Bagaimana GenAI mentransformasikan layanan keuangan melalui 'Hyper-Personalization'

Michael Haney, kepala strategi produk di Teknologi Keuangan Galileo, mengatakan pembelajaran mesin yang dikombinasikan dengan kebangkitan kecerdasan buatan generatif akan mengantarkan era baru produktivitas back-office dan pada akhirnya mengubah cara organisasi jasa keuangan menggunakan data untuk memberikan pengalaman yang sangat personal.

Percakapan antara Haney dan PYMNTS adalah bagian dari seri “Apa Selanjutnya dalam Pembayaran: Pembayaran dan GenAI”.

Kita masih berada di era di mana organisasi jasa keuangan mengadopsi pembelajaran mesin (bagian dari AI), katanya. Namun semakin banyak organisasi yang beralih ke AI generatif dan pembelajaran mesin untuk “meningkatkan” operasional back-end mereka guna meningkatkan produktivitas, efisiensi, dan kualitas.

Meskipun pembelajaran mesin terkadang memerlukan intervensi manual karena pengguna menyesuaikan sendiri modelnya dan memeriksa model mana yang berkinerja terbaik, model tersebut memperoleh kemampuan untuk belajar dan beradaptasi lebih cepat seiring perubahan kondisi, jelas Haney.

Dalam bidang pembelajaran mesin ini terdapat teknik yang disebut jaringan saraf. Jaringan saraf adalah “upaya untuk meniru cara kerja otak manusia, dan seringkali memiliki banyak lapisan,” kata Haney. Semakin banyak lapisan yang digunakan, semakin banyak kapasitas, efisiensi, kinerja, dan akurasi yang dapat ditingkatkan.

Kemajuan dalam AI generatif telah mengembangkan potensi pembelajaran mesin melampaui “mesin aturan yang kaku dan tidak fleksibel” di masa lalu yang terbatas pada jenis konten tertentu. Metode modern mengandalkan transformator, atau model pembelajaran mendalam, yang dapat memprediksi kata berikutnya dalam sebuah kalimat, atau gambar, video, atau musik apa yang ditawarkan, kata Haney.

“Ini menciptakan respons yang mirip manusia pada tingkat yang belum pernah kita lihat sebelumnya,” katanya.

Memvisualisasikan Data

Dengan mengalihkan fokus ke pembayaran, Haney mengatakan AI dapat mengubah layanan keuangan di beberapa alur kerja dan interaksi, di antaranya layanan klien – meningkatkan dan meningkatkan produktivitas operasi. Ketika lembaga keuangan dan pemroses pembayaran berupaya menggunakan data tersebut dengan cara yang unik, keikutsertaan konsumen dalam berbagi data akan menjadi hal yang sangat penting, katanya.

“Tim operasional menyukai data, laporan, dasbor, dan hal-hal semacam itu,” kata Haney. “Mereka mulai mendapatkan kemampuan untuk melakukan visualisasi data melalui kueri bahasa alami.”

Kueri bahasa alami ini dapat memberikan wawasan berharga, seperti informasi tentang perubahan volume pembayaran setiap hari. Teknologi generatif lain yang didukung AI, seperti asisten virtual, memberikan nilai bagi nasabah dan staf bank. Misalnya, daripada harus membaca manual setebal ratusan halaman, staf cukup mengetikkan pertanyaan ke dalam aplikasi mereka yang didukung AI untuk menemukan cara terbaik meningkatkan waktu respons dan melayani pelanggan. Pertahanan terhadap penipuan adalah kasus penggunaan lain yang didukung melalui analisis otomatis.

AI Generatif juga dapat meningkatkan pengambilan keputusan pinjaman dan interaksi lainnya, mendukung manajemen siklus hidup pinjaman mulai dari pengajuan hingga pengumpulan kredit, katanya. Dalam lingkungan yang lebih komersial, AI telah membantu manajer keuangan di berbagai bank memeriksa arus kas dan perubahan suku bunga serta menavigasi risiko likuiditas.

Hyper-personalisasi akan menjadi produk sampingan alami dari AI, kata Haney, meskipun ia memperingatkan bahwa model harus diperiksa untuk melindungi dari bias. Dia menambahkan bahwa konsumen biasanya harus menavigasi secara manual melalui sejumlah besar opsi pembayaran, mulai dari ACH hingga kabel dan yang terbaru, opsi real-time. Memiliki “mesin” untuk membantu memandu mereka dengan cepat melalui pilihan-pilihan terbukti bermanfaat.

“Konsumen seringkali kewalahan dengan banyaknya cara untuk memindahkan uang,” katanya. “Mereka membutuhkan mesin ini untuk memandu mereka melalui trade-off antara kecepatan, harga dan risiko, dan untuk merekomendasikan jenis jalur pembayaran terbaik yang harus mereka pertimbangkan berdasarkan transaksi yang ingin mereka lakukan.”

Demikian pula, ada juga potensi untuk menggunakan data terstruktur dan tidak terstruktur serta konteks waktu nyata untuk membuat dan menyebarkan penawaran terbaik berikutnya di titik penjualan. Kasus penggunaan baru juga berkembang di banyak aspek layanan keuangan, termasuk operasi layanan klien, operasi pemasaran, dan pengembangan produk.

Perkembangan teknologi membuka kemungkinan-kemungkinan baru.

“Salah satu hal yang akan mulai kita lihat adalah model bahasa besar yang baru, tervertikalisasi, dan terspesialisasi,” kata Haney, seraya menambahkan bahwa kasus penggunaan yang lebih menentukan akan menjadi ciri khas di bulan-bulan dan tahun-tahun mendatang.

“Banyak hal baru dan menarik yang akan terjadi tahun ini selain modelnya saja,” prediksinya.

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

Sumber: https://www.pymnts.com

• Konten Bertenaga SEO & Distribusi PR. Dapatkan Amplifikasi Hari Ini.
• PlatoData.Jaringan Vertikal Generatif Ai. Berdayakan Diri Anda. Akses Di Sini.
• PlatoAiStream. Intelijen Web3. Pengetahuan Diperkuat. Akses Di Sini.
• PlatoESG. Karbon, teknologi bersih, energi, Lingkungan Hidup, Tenaga surya, Penanganan limbah. Akses Di Sini.
• PlatoHealth. Kecerdasan Uji Coba Biotek dan Klinis. Akses Di Sini.
• Sumber: https://www.fintechnews.org/how-genai-is-transforming-financial-services-through-hyper-personalization/