Generative AI ในการธนาคาร: สัญญาในอนาคตหรือกระแสเกินจริง?

Generative AI ในการธนาคาร: สัญญาในอนาคตหรือกระแสเกินจริง?

Time Stamp: 12 ธันวาคม 2023 5:21 น.
โหนดต้นทาง: 3008285

ศักยภาพในการเปลี่ยนแปลงของ Generative AI สำหรับภาคการธนาคารเป็นหัวข้อที่เราศึกษาอย่างกระตือรือร้นเมื่อต้นปี ด้วยความก้าวหน้าอย่างรวดเร็วในภาคเทคโนโลยี หกเดือนอาจรู้สึกเหมือนตลอดชีวิต มันคุ้มค่าที่จะสละเวลาสักครู่เพื่อดู
กลับมาและประเมินว่า generative AI กำหนดรูปแบบและมีอิทธิพลต่ออุตสาหกรรมการธนาคารอย่างไร 

จุดสำคัญของคำมั่นสัญญาของ generative AI อยู่ที่ความสามารถโดยกำเนิดในการจำลองการสนทนาที่เหมือนมนุษย์ สร้างคำตอบและวิธีแก้ปัญหาตามข้อมูลบริบทและการสนทนาจากผู้ใช้ แอปพลิเคชันมีตั้งแต่การบริการลูกค้าที่ได้รับการปรับปรุงไปจนถึง
การนำเสนอผลิตภัณฑ์ที่ปรับแต่งโดยเฉพาะ เพื่อช่วยในการตรวจจับและป้องกันการฉ้อโกงธุรกรรมตั้งแต่เนิ่นๆ แนวคิดหลักยังคงคือการยกระดับประสบการณ์การธนาคารแบบเดิม โดยผสมผสานเข้ากับการตอบสนอง การปรับเปลี่ยนเฉพาะบุคคล และความปลอดภัย 

แต่ตอนนี้เราต้องถามคำถามว่า generative AI ในการธนาคารเป็นผู้เปลี่ยนเกมหรือเป็นเพียงข่าวลือในอุตสาหกรรม? กล่าวโดยสรุป ฉันคิดว่าฉันเห็นด้วยกับ Hype Cycle ของ Gartner ที่ว่าขณะนี้เราใกล้จะถึงจุดสูงสุดของความคาดหวังที่สูงเกินจริงแล้ว ดังนั้นผลลัพธ์ทางธุรกิจและภาพรวม
กรณีธุรกิจมีความสำคัญอย่างยิ่งต่อการนำ AI เชิงสร้างสรรค์ไปใช้ 

เมื่อปีที่ผ่านมา มีตัวอย่างมากมายของการนำไปใช้ในระยะเริ่มต้นที่ธนาคารและบริษัทเทคโนโลยีที่บูรณาการความสามารถด้าน AI ทั่วไปเข้ากับด้านต่างๆ ของการธนาคาร ผลลัพธ์ที่เหมาะสมที่สุดและเป็นไปได้ทั้งหมดได้เปลี่ยนจาก
chatbot เพียงตอบคำถามของลูกค้า ตอนนี้แชทบอทสามารถตั้งค่าให้เข้าใจความแตกต่างเล็กๆ น้อยๆ ของความรู้สึกของลูกค้า นำเสนอโซลูชั่นแบบเรียลไทม์ และในหลาย ๆ กรณี สามารถตั้งคำถามล่วงหน้าก่อนที่จะถูกโพสต์เสียอีก ความสามารถของเทคโนโลยีในการ
เข้าใจบริบทได้รับการปรับปรุงอย่างมีนัยสำคัญ จึงนำไปสู่ทางเลือกในการลดกรณีการสื่อสารที่ผิดพลาด 

นอกจากนี้ยังมีคุณค่าในการตรวจจับและป้องกันการฉ้อโกงอีกด้วย ระบบตรวจจับการฉ้อโกงแบบดั้งเดิมทำงานตามรูปแบบที่ทราบ Generative AI สามารถสร้างชุดข้อมูลสังเคราะห์เพื่อฝึกโมเดลให้รู้จักเทคนิคการฉ้อโกงใหม่ๆ ที่กำลังพัฒนาอยู่
เสริมสร้างความแข็งแกร่งของระบบตรวจจับการฉ้อโกง 

