Tehisintellekt finantsteenuste valdkonnas: finantssektori tuleviku kujundamine

Finantsteenused kasutavad tehisintellekti finantskuritegude avastamiseks ja tõkestamiseks, klientide kogemuse parandamiseks virtuaalsete assistentide ja personaliseerimise abil, riskijuhtimise parandamiseks, algoritmilise kauplemise ja kauplemise optimeerimise edendamiseks, küberturvalisuse tugevdamiseks ja töötajate tootlikkuse suurendamiseks. AI peamised eelised rahanduses hõlmavad uut operatiivset efektiivsust, paremat kliendikogemust, paremat riskide maandamist, täiendavaid tululiike ja ärivõimalusi, kiiremat otsuste tegemist ja uusi konkurentsieeliseid. AI kasutuselevõtt rahanduses nõuab regulatiivse vastavuse riskide, potentsiaalsete vigade ja eelarvamuste, andmetega seotud väljakutsete, AI-talentide puuduse ja vanade koormustega tegelemist.

Siiski on panganduses ja finantsteenuste valdkonnas AI-revolutsioonis juhtpositsiooni säilitamine keeruline. AI kasutuselevõtt finantsvaldkonnas nõuab hoolikat riskide hindamist ja õige ärirakenduse valimist, millega alustada.

Masinõpe (ML) ja analüütiline tehisintellekt (AI) ei ole finantsvaldkonnas uued nähtused. Neid kasutatakse juba andmete klassifitseerimiseks, protsesside automatiseerimiseks, mustrite tuvastamiseks ja sündmuste ennustamiseks. Pangandus, finantsteenused ja kindlustus moodustavad 18% ülemaailmsest ML-turust, olles üks suurimaid tehnoloogia kasutajaid, jäädes maha ainult IT-st ja telekommunikatsioonist (19%).

Finantsasutuste kasutatavad AI-vormid

• Andmete analüüs (69%)
• Andmetöötlus (57%)
• Loodusliku keele töötlemine (47%)
• Suured keelemudelid (46%)
• Generatiivne tehisintellekt (43%)

Finantsteenuste organisatsioonide seas on kõige levinum AI ja ML kasutuselevõtu strateegia rakenduste arendamine pilvepõhiste AI ja ML teenuste abil. S&P Global andmetel pidas 44% küsitletud ettevõtetest seda lähenemist peamiseks strateegiaks. Praegune AI-lahenduste kasutamine finantssektoris:

• Operatsioonid (48%)
• Risk ja vastavus (45%)
• Turundus (34%)
• Müük (27%)

Gen AI jääb esirinnas

Generatiivne tehisintellekt on võtmetähtsusega tehnoloogia, mis kujundab tehisintellekti tulevikku finantsvaldkonnas. Generatiivse tehisintellekti ja suurte keelemudelite praegune levik finantsteenuste organisatsioonides ulatub vastavalt ligi 43% ja 46%ni. Generatiivne tehisintellekt panganduses:

• Koodimise kaaslased kiirendatud digitaliseerimiseks
• Chat-your-data lahendused demokratiseeritud ettevõtte andmete jaoks
• Sünteetiliste andmete genereerimine AI/ML mudelite koolitamiseks
• Riskide ja vastavuse aruannete koostamine
• Kliendi isiklikud virtuaalsed assistendid
• Hüperpersonaliseeritud müügi- ja turunduskampaaniad
• Kindlustusnõuete aruannete automaatne koostamine
• Virtuaalne kahjude teatamine kindlustusnõuete puhul

McKinsey analüütikud hindavad, et generatiivne tehisintellekt toob kaasa 2,8–4,7% kasvu globaalses panganduses ja 1,8–2,8% kindlustussektoris. Suurim mõju avaldub tõenäoliselt turunduses, müügis, klienditeeninduses ja tarkvaratehnoloogias.

