευσης απάτης, εξόρυξης δεδομένων και ανάπτυξης λύσεων.

Τι θα μπορούσε να έχει αυτή η τεχνολογία στον κλάδο της απάτης και των πληρωμών; Ακολουθούν πέντε τρόποι με τους οποίους το Generative AI θα αλλάξει τον κλάδο πληρωμών.

Υποστήριξη αποφάσεων – Υπάρχουν πολλά εργαλεία που χρησιμοποιούνται σήμερα που βοηθούν στην υποστήριξη αποφάσεων. Οι πίνακες εργαλείων είναι ιδιαίτερα δημοφιλείς, παρέχοντας πολλές πληροφορίες σε ένα μέρος. Το μειονέκτημα είναι ότι οι περισσότεροι πίνακες εργαλείων αποφάσεων εμφανίζουν μόνο ό,τι έχουν σχεδιαστεί να δείχνουν και πολλοί δεν μπορούν να αλλάξουν αρκετά γρήγορα για να δείξουν τις πιο πρόσφατες τάσεις δεδομένων. Αυτό μπορεί να σημαίνει ότι οι χρήστες χάνουν κρίσιμες πληροφορίες που θα μπορούσαν να είναι χρήσιμες για την παροχή μιας πιο λεπτομερούς εικόνας για τη λήψη αποφάσεων.

Τα παραγωγικά γλωσσικά μοντέλα θα μπορούσαν να προσφέρουν μια λύση επιτρέποντας στους λήπτες αποφάσεων να ζητούν απλώς τις πληροφορίες που χρειάζονται και να τις παρουσιάζουν με μια μορφή που μπορούν εύκολα να αφομοιώσουν, μαζί με υποστηρικτικά στοιχεία που θα βοηθήσουν στη λήψη της καλύτερης απόφασης. Τα μοντέλα παραγωγής μπορούν επίσης να αντιδρούν σε ζωντανά δεδομένα και να ενημερώνουν συνεχώς τους πίνακες εργαλείων για νέες ή ταχέως κινούμενες τάσεις, επιτρέποντας ακόμη πιο γρήγορη λήψη αποφάσεων.

Σε πληρωμές σε πραγματικό χρόνο, αυτό θα επιτρέψει στα συστήματα να αντιδρούν ταχύτερα σε επιθέσεις απάτης μεγάλης κλίμακας, οι οποίες συχνά εκτελούνται έναντι νέων μεθόδων πληρωμής. Ένα παραγωγικό μοντέλο θα μπορούσε επίσης να χρησιμοποιηθεί για τον προσδιορισμό του τρόπου με τον οποίο είναι πιθανό να χρησιμοποιηθεί μια σειρά μεθόδων πληρωμής σε μια συγκεκριμένη γεωγραφική περιοχή ή από μια συγκεκριμένη ομάδα πελατών, υποδεικνύοντας πού μπορεί να απαιτηθούν περαιτέρω επενδύσεις.

Αναζήτηση της Γνωσιακής Βάσης. Το μεγαλύτερο μέρος της γνώσης ενός οργανισμού αποθηκεύεται σε πολλές διαφορετικές πηγές και τοποθεσίες. Από την τεκμηρίωση, τα email, τα εισιτήρια εργασίας και τον πηγαίο κώδικα, υπάρχουν πολλά που πρέπει να περάσουν και μπορεί να είναι εξαιρετικά εύκολο να χάσετε σημαντικές πληροφορίες – κάτι στο οποίο θα μπορούσε να βοηθήσει ένα μεγάλο μοντέλο γλώσσας. Παροχή λεπτομερούς περίληψης με αναφορές και πληροφορίες για τα συμφραζόμενα για να μπορέσει ένας ερευνητής να πάρει αυτό που χρειάζεται πολύ γρήγορα, όλα από μια απλή προτροπή.

Ένας προγραμματιστής θα μπορεί σύντομα να ζητήσει από την τεχνητή νοημοσύνη να «παρέχει όλες τις εσωτερικές πληροφορίες για παράδειγμα ενσωμάτωση μεθόδων πληρωμής», που θα τους επιτρέψει να κατανοήσουν γρήγορα πώς έχουν ενσωματωθεί οι προηγούμενες μέθοδοι πληρωμής και πώς μπορούν να ενσωματώσουν νέες μεθόδους πιο γρήγορα.  