ในด้านความเสี่ยงด้านเครดิต ความสามารถของเทคโนโลยีในการสร้างข้อมูลสังเคราะห์ที่สะท้อนสถานการณ์สินเชื่อในโลกแห่งความเป็นจริงสามารถช่วยให้ธนาคารได้รับข้อมูลเชิงลึกที่ลึกซึ้งยิ่งขึ้น และส่งเสริมกระบวนการตัดสินใจที่ซับซ้อนยิ่งขึ้น นอกจากนี้ด้วยการจำลองพฤติกรรมของลูกค้าที่หลากหลาย
ธนาคารสามารถคาดการณ์ความต้องการของลูกค้าได้อย่างแม่นยำยิ่งขึ้น โดยปรับแต่งบริการในกระบวนการ แต่ที่สำคัญที่สุดคือเพิ่มประสิทธิภาพการตัดสินใจด้านสินเชื่อ 

อย่างไรก็ตาม generative AI มาพร้อมกับชุดข้อกังวลของตัวเอง แม้ว่าข้อมูลสังเคราะห์อาจเป็นเครื่องมือที่มีศักยภาพ แต่การพึ่งพาข้อมูลมากเกินไปโดยไม่มีการตรวจสอบความถูกต้องอย่างเข้มงวดสามารถนำไปสู่ผลลัพธ์ที่ทำให้เข้าใจผิดได้ ข้อมูลในโลกแห่งความเป็นจริงมีความแตกต่างกันซึ่งอาจไม่ได้รวบรวมไว้ทั้งหมดเสมอไป
โดยแบบจำลองกำเนิด 

นอกจากนี้ การสร้างข้อมูลทางการเงินส่วนบุคคลสังเคราะห์ แม้ว่าจะไม่ได้ระบุตัวตนแล้วก็ตาม ก็อาจทำให้เกิดข้อกังวลด้านจริยธรรมได้ มีเส้นบางๆ ระหว่างการจำลองข้อมูลที่สมจริงสำหรับการฝึกโมเดลและการละเมิดสิทธิ์ในข้อมูลส่วนบุคคล ความโปร่งใสของแหล่งที่มาและ
การควบคุมข้อมูลจะมีความสำคัญมากขึ้น นอกจากนี้ หน่วยงานกำกับดูแลจะระมัดระวังโมเดลทางการเงินที่อิงจากข้อมูลสังเคราะห์เป็นส่วนใหญ่ และต้องการทำความเข้าใจการควบคุมและการทดสอบเพื่อให้แน่ใจว่าจะหลีกเลี่ยงอคติ เช่นเดียวกับที่พวกเขาปฏิบัติต่อการประเมินนโยบายสินเชื่อ
แอปพลิเคชัน. พวกเขาต้องการความโปร่งใสมากขึ้นเกี่ยวกับวิธีการทำงานของโมเดล AI ซึ่งก่อให้เกิดความท้าทายสำหรับธนาคารที่อาจดิ้นรนเพื่ออธิบายการตัดสินใจของ AI ที่ซับซ้อน 

โดยสรุป generative AI ในระบบธนาคารจะไม่เป็นกระแสอย่างชัดเจน แต่เป็นเครื่องมือที่มีศักยภาพมหาศาล แต่เช่นเดียวกับเครื่องมืออื่นๆ คุณค่าของมันถูกวัดจากความมีประสิทธิภาพในการใช้งาน และผลลัพธ์ทางธุรกิจและการปรับปรุงที่บรรลุผล มันคือ
ไม่ใช่ทั้งหมดและสิ้นสุดทั้งหมด และบ่อยครั้งจะต้องรวมกับโมเดล AI และเทคโนโลยีอื่นๆ เพื่อให้บรรลุผลลัพธ์ที่ต้องการ ถึงแม้จะไม่มีการหักล้างคุณค่าที่อาจเกิดขึ้นได้ แต่สิ่งสำคัญคือต้องควบคุมความคาดหวังและระมัดระวังข้อผิดพลาด

ประทับเวลา:

เพิ่มเติมจาก ฟินเท็กซ์ทรา