Lima Cara AI Generatif Akan Mengubah Industri Pembayaran (Oliver Tearle)

Industri pembayaran menggunakan teknologi AI/ML secara ekstensif dalam berbagai aplikasi – termasuk pemasaran bertarget, otomatisasi proses, dan pembuatan profil pelanggan. Penggunaan AI dan ML dalam pencegahan penipuan sangat umum, karena memungkinkan tim pencegahan penipuan menjelajahi sejumlah besar data transaksi untuk mengidentifikasi perilaku penipuan dan mengidentifikasi ancaman yang muncul.

Ada banyak metode ML yang digunakan di industri pembayaran, namun belum ada pemimpin yang jelas. Itu mungkin akan berubah dengan munculnya AI generatif, dan banyak ahli percaya penggunaan AI dan ML dalam pembayaran dapat membuat lompatan besar dalam hal kinerja dengan penerapan teknologi ini.

AI generatif adalah bagian teknologi yang sangat kompleks, memanfaatkan jaringan saraf dalam yang masif, terdiri dari miliaran parameter untuk memungkinkan pengenalan pola yang kompleks, dan tanda-tanda awalnya adalah bahwa itu bisa menjadi pengubah permainan. OpenAI telah mengkomersialkan AI generatif yang dilatih secara besar-besaran pertama,
GPT-3, yang disebut Elon Musk sebagai ChatGPT "sangat bagus" dan memperingatkan, "Kami tidak jauh dari AI yang sangat kuat dan berbahaya". Dia mungkin telah menyebutnya dengan benar.

Model GPT-3 dilatih pada sejumlah besar data – mulai dari buku, artikel internet, media sosial, dan kode sumber. Itu juga dapat menghasilkan kontennya sendiri dengan gaya apa yang telah dipelajarinya setelah diberikan prompt sederhana. Misalnya, AI dapat diminta untuk menulis dokumentasi teknis berdasarkan kode yang diberikan, atau dapat menjawab pertanyaan teknis serta menerjemahkan bahasa (baik bahasa manusia maupun bahasa pemrograman). Jenis kemampuan ini mungkin tidak memiliki kasus penggunaan yang jelas dalam pembayaran atau pencegahan penipuan, tetapi AI generatif menawarkan segudang solusi untuk tantangan deteksi penipuan yang kompleks, penambangan data, dan pengembangan solusi.

Apa yang bisa dilakukan teknologi ini dalam industri penipuan dan pembayaran? Berikut adalah lima cara AI Generatif akan mengubah industri pembayaran.

Pendukung keputusan - Ada banyak alat yang digunakan saat ini yang membantu mendukung keputusan. Dasbor sangat populer, memberikan banyak informasi di satu tempat. Sisi negatifnya adalah sebagian besar dasbor keputusan hanya menampilkan apa yang telah dirancang untuk ditampilkan, dan banyak yang tidak dapat dengan cepat berubah cukup untuk menunjukkan tren data terbaru. Ini dapat berarti pengguna kehilangan informasi penting yang dapat berguna dalam memberikan gambaran yang lebih rinci untuk pengambilan keputusan.

Model bahasa generatif dapat menawarkan solusi dengan memungkinkan pembuat keputusan untuk sekadar meminta informasi yang mereka butuhkan, dan menyajikannya dalam bentuk yang mudah dicerna, bersama dengan bukti pendukung untuk membantu membuat keputusan terbaik. Model generatif juga dapat bereaksi terhadap data langsung dan terus memperbarui dasbor untuk tren baru atau yang bergerak cepat, memungkinkan pengambilan keputusan yang lebih cepat.

Dalam pembayaran waktu nyata, ini akan memungkinkan sistem bereaksi lebih cepat terhadap serangan penipuan berskala besar, yang sering kali dilakukan terhadap metode pembayaran baru. Model generatif juga dapat digunakan untuk menentukan bagaimana berbagai metode pembayaran kemungkinan akan digunakan di wilayah geografis tertentu, atau oleh kelompok pelanggan tertentu, yang menunjukkan di mana investasi lebih lanjut mungkin diperlukan.

Pencarian basis pengetahuan. Sebagian besar pengetahuan organisasi disimpan di banyak sumber dan lokasi yang berbeda. Dari dokumentasi, email, tiket kerja, dan kode sumber, ada banyak hal yang harus dilalui dan sangat mudah untuk melewatkan informasi penting – sesuatu yang dapat dibantu oleh model bahasa besar. Memberikan ringkasan terperinci dengan referensi dan informasi kontekstual untuk memungkinkan peneliti mendapatkan apa yang mereka butuhkan dengan sangat cepat, semuanya dari prompt sederhana.

Pengembang akan segera dapat meminta AI untuk 'menyediakan semua informasi internal, misalnya integrasi metode pembayaran', yang akan memungkinkan mereka memahami dengan cepat bagaimana metode pembayaran sebelumnya telah diintegrasikan, dan bagaimana mereka dapat mengintegrasikan metode baru dengan lebih cepat.  