Finantskuritegude ennetamine

Ainuüksi 2023. aastal põhjustasid pettused 485,6 miljardi dollari suuruse kahju. 2011. aastal ringles ülemaailmses finantssüsteemis üle 3,1 triljoni dollari ulatuses ebaseaduslikku raha. Kuna 90% finantsorganisatsioonidest peab finantskuritegude ennetamist esmatähtsaks, on andmete analüüsi kasutamine avastamiseks ja ennetamiseks muutunud ülioluliseks. Kaks kolmandikku organisatsioonidest kavatseb seda lähenemisviisi kasutada, pool neist investeerib tehisintellekti, et suurendada pettuste avastamise võimekust. AI pettuste ennetamine hõlmab järgmist:

• Suurandmete analüüs kulude ja kontode tulemuslikkuse jälgimiseks
• Finantskuritegude riski hindamise ennustav analüüs
• Tehingute/kontode märkimine edasiseks läbivaatamiseks
• Automatiseeritud rahapesuvastane tegevus (AML) ja kliendi tundmine (KYC)

Näide: Barclays võttis kasutusele tehisintellekti rakenduse, mis jälgib veebikaubanduse tehinguid ennustava analüüsi abil, et kindlaks teha pettuse võimalikkus. PayPal rakendas tehisintellekti, et vähendada pettuste avastamata jäämise juhtumeid 30 korda ja samal ajal vähendada riistvarakulutusi kolm korda.

Virtuaalsed assistendid

Gen AI-ga täiustatud AI-põhised chatbotid pakuvad ööpäevaringset isiklikku finantsnõustamist. Erinevalt varasematest reeglipõhistest versioonidest võimaldab Gen AI luua keerukamaid chatbote, mis kohandavad vastuseid otsestele ja kaudsetele kliendipäringutele inimliku suhtlusega. AI-chatboti võimekused:

• Investeeringute valiku soovitused
• Pangakonto haldamine
• Isikliku rahanduse juhtimise konsultatsioon
• Iseteeninduslik klienditugi
• Automaatne võlgade sissenõudmine

Hüperpersonaliseerimine suurel skaalal

Ligi 73% finantsteenuste klientidest soovib, et teenusepakkujad mõistaksid nende isiklikke vajadusi ja ootusi. Lisaks sellele vahetab 62% teenusepakkujat, kui nad tunnevad, et neid koheldakse ebaisikuliselt. AI-põhine personaliseerimine võimaldab:

• Kliendi mikrosegmenteerimine vajaduste ja eelistuste järgi
• Isikustatud turundus ja tootesoovitused
• Klientide lahkumise ennetamine ennustava analüüsi abil
• Isiklikud investeerimis- ja finantsjuhtimisnõuanded

Riskijuhtimine

Traditsioonilised laenu- ja kindlustusotsused tuginevad piiratud andmekogumitele, nagu amet ja krediidiajalugu. AI-seadmed suudavad koguda ja hinnata suuri andmehulki, et saada täpsemaid krediidireitinguid ja riskihinnanguid, sealhulgas mittetraditsioonilistest allikatest, nagu sotsiaalmeedia tegevus. AI riskijuhtimise rakendused:

• Ettevõtte riskijuhtimine uudsete riskide tuvastamisega
• Leevendusstrateegia soovitused
• Kliendi riskide hindamise vahendid investeerimis- ja laenuotsuste tegemiseks

Näide: Banco Santander pakub Kairos-tööriista äriklientidele otsuste tegemise hõlbustamiseks.

Kaubanduse optimeerimine ja algoritmiline kauplemine

Algoritmid on aastaid domineerinud kauplemist. J.P. Morgan kasutas 2019. aastal sügavaid neurovõrke, et võimaldada masinakauplemisprogrammidel tuvastada kõige tulusamad kauplemistehingute teostamise viisid. AI kauplemisvõimalused:

• Töötle sadu turuandmeid
• Ajalooliste ja praeguste suundumuste kindlakstegemine
• Struktureerimata andmete analüüs (uudisreportaažid) loomuliku keele töötlemise abil
• Varade hindamine ajaloolise ja reaalajas teabe põhjal
• Optimaalne varade jaotamine investeeringutasuvuse maksimeerimiseks
• Likviidsusriski hindamine
• Turumanipulatsiooni avastamine
• Kõrgsagedusliku kauplemise automatiseerimine

Küberjulgeolek

Andmete rikkumise keskmine maksumus on 4,88 miljonit dollarit, mis on 10% rohkem kui 2023. aastal. Finantsteenuste organisatsioonid seavad esikohale ründajate ees edumaa säilitamise, parandades samal ajal kolmandate osapoolte turvalisust, mõõdikuid ja aruandlust ning juurdepääsu haldamist. AI-küberjulgeoleku rakendused:

• Identiteedi- ja juurdepääsu haldamine kahtlase käitumise tuvastamisega
• Lõpppunkti turvalisus ja pahavara tuvastamine
• Pilve turvalisuse haavatavuste ülevaade
• Ohtude tuvastamine ja automatiseeritud reageerimine
• Infoturve ja andmete varguse ennetamine
• Intsidentide uurimine ja reageerimise optimeerimine

