GenAI 如何通过“超个性化”改变金融服务

迈克尔·哈尼，产品策略主管 伽利略金融科技，表示机器学习与生成人工智能的兴起相结合，将迎来后台生产力的新时代，并最终改变金融服务组织使用数据提供超个性化体验的方式。

Haney 和 PYMNTS 之间的对话是“支付的下一步：支付和 GenAI”系列的一部分。

他说，我们仍然处于金融服务组织采用机器学习（人工智能的子集）的时代。但越来越多的组织开始转向生成式人工智能和机器学习，以“增强”其后端运营，从而提高生产力、效率和质量。

哈尼解释说，虽然机器学习有时需要手动干预，因为用户自己调整模型并检查哪些模型表现最好，但模型能够随着条件变化更快地学习和适应。

在机器学习的这个领域中，存在称为神经网络的技术。哈尼说，神经网络是“模仿人类大脑工作方式的尝试，它们通常有多个层次”。使用的层数越多，容量、效率、性能和准确性就可以提高得越多。

生成式人工智能的进步已经开发了机器学习的潜力，超越了过去仅限于特定类型内容的“僵化和不灵活的规则引擎”。哈尼说，现代方法依赖于变压器或深度学习模型，它们可以预测句子中的下一个单词，或者提供什么图片、视频或音乐。

“它以我们以前从未见过的水平产生了类似人类的反应，”他说。

可视化数据

将焦点转向支付，哈尼表示，人工智能可以跨多个工作流程和交互转变金融服务，其中包括客户服务，从而增强和提高运营生产力。他说，由于金融机构和支付处理商希望以独特的方式使用这些数据，消费者选择加入数据共享将至关重要。

“运营团队喜欢数据、报告、仪表板和类似的东西，”哈尼说。 “他们开始获得通过自然语言查询进行数据可视化的能力。”

这些自然语言查询可以提供有价值的见解，例如了解每天支付量如何变化的信息。其他基于人工智能的生成技术，例如虚拟助理，为客户和银行员工提供价值。例如，员工不必仔细阅读数百页厚的手册，只需在人工智能驱动的应用程序中输入问题即可找到缩短响应时间并为客户提供服务的最佳方法。欺诈防御是通过自动化分析支持的另一个用例。

他说，生成式人工智能还可以改善贷款决策和其他交互，支持从申请到信用催收的贷款生命周期管理。在更多的商业环境中，人工智能已经在帮助各银行的财务经理检查现金流和利率变化并应对流动性风险。

哈尼表示，超个性化将是人工智能的自然副产品，尽管他警告说必须检查模型以防止偏见。他补充说，传统上，消费者必须手动浏览大量支付选项，涵盖从 ACH 到电汇以及最近的实时选项等各种支付选项。事实证明，拥有一个“引擎”来帮助快速引导他们完成各种选择是很有价值的。

“消费者常常对各种不同的转移资金方式感到不知所措，”他说。 “他们需要这些引擎来指导他们权衡速度、价格和风险，并根据他们想要进行的交易推荐他们应该考虑的最佳支付方式类型。”

同样，还有可能使用结构化和非结构化数据以及实时上下文在销售点创建和传播下一个最佳报价。新的用例也在金融服务的许多方面不断发展，包括客户服务运营、营销运营和产品开发。

技术的发展方式开辟了新的可能性。

哈尼说：“我们将开始看到的一件事是新的、垂直化和专业化的大型语言模型。”他补充说，更多的决策用例将成为未来几个月和几年的标志。

“除了模型本身之外，今年还将发生许多新的、有趣的事情，”他预测道。

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

来源：https://www.pymnts.com

• SEO 支持的内容和 PR 分发。 今天得到放大。
• PlatoData.Network 垂直生成人工智能。 赋予自己力量。 访问这里。
• 柏拉图爱流。 Web3 智能。 知识放大。 访问这里。
• 柏拉图ESG。 碳， 清洁科技, 能源， 环境， 太阳能， 废物管理。 访问这里。
• 柏拉图健康。 生物技术和临床试验情报。 访问这里。
• Sumber: https://www.fintechnews.org/how-genai-is-transforming-financial-services-through-hyper-personalization/