Pembuatan Kode untuk Pembuatan Prototipe Produk. Dengan prompt sederhana, GPT-3 dapat menghasilkan kode sampel untuk hampir semua skenario. Meskipun kemampuan penuhnya saat ini masih jauh, di masa depan kita dapat melihat AI Generatif memproduksi produk atau fitur prototipe dengan sangat cepat. Pengembang kemudian dapat masuk untuk menambahkan fitur tambahan yang lebih kompleks. AI kemudian dapat mengambil umpan balik dan meningkatkan tanggapan sebelumnya, karena memiliki beberapa 'memori' dari apa yang telah ditanyakan sebelumnya, untuk melayani permintaan tindak lanjut dengan lebih baik. Pada akhirnya hal ini dapat menyebabkan pengembang menentukan fungsionalitas yang sangat spesifik, mungkin dengan menyediakan dokumen persyaratan fungsional – dan AI akan menghasilkan kode, membuat lingkungan pengujian, dan menerapkan prototipe untuk pengujian cepat. Hal ini pada akhirnya dapat menghasilkan integrasi pembayaran yang jauh lebih sederhana, memungkinkan waktu yang cepat untuk memasarkan fitur tersebut.

GPT-3 juga merupakan alat yang hebat untuk membantu menemukan bug dalam kode dan menawarkan solusi perbaikan. Fitur ini, jika diimplementasikan ke dalam lingkungan pengembangan, dapat dengan cepat meningkatkan kualitas kode dan mengurangi waktu pemasaran untuk produk dan fitur. Kemampuan luar biasa ini akan sepenuhnya mengubah pengembangan perangkat lunak dengan mengurangi waktu pengembangan produk secara besar-besaran.

Otomatisasi dukungan produk. Ketika saya bertanya kepada GPT-3 bagaimana ia bisa memberikan fungsionalitas dukungan, jawabannya adalah sebagai berikut: 

“Sebagai model bahasa besar yang dilatih oleh OpenAI, saya dapat memahami dan menjawab berbagai pertanyaan dan memberikan informasi tentang berbagai topik. Hal ini membuat saya sangat cocok untuk digunakan sebagai fungsi pendukung dalam bisnis, di mana saya dapat digunakan untuk membantu menjawab pertanyaan pelanggan, memberikan informasi tentang produk atau layanan, dan membantu berbagai tugas lainnya. Misalnya, saya dapat diintegrasikan ke dalam sistem dukungan pelanggan perusahaan, di mana saya dapat membantu menjawab pertanyaan pelanggan dengan cepat dan akurat, membebaskan agen manusia untuk menangani masalah yang lebih rumit.”

GPT-3 dengan jelas memahami di mana kegunaannya. Tim dukungan pelanggan akan mendapat manfaat besar dari AI ini dan dapat berharap untuk melihat peningkatan efisiensi mereka secara dramatis, karena AI dapat menangani sebagian besar interaksi pelanggan, membiarkan tim manusia bekerja pada kasus yang kompleks, atau untuk melatih dan memberikan lebih banyak bantuan di tempat lain dalam bisnis.

Deteksi penipuan. Saat ditanya tentang bagaimana GPT-3 dapat digunakan untuk deteksi penipuan, muncul pertanyaan berikut:

“Salah satu potensi penerapan GPT-3 dalam pembayaran adalah di bidang pencegahan penipuan. Kemampuan model untuk memproses dan memahami data dalam jumlah besar, serta kemampuan pemrosesan bahasa alaminya, dapat digunakan untuk mengidentifikasi dan menandai transaksi yang berpotensi penipuan secara real-time.”

Menerapkan GPT-3 untuk penipuan dapat menghasilkan hasil yang revolusioner. AI dapat dilatih dengan informasi pembayaran historis dalam jumlah besar, memungkinkannya untuk mempelajari bagaimana kartu individual biasanya digunakan, serta memberikan pandangan kepada analis tentang tren penipuan saat ini, tetapi ini hanyalah awal dari potensinya. Model ini dapat membantu analis penipuan dengan menyaring peringatan penipuan dengan kemungkinan rendah, mengurangi upaya peninjauan manual.

Alat AI generatif dapat menjadi tambahan yang bagus untuk kit alat tim pertahanan penipuan, memberikan kemampuan untuk menginterogasi data dengan pertanyaan manusia sebagai lawan dari kueri basis data. Misalnya, manajer penipuan dapat meminta AI untuk meringkas semua perilaku pembayaran yang mencurigakan – tugas yang saat ini menghabiskan sebagian besar waktu manajer penipuan. Ini kemudian dapat diambil langkah lebih jauh dengan manajer penipuan bekerja dengan model generatif untuk mengembangkan aturan penipuan baru dan menerapkan model ML hanya dengan menanyakan bagaimana aturan dan model yang baru dikembangkan akan bekerja dan menyarankan perbaikan untuk meningkatkan kinerja.

Model generatif yang sama dapat digunakan untuk mendapatkan wawasan bisnis, seperti memahami kapan perilaku pelanggan berubah, atau untuk perubahan perilaku massal dan memberikan kemungkinan alasan mengapa – semua hanya dari prompt sederhana.

AI generatif memberi kita gambaran sekilas tentang masa depan pembayaran berbahan bakar ML, dengan penggunaan ekstensif dalam deteksi penipuan, pembayaran real-time, pengembangan fitur (khususnya integrasi), dan analisis data. GPT-3 hanyalah awal dari apa yang tidak diragukan lagi akan menjadi revolusi AI.

• Konten Bertenaga SEO & Distribusi PR. Dapatkan Amplifikasi Hari Ini.
• Platoblockchain. Intelijen Metaverse Web3. Pengetahuan Diperkuat. Akses Di Sini.
• Sumber: https://www.finextra.com/blogposting/23601/five-ways-generative-ai-will-change-the-payments-industry?utm_medium=rssfinextra&utm_source=finextrablogs