Hogyan alakítja át a GenAI a pénzügyi szolgáltatásokat a „hiperszemélyre szabással”

Hogyan alakítja át a GenAI a pénzügyi szolgáltatásokat a „hiperszemélyre szabással”

Időbélyeg: 2. február 2024. 11:45
Forrás csomópont: 3094070
Hogyan alakítja át a GenAI a pénzügyi szolgáltatásokat a „hiperszemélyre szabással”
Michael Haney, termékstratégia vezetője at Galileo Financial Technologies, mondta, hogy a gépi tanulás a generatív mesterséges intelligencia térnyerésével kombinálva a háttérirodák termelékenységének új korszakát nyitja meg, és végső soron megváltoztatja azt, hogy a pénzügyi szolgáltató szervezetek hogyan használják fel az adatokat a hiperszemélyre szabott élmények nyújtására.
A Haney és a PYMNTS közötti beszélgetés a „Mi a következő lépés a fizetéseknél: Fizetések és GenAI” sorozat része.
Még mindig abban a korszakban élünk, amikor a pénzügyi szolgáltató szervezetek alkalmazzák a gépi tanulást (az AI egy részhalmazát) – mondta. A szervezetek azonban egyre inkább a generatív mesterséges intelligencia és a gépi tanulás felé fordulnak, hogy „feltöltsék” háttérműveleteiket a termelékenység, a hatékonyság és a minőség javítása érdekében.
Míg a gépi tanulás néha manuális beavatkozást igényel, mivel a felhasználók maguk módosítják a modelleket, és megvizsgálják, hogy melyek teljesítenek a legjobban, a modellek a körülmények változásával gyorsabban tanulnak és alkalmazkodnak, magyarázta Haney.
A gépi tanulás ezen területén belül léteznek neurális hálózatoknak nevezett technikák. A neurális hálózatok „kísérletek utánozni az emberi agy működését, és gyakran több rétegből állnak” – mondta Haney. Minél több réteget használunk, annál nagyobb a kapacitás, a hatékonyság, a teljesítmény és a pontosság.
A generatív mesterséges intelligencia fejlődése továbbfejlesztette a gépi tanulásban rejlő lehetőségeket a múlt „merev és rugalmatlan szabálymotorjain” túl, amelyek bizonyos típusú tartalomra korlátozódtak. A modern módszerek transzformátorokon vagy mély tanulási modelleken alapulnak, amelyek megjósolhatják a következő szót egy mondatban, vagy azt, hogy milyen képet, videót vagy zenét kínálnak, mondta Haney.
"Emberhez hasonló reakciót hoz létre olyan szinten, amilyet korábban soha nem láttunk" - mondta.

Az adatok megjelenítése

Haney a fizetésekre helyezve a hangsúlyt, Haney elmondta, hogy a mesterséges intelligencia számos munkafolyamat és interakció – köztük az ügyfélszolgálat – révén képes átalakítani a pénzügyi szolgáltatásokat – ezzel fokozva és javítva a műveletek termelékenységét. Mivel a pénzintézetek és a fizetésfeldolgozók egyedi módon kívánják felhasználni ezeket az adatokat, a fogyasztók adatmegosztásának engedélyezése kulcsfontosságú lesz – mondta.
„Az operatív csapatok szeretik az adatokat, a jelentéseket, az irányítópultokat és az ehhez hasonló dolgokat” – mondta Haney. "Kezdnek arra a képességre, hogy természetes nyelvi lekérdezéseken keresztül adatokat vizualizáljanak."
Ezek a természetes nyelvű lekérdezések értékes betekintést nyújthatnak, például információkat arról, hogyan változnak a fizetési mennyiségek nap mint nap. Más generatív mesterséges intelligencia által vezérelt technológiák, például a virtuális asszisztensek értéket jelentenek mind az ügyfelek, mind a banki személyzet számára. Például ahelyett, hogy több száz oldalas kézikönyveket kellene áttanulmányozniuk, az alkalmazottak egyszerűen beírhatnak egy kérdést az AI-alapú alkalmazásaikba, hogy megtalálják a legjobb módot a válaszidő javítására és az ügyfelek egyéb módon történő kiszolgálására. A csalás elleni védekezés egy másik felhasználási eset, amelyet az automatizált elemzés erősít meg.
A generatív mesterséges intelligencia javíthatja a hitelekkel kapcsolatos döntéseket és más interakciókat is, támogatva a hitelek életciklusának kezelését az igényléstől a hitelbeszedésig – mondta. Több kereskedelmi környezetben az MI már segít a különböző bankok treasury menedzsereinek a cash flow és a kamatláb változásainak vizsgálatában, valamint a likviditási kockázat eligazításában.
Haney szerint a hiperperszonalizáció az MI természetes mellékterméke lesz, bár figyelmeztetett, hogy a modelleket meg kell vizsgálni az elfogultság elleni védelem érdekében. Hozzátette, hogy a fogyasztóknak hagyományosan manuálisan kellett navigálniuk a fizetési lehetőségek tárháza között, az ACH-tól a vezetékekig, és legutóbb a valós idejű opciókig. Értékes lehet, ha van egy „motor”, amely segít gyorsan átvezetni őket a lehetőségek között.
„A fogyasztókat gyakran teljesen letaglózzák a pénzmozgás különféle módjai” – mondta. „Szükségük van ezekre a motorokra, hogy átvegyék őket a sebesség, az ár és a kockázat kompromisszumán, és hogy ajánlják a legjobb fizetési síntípust, amelyet fontolóra kell venniük a végrehajtandó tranzakció alapján.”
Hasonlóképpen lehetőség van strukturált és strukturálatlan adatok, valamint valós idejű kontextus használatára a következő legjobb ajánlatok létrehozására és terjesztésére az értékesítési pontokon. Új felhasználási esetek is kialakulnak a pénzügyi szolgáltatások számos területén, beleértve az ügyfélszolgálati műveleteket, a marketing műveleteket és a termékfejlesztést.
A technológia fejlődése új lehetőségeket nyit meg.
"Az egyik dolog, amit látni fogunk, az új, vertikális és speciális, nagy nyelvi modellek" - mondta Haney, hozzátéve, hogy az elkövetkező hónapok és évek jellemzői lesznek a döntéshozó használati esetek.
„Sok új és érdekes dolog fog történni idén, nemcsak magukon a modelleken” – jósolta.

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

Forrás: https://www.pymnts.com

Időbélyeg:

Még több Fintech hírek