Kuinka GenAI muuttaa rahoituspalveluita "hyperpersonalisoinnin" avulla

Michael Haney, tuotestrategiapäällikkö osoitteessa Galileo Financial Technologies, sanoi koneoppiminen yhdistettynä generatiivisen tekoälyn nousuun avaa uuden back-office-tuottavuuden aikakauden ja muuttaa viime kädessä tapaa, jolla rahoituspalveluorganisaatiot käyttävät dataa tuottaakseen hyperpersonoituja kokemuksia.

Haneyn ja PYMNTS:n välinen keskustelu on osa "What's Next in Payments: Payments and GenAI" -sarjaa.

Elämme edelleen aikakautta, jolloin rahoituspalveluorganisaatiot ottavat käyttöön koneoppimisen (AI osa tekoälyä), hän sanoi. Mutta yhä useammin organisaatiot ovat siirtymässä luovaan tekoälyyn ja koneoppimiseen "tehostaakseen" taustatoimintojaan tuottavuuden, tehokkuuden ja laadun parantamiseksi.

Vaikka koneoppiminen vaatii joskus manuaalista puuttumista, kun käyttäjät säätelevät malleja itse ja tutkivat, mitkä niistä toimivat parhaiten, mallit saavat kyvyn oppia ja mukautua nopeammin olosuhteiden muuttuessa, Haney selitti.

Tällä koneoppimisen alueella on tekniikoita, joita kutsutaan neuroverkoiksi. Neuraaliverkot ovat "yritys jäljitellä ihmisen aivojen toimintaa, ja niillä on usein useita kerroksia", Haney sanoi. Mitä enemmän kerroksia käytetään, sitä enemmän kapasiteettia, tehokkuutta, suorituskykyä ja tarkkuutta voidaan parantaa.

Generatiivisen tekoälyn kehitys on kehittänyt koneoppimisen mahdollisuuksia menneisyyden "jäykkien ja joustamattomien sääntömoottorien" ulkopuolelle, jotka rajoittuivat tietyntyyppiseen sisältöön. Nykyaikaiset menetelmät perustuvat muuntajiin tai syväoppimismalleihin, jotka voivat ennustaa lauseen seuraavan sanan tai mitä kuvaa, videota tai musiikkia tarjota, Haney sanoi.

"Se luo ihmisen kaltaisen vasteen tasoilla, joita emme ole koskaan ennen nähneet", hän sanoi.

Datan visualisointi

Keskittyessään maksamiseen, Haney sanoi, että tekoäly voi muuttaa rahoituspalveluita useiden työnkulkujen ja vuorovaikutusten kautta, mukaan lukien asiakaspalvelu – tehostaen ja parantaen toiminnan tuottavuutta. Hän sanoi, että kun rahoituslaitokset ja maksujen käsittelijät pyrkivät käyttämään näitä tietoja ainutlaatuisilla tavoilla, kuluttajien osallistuminen tietojen jakamiseen on ratkaisevan tärkeää.

"Operatiiviset tiimit rakastavat dataa, raportteja, kojetauluja ja tämänkaltaisia ​​asioita", Haney sanoi. "He alkavat saada kykyä visualisoida dataa luonnollisen kielen kyselyillä."

Nämä luonnollisen kielen kyselyt voivat tarjota arvokkaita oivalluksia, kuten tietoja siitä, kuinka maksumäärät muuttuvat päivittäin. Muut luovat tekoälyllä toimivat tekniikat, kuten virtuaaliset avustajat, tarjoavat lisäarvoa sekä asiakkaille että pankin henkilökunnalle. Esimerkiksi sen sijaan, että he joutuisivat lukemaan satoja sivuja paksuisia käsikirjoja, työntekijät voivat yksinkertaisesti kirjoittaa kysymyksen tekoälypohjaisiin sovelluksiinsa löytääkseen parhaan tavan parantaa vastausaikoja ja muuten palvella asiakkaita. Petossuojat ovat toinen käyttötapaus, jota tukee automaattinen analytiikka.

Generatiivinen tekoäly voi myös parantaa lainapäätösten tekemistä ja muuta vuorovaikutusta tukemalla lainojen elinkaaren hallintaa hakemuksista luottojen perintään, hän sanoi. Tekoäly auttaa jo kaupallisemmissa olosuhteissa eri pankkien treasury manageria tarkastelemaan kassavirtaa ja korkojen muutoksia ja navigoimaan likviditeettiriskiä.

Haney sanoi, että hyperpersonalisointi tulee olemaan tekoälyn luonnollinen sivutuote, vaikka hän varoittikin, että malleja on tutkittava ennakkoluulojen estämiseksi. Hän lisäsi, että kuluttajien on perinteisesti täytynyt selata manuaalisesti lukuisia maksuvaihtoehtoja, jotka kattavat kaiken ACH:sta johtoihin ja viimeksi reaaliaikaisiin vaihtoehtoihin. "Moottori", joka auttaa heitä nopeasti ohjaamaan vaihtoehtoja, voi osoittautua arvokkaaksi.

"Kuluttajat ovat usein täysin hämmentyneitä eri tavoista siirtää rahaa", hän sanoi. "He tarvitsevat näitä moottoreita ohjatakseen heitä nopeuden, hinnan ja riskien välisen kompromissin läpi ja suosittelemaan parasta maksuvaihtoehtoa, jota heidän tulisi harkita sen perusteella, mitä he yrittävät tehdä."

Samoin on myös potentiaalia käyttää jäsenneltyä ja strukturoimatonta dataa ja reaaliaikaista kontekstia seuraavaksi parhaiden tarjousten luomiseen ja levittämiseen myyntipisteessä. Uusia käyttötapauksia kehittyy myös monilla rahoituspalvelujen osa-alueilla, mukaan lukien asiakaspalvelutoiminta, markkinointi ja tuotekehitys.

Teknologian kehitys avaa uusia mahdollisuuksia.

"Yksi asioista, joita tulemme näkemään, ovat uudet, vertikaalistetut ja erikoistuneet suuret kielimallit", Haney sanoi ja lisäsi, että useammin päättäväiset käyttötapaukset ovat tulevien kuukausien ja vuosien tunnusmerkkejä.

"Tänä vuonna tapahtuu paljon uutta ja mielenkiintoista muutakin kuin itse mallit", hän ennusti.

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

Lähde: https://www.pymnts.com

• SEO-pohjainen sisällön ja PR-jakelu. Vahvista jo tänään.
• PlatoData.Network Vertical Generatiivinen Ai. Vahvista itseäsi. Pääsy tästä.
• PlatoAiStream. Web3 Intelligence. Tietoa laajennettu. Pääsy tästä.
• PlatoESG. hiili, CleanTech, energia, ympäristö, Aurinko, Jätehuolto. Pääsy tästä.
• PlatonHealth. Biotekniikan ja kliinisten kokeiden älykkyys. Pääsy tästä.
• Lähde: https://www.fintechnews.org/how-genai-is-transforming-financial-services-through-hyper-personalization/