Δημιουργία Κώδικα για Πρωτοτυποποίηση Προϊόντος. Με μια απλή προτροπή, το GPT-3 μπορεί να παράγει δείγμα κώδικα για σχεδόν οποιοδήποτε σενάριο. Αν και η πλήρης δυνατότητα αυτού είναι προς το παρόν μακριά, στο μέλλον θα μπορούσαμε να δούμε την Generative AI να παράγει πρωτότυπα προϊόντα ή χαρακτηριστικά εξαιρετικά γρήγορα. Οι προγραμματιστές θα μπορούσαν στη συνέχεια να παρέμβουν για να προσθέσουν πρόσθετες, πιο σύνθετες λειτουργίες. Η τεχνητή νοημοσύνη μπορεί στη συνέχεια να λάβει σχόλια και να βελτιώσει την προηγούμενη απάντησή της, καθώς έχει κάποια «μνήμη» από αυτά που έχουν ζητηθεί προηγουμένως, για να εξυπηρετήσει καλύτερα ένα αίτημα παρακολούθησης. Τελικά αυτό θα μπορούσε να οδηγήσει στους προγραμματιστές να ορίσουν πολύ συγκεκριμένες λειτουργίες, ίσως παρέχοντας ένα έγγραφο λειτουργικών απαιτήσεων – και η τεχνητή νοημοσύνη θα παράγει τον κώδικα, θα δημιουργεί ένα περιβάλλον δοκιμής και θα αναπτύσσει το πρωτότυπο για γρήγορες δοκιμές. Αυτό θα μπορούσε τελικά να οδηγήσει σε πολύ απλούστερες ενσωματώσεις πληρωμών, επιτρέποντας τη γρήγορη διάθεση στην αγορά για αυτές τις δυνατότητες.

Το GPT-3 είναι επίσης ένα εξαιρετικό εργαλείο για την εύρεση σφαλμάτων στον κώδικα και την προσφορά λύσεων για επιδιορθώσεις. Αυτή η δυνατότητα, εάν εφαρμοστεί σε περιβάλλοντα ανάπτυξης, θα μπορούσε να βελτιώσει γρήγορα τόσο την ποιότητα του κώδικα όσο και να μειώσει το χρόνο διάθεσης στην αγορά για προϊόντα και λειτουργίες. Αυτή η αξιοσημείωτη ικανότητα θα μεταμορφώσει πλήρως την ανάπτυξη λογισμικού μειώνοντας μαζικά τον χρόνο ανάπτυξης του προϊόντος.

Αυτοματοποίηση υποστήριξης προϊόντων. Όταν ρώτησα το GPT-3 πώς θα μπορούσε να παρέχει λειτουργικότητα υποστήριξης, είχε την ακόλουθη απάντηση: 

«Ως ένα μεγάλο γλωσσικό μοντέλο που εκπαιδεύεται από το OpenAI, είμαι σε θέση να κατανοήσω και να απαντήσω σε ένα ευρύ φάσμα ερωτήσεων και να παρέχω πληροφορίες για ένα ευρύ φάσμα θεμάτων. Αυτό με καθιστά κατάλληλο για χρήση ως λειτουργία υποστήριξης σε μια επιχείρηση, όπου θα μπορούσα να βοηθήσω να απαντήσω σε ερωτήσεις πελατών, να παρέχω πληροφορίες για προϊόντα ή υπηρεσίες και να βοηθήσω σε μια ποικιλία άλλων εργασιών. Για παράδειγμα, θα μπορούσα να ενσωματωθώ στο σύστημα υποστήριξης πελατών μιας εταιρείας, όπου θα μπορούσα να βοηθήσω να απαντήσω γρήγορα και με ακρίβεια σε ερωτήματα πελατών, ελευθερώνοντας ανθρώπινους πράκτορες για να χειριστούν πιο περίπλοκα ζητήματα.»

