Як GenAI трансформує фінансові послуги за допомогою «гіперперсоналізації»

Майкл Хейні, керівник продуктової стратегії в Фінансові технології Galileo, сказав, що машинне навчання в поєднанні з розвитком генеративного штучного інтелекту започаткує нову еру продуктивності бек-офісів і зрештою змінить те, як організації, що надають фінансові послуги, використовують дані для надання гіперперсоналізованого досвіду.

Розмова між Хейні та PYMNTS є частиною серії «Що далі з платежами: платежі та GenAI».

Ми все ще живемо в епоху, коли організації, що надають фінансові послуги, впроваджують машинне навчання (підмножину штучного інтелекту), сказав він. Але все частіше організації звертаються до генеративного штучного інтелекту та машинного навчання, щоб «посилити» свої серверні операції для підвищення продуктивності, ефективності та якості.

Хоча машинне навчання іноді вимагає ручного втручання, оскільки користувачі самостійно налаштовують моделі та перевіряють, які з них працюють найкраще, моделі отримують здатність навчатися та адаптуватися швидше зі зміною умов, пояснив Хейні.

У цій галузі машинного навчання існують методи, які називаються нейронними мережами. Нейронні мережі — це «спроба імітувати роботу людського мозку, і вони часто мають кілька рівнів», — сказав Хейні. Чим більше шарів використовується, тим більшу ємність, ефективність, продуктивність і точність можна покращити.

Удосконалення генеративного ШІ розвинули потенціал машинного навчання за межі «жорстких і негнучких механізмів правил» минулого, які обмежувалися певними типами контенту. Сучасні методи покладаються на трансформатори або моделі глибокого навчання, які можуть передбачити наступне слово в реченні або яку картинку, відео чи музику запропонувати, сказав Хейні.

«Це створює людську реакцію на рівнях, яких ми ніколи раніше не бачили», — сказав він.

Візуалізація даних

Звертаючи увагу на платежі, Хейні сказав, що штучний інтелект може трансформувати фінансові послуги в кількох робочих процесах і взаємодіях, серед яких обслуговування клієнтів — підвищення та підвищення продуктивності операцій. Оскільки фінансові установи та платіжні процесори прагнуть використовувати ці дані унікальними способами, згода споживачів на обмін даними буде надзвичайно важливою, сказав він.

«Операційним командам подобаються дані, звіти, інформаційні панелі тощо», — сказав Хейні. «Вони починають отримувати можливість візуалізації даних за допомогою запитів природною мовою».

Ці запити природною мовою можуть надати цінну інформацію, наприклад інформацію про те, як щоденно змінюються обсяги платежів. Інші генеративні технології на основі ШІ, такі як віртуальні помічники, забезпечують цінність як для клієнтів, так і для банківського персоналу. Наприклад, замість того, щоб переглядати посібники на сотні сторінок, співробітники можуть просто ввести запитання у своїх додатках на основі штучного інтелекту, щоб знайти найкращий спосіб покращити час відповіді та іншим чином обслуговувати клієнтів. Захист від шахрайства є ще одним прикладом використання, підкріпленим автоматизованою аналітикою.

За його словами, Generative AI також може покращити прийняття рішень про кредити та інші взаємодії, підтримуючи управління життєвим циклом кредиту від заявок до отримання кредитів. У більш комерційних умовах ШІ вже допомагає менеджерам казначейства в різних банках досліджувати грошові потоки та зміни процентних ставок і орієнтуватися в ризику ліквідності.

Гіперперсоналізація буде природним побічним продуктом штучного інтелекту, сказав Хейні, хоча він попередив, що моделі потрібно досліджувати, щоб захистити від упередженості. Він додав, що споживачам традиційно доводилося вручну переміщатися між безліччю варіантів оплати, від ACH до банківських переказів, а останнім часом і варіантів у режимі реального часу. Наявність «двигуна», який допоможе швидко керувати ними параметрами, може виявитися цінним.

«Споживачі часто повністю перевантажені кількістю різних способів переміщення грошей», – сказав він. «Їм потрібні ці механізми, щоб направляти їх через компроміс між швидкістю, ціною та ризиком, а також рекомендувати найкращий тип платіжних рейок, який вони повинні розглянути на основі транзакції, яку вони намагаються здійснити».

Подібним чином існує також потенціал для використання структурованих і неструктурованих даних і контексту в реальному часі для створення та розповсюдження наступних найкращих пропозицій у точці продажу. Нові випадки використання також розвиваються в багатьох аспектах фінансових послуг, включаючи операції з обслуговування клієнтів, маркетингові операції та розробку продуктів.

Розвиток технологій відкриває нові можливості.

«Одна з речей, яку ми збираємося побачити, — це нові, вертикалізовані та спеціалізовані великі мовні моделі», — сказав Хейні, додавши, що більше випадків використання рішень стануть характерними рисами наступних місяців і років.

«Цього року станеться багато нового та цікавого, крім самих моделей», — передбачив він.

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

Джерело: https://www.pymnts.com

• Розповсюдження контенту та PR на основі SEO. Отримайте посилення сьогодні.
• PlatoData.Network Vertical Generative Ai. Додайте собі сили. Доступ тут.
• PlatoAiStream. Web3 Intelligence. Розширення знань. Доступ тут.
• ПлатонЕСГ. вуглець, CleanTech, Енергія, Навколишнє середовище, Сонячна, Поводження з відходами. Доступ тут.
• PlatoHealth. Розвідка про біотехнології та клінічні випробування. Доступ тут.
• джерело: https://www.fintechnews.org/how-genai-is-transforming-financial-services-through-hyper-personalization/