A GenAI 4 könnyű nyeremény a fizetési szektorban

Az innovációt a méretezési képesség minősíti.

Noha a generatív mesterséges intelligencia sok megfigyelő szerint már elérte az innovációs státuszt széles szinten, a kérdés továbbra is fennáll: skálázható-e a mesterséges intelligencia a fizetési ökoszisztémán?

2024 lehet az az év, amikor megtudjuk.

"A mai világban, ahol a vállalatok közötti különbségek, különösen a fizetési ökoszisztémában, egyre szűkebbek, korai alkalmazkodónak és gyorsnak kell lennie." Netanel Kabala, fő adat- és elemző tisztviselő at Nuvei, elmondta a PYMNTS-nek a „What's Next in Payments – Payments and GenAI: What's New and What's Next?” című sorozathoz.

Kabala kiemelte a generatív mesterséges intelligencia és rokona, a prediktív analitika egymást kiegészítő jellegét, hangsúlyozva a generatív AI-ban rejlő lehetőségeket új termékek létrehozásában és a hatékonyság növelésében a fizetési környezetben.

„A prediktív AI tanul a múltból, a generatív mesterséges intelligencia pedig valami újról szól” – magyarázta, megjegyezve, hogy a generatív mesterséges intelligencia egyik leglenyűgözőbb jelenlegi fizetési alkalmazása a csalás megelőzése, ahol a generatív mesterséges intelligencia segíthet az adatok nagyarányú címkézésében és előrejelzésében. jövőbeli trendek.

Az AI-ban rejlő potenciál a fizetési ágazat átalakítására vitathatatlan, és Kabala kiemelte, hogy a mesterséges intelligencia négy egyszerű győzelmet hozhat a fizetési vállalatok számára, beleértve a belső hatékonyság javítását, a műveletek egyszerűsítését, az ügyfélszolgálat javítását, valamint új termékek és szolgáltatások létrehozását.

"Izgatott minden, ami a belső hatékonysággal kapcsolatos, és hogy [AI segítségével] hogyan javíthatjuk a fizetési vállalat összes belső működését az egyeztetéstől az ügyfélszolgálaton át az integrációig és így tovább" - mondta.

A generatív mesterséges intelligencia lehetőségei a fizetéseken belül

A generatív mesterséges intelligencia különösen hatékony olyan feladatok elemzésében, amelyek nagy mennyiségű szöveget és szövegkörnyezetet foglalnak magukban rövid idő alatt, és Kabala azt javasolta, hogy a generatív AI segítségével javítható a szervezeti tudásbázis, valamint növelhető az ügyfélszolgálat, a műveletek és a kockázati csoportok termelékenysége, ha összefoglaljuk információmennyiség, hogy betekintést nyújtson.

A jövőre nézve Kabala úgy véli, hogy a generatív mesterséges intelligencia szerepet játszik új termékek és szolgáltatások létrehozásában, beleértve a valós idejű árképzést az adaptív árazási megoldások lehetővé tétele érdekében, amelyek mind a kereskedők, mind a fogyasztók számára előnyösek, valamint a mesterséges intelligencia felhasználását a pénzügyi termékek, például a vásárlás testreszabására. most fizet később (BNPL) tervek és hitelezési lehetőségek.

De ha a méretezés egyszerű lenne, mindenki megtenné.

A fizetési ökoszisztémát javító generatív mesterségesintelligencia-megoldásoknak először le kell győzniük az intézményi tehetetlenséget és más akadályokat.

"Először is, ez egy mentális akadály az új rendszerekbe vetett bizalomban" - mondta Kabala. „Az embereknek valóban látniuk kell, milyen előnyökkel jár a mindennapjaik során. Nagyon jó, hogy 7%-kal javította a belső hatékonyságát, de ezt láthatóvá és értelmessé kell tenni.”

A piac felvilágosításán túl az AI-vezérelt megoldások előnyeiről és leghatékonyabb felhasználási lehetőségeiről, Kabala elmondta, hogy a sikeres megvalósításhoz elengedhetetlen a hagyományos adatelemzést és az új mesterségesintelligencia-technológiákat egyaránt kezelni tudó, képzett mérnökök rendelkezésre állása.

A generatív mesterséges intelligencia jövője a fizetésekben

Ahogy a generatív mesterséges intelligencia egyre elterjedtebbé válik a fizetési ökoszisztémában, potenciálisan hozzájárulhat olyan szuperalkalmazások fejlesztéséhez, amelyek számos szolgáltatást kínálnak, a banki szolgáltatásoktól a vagyonkezelésig – mondta Kabala.

Arra azonban figyelmeztetett, hogy a technológiát rossz szereplők is használhatják, így a csalásmegelőzés kritikus kérdés.

„A csalás mindig is nagy kihívást jelentett, de most már egyszerűek a csalások” – mondta, megjegyezve, hogy a csalók kihasználhatják a mesterséges intelligencia által generált tartalmakat a technológia használatával, például hamis webhelyek létrehozására, nyelvekre történő átverések egy kattintással történő lefordítására, és sok más eszközre is képesek. rosszindulatú taktika.

Magának az AI-rendszernek a biztonságát illetően az átlátható döntéshozatal kulcsfontosságú a fogyasztók, a kereskedők és a belső csapatok bizalmának biztosításához.

Kabala hangsúlyozta, hogy a generatív mesterségesintelligencia döntéshozatali „fekete dobozának” ellenőrzése kulcsfontosságú lesz, és a szervezeteknek már most el kell kezdeniük a „megfelelő lépések és a megfelelő magyarázhatósági mérések” kiépítését, hogy az innováció előtt maradjanak, és kezelni tudják a jövőbeni kihívásokat.

Amikor a fizetéseken belüli generatív mesterséges intelligencia jövőjéről van szó, Kabala megjegyezte, hogy „egy évvel ezelőtt még nem tudtuk volna megvitatni a generatív AI-t”.

Bár azt mondta, nem tudja, mit hoz a jövő, azt tudja, hogy „a megfelelő erőforrások, a megfelelő emberek, a megfelelő infrastruktúra és a megfelelő gondolkodásmód megléte mindenütt elérhető, ahol az új technológia, az új lehetőségek felbukkanhatnak” kulcsfontosságú a sikerhez minden iparágban – de különösen a fizetések terén.

Link: https://www.pymnts.com/news/artificial-intelligence/2024/the-4-easy-wins-genai-brings-to-the-payments-sector/

Forrás: https://www.pymnts.com

• SEO által támogatott tartalom és PR terjesztés. Erősödjön még ma.
• PlatoData.Network Vertical Generative Ai. Erősítse meg magát. Hozzáférés itt.
• PlatoAiStream. Web3 Intelligence. Felerősített tudás. Hozzáférés itt.
• PlatoESG. Carbon, CleanTech, Energia, Környezet, Nap, Hulladékgazdálkodás. Hozzáférés itt.
• PlatoHealth. Biotechnológiai és klinikai vizsgálatok intelligencia. Hozzáférés itt.
• Forrás: https://www.fintechnews.org/the-4-easy-wins-genai-brings-to-the-payments-sector/