Το GPT-3 κατανοεί σαφώς πού είναι οι χρήσεις του. Οι ομάδες υποστήριξης πελατών θα επωφεληθούν μαζικά από αυτό το AI και θα μπορούσαν να περιμένουν να δουν την αποτελεσματικότητά τους να βελτιώνεται δραματικά, καθώς το AI θα μπορούσε να χειριστεί τις περισσότερες αλληλεπιδράσεις με τους πελάτες, αφήνοντας τις ανθρώπινες ομάδες να εργάζονται σε περίπλοκες περιπτώσεις ή να εκπαιδεύονται και να παρέχουν περισσότερη βοήθεια αλλού στην επιχείρηση.

Ανίχνευση απάτης. Όταν σας ζητήθηκε πώς μπορεί να χρησιμοποιηθεί το GPT-3 για τον εντοπισμό απάτης, κατέληξε στα εξής:

«Μια πιθανή εφαρμογή του GPT-3 στις πληρωμές είναι στον τομέα της πρόληψης της απάτης. Η ικανότητα του μοντέλου να επεξεργάζεται και να κατανοεί μεγάλες ποσότητες δεδομένων, καθώς και οι δυνατότητες επεξεργασίας φυσικής γλώσσας, θα μπορούσαν να χρησιμοποιηθούν για τον εντοπισμό και την επισήμανση πιθανών δόλιων συναλλαγών σε πραγματικό χρόνο.»

Η εφαρμογή του GPT-3 στην απάτη θα μπορούσε να αποφέρει επαναστατικά αποτελέσματα. Το AI θα μπορούσε να εκπαιδευτεί με τεράστιες ποσότητες ιστορικών πληροφοριών πληρωμών, επιτρέποντάς του να μάθει πώς χρησιμοποιούνται συνήθως μεμονωμένες κάρτες, καθώς και να παρέχει στους αναλυτές μια άποψη για τις τρέχουσες τάσεις απάτης, αλλά αυτή είναι μόνο η αρχή των δυνατοτήτων του. Το μοντέλο θα μπορούσε να βοηθήσει τους αναλυτές απάτης φιλτράροντας τις ειδοποιήσεις απάτης χαμηλής πιθανότητας, μειώνοντας την προσπάθεια χειροκίνητου ελέγχου.

Τα εργαλεία δημιουργίας τεχνητής νοημοσύνης θα μπορούσαν να αποδειχθούν εξαιρετική προσθήκη στο κιτ εργαλείων μιας ομάδας υπεράσπισης απάτης, παρέχοντας τη δυνατότητα ανάκρισης δεδομένων με ανθρώπινες ερωτήσεις σε αντίθεση με τα ερωτήματα της βάσης δεδομένων. Για παράδειγμα, οι διαχειριστές απάτης θα μπορούσαν να ζητήσουν από την τεχνητή νοημοσύνη να συνοψίσει όλες τις ύποπτες συμπεριφορές πληρωμών – μια εργασία που αυτή τη στιγμή καταλαμβάνει το μεγαλύτερο μέρος του χρόνου ενός διαχειριστή απάτης. Αυτό θα μπορούσε στη συνέχεια να γίνει ένα βήμα παραπέρα με τους διαχειριστές απάτης που εργάζονται με παραγωγικά μοντέλα για να αναπτύξουν νέους κανόνες απάτης και να εφαρμόσουν μοντέλα ML απλώς ρωτώντας το πώς θα λειτουργούσαν οι νέοι κανόνες και μοντέλα και προτείνοντας βελτιώσεις για την ενίσχυση της απόδοσης.

Το ίδιο μοντέλο παραγωγής θα μπορούσε να χρησιμοποιηθεί για την απόκτηση επιχειρηματικής εικόνας, όπως η κατανόηση πότε αλλάζει η συμπεριφορά ενός πελάτη ή για μαζικές αλλαγές συμπεριφοράς και παροχή πιθανών λόγων – όλα αυτά από μια απλή προτροπή.

Το Generative AI μας προσφέρει μια ματιά στο μέλλον των πληρωμών που βασίζονται σε ML, με εκτεταμένες χρήσεις στον εντοπισμό απάτης, τις πληρωμές σε πραγματικό χρόνο, την ανάπτυξη χαρακτηριστικών (ιδιαίτερα τις ενσωματώσεις) και την ανάλυση δεδομένων. Το GPT-3 είναι μόνο η αρχή αυτού που αναμφίβολα θα γίνει η επανάσταση της τεχνητής νοημοσύνης.

Σφραγίδα ώρας:

Περισσότερα από Fintextra