Kaasaegsed Gen AI küberjulgeoleku tööriistad:

• Töötle teavet uurimisettepanekuteks
• Koosta intsidendi dokumentatsioon
• Analüüsige koodibaasi turvaaukud
• Esitage loomulikus keeles küberjulgeoleku juhised

Töötajate tootlikkuse tööriistad

AI aitab töötajatel olla produktiivsemad mitmesugustes valdkondades, alates riskide ja nõuetele vastavuse tagamisest kuni klienditeeninduse, turunduse ja müügini. Gen AI produktiivsuse rakendused:

• Dokumendi kokkuvõte (eeskirjad, aruanded, uuringud)
• Reaalajas klienditoe vastuste soovitused
• Koodilõikude genereerimine ja läbivaatamise abi
• Struktureerimata andmete töötlemine ja klassifitseerimine

Täiendavad AI tõhususe eelised:

• Visuaalne andmetöötlus kahjude hindamiseks ja isiku tuvastamiseks
• Intelligentsed dokumenditöötlusfunktsioonid struktureeritud/struktureerimata andmete jaoks
• Kõnetuvastus klienditeeninduse triaažiks
• Ennustav analüüs järgmise parima tegevuse soovituste jaoks

Parem operatiivne efektiivsus

AI-mudelid automatiseerivad varem käsitsi tehtud protsesse, sealhulgas andmete kontrollimise kontode avamisel ja riskide/vastavuse aruannete koostamisel, pakkudes uusi operatiivseid eeliseid.

Paremad kliendikogemused

Tehisintellekti kasutav personaliseerimine, virtuaalsed assistendid ja nutikas automatiseerimine loovad sujuva kasutuskogemuse ja kiirendavad back-office'i toiminguid. See suurendab klientide eluaegset väärtust ning vähendab klientide kaotust ja uute klientide hankimise kulusid.

Leevendatud riskid

Tehisintellekt kaitseb organisatsioone maine- ja rahaliste kahjude eest täpse pettuste avastamise ja tugevate AML/KYC raamistike abil. Siiski nõuab tehisintellekti rakendamine ise riskide vähendamist.

Uued tulud

AI edendab kvalitatiivselt uusi tegevusmudeleid, tooteid ja teenuseid. Selle innovatsiooni näiteks on kasutamisel põhinev autokindlustus, mille kindlustusmaksed määratakse AI abil sõitja käitumise alusel.

Kiirem otsuste tegemine

Chat-your-data lahendused ja võimsad analüüsivahendid võimaldavad kiiremat otsuste tegemist kõikides äriprotsessides. Ennustav modelleerimine toetab eriti riskide maandamise strateegiat ja kindlustusotsuste tegemist.

Konkurentsieelis

Tehisintellekt pakub paremat kliendikogemust, madalamaid tegevuskulusid tänu tõhususe suurenemisele ning uuenduslikke tehisintellekti kasutavaid tooteid ja teenuseid, luues konkurentsieeliseid varajastele kasutuselevõtjatele.

Kindlustusdokumentide otsing ja täiendatud genereerimine (RAG)

Kindlustusselts lihtsustas andmete väljavõtmist tuhandetest dokumentidest, mis pärinevad 2005. aastast. RAG-lahendus integreeris teabeotsingu generatiivse tehisintellektiga, võimaldades ärianalüütikutel pääseda andmetele juurde loomuliku keele küsimuste ja vastuste liideste kaudu. Tulemused: töötajad leiavad sobivad dokumendi osad 38,3 ms jooksul, otsides üle miljoni vektori, vastates kergesti keerukatele päringutele, nagu kindlustusvõtja profiili hinnavõrdlused.

Kaubandusettevõtjate tehingute pettuste avastamine ja ennetamine

MasterCard sõlmis partnerluse Amazon Web Servicesiga (AWS), et parandada AI/ML võimekust kaupmeeste tehingute pettuste ennetamisel, minnes reeglipõhistest süsteemidest kaugemale, et tegeleda keerukate pettustehnikatega. Tulemused: pettuste avastamise määr on kolmekordistunud ja valehäirete arv on kümnekordistunud, mis on parandanud kaupmeeste kogemust MasterCardi teenustega.

Kliendikogemuse parandamine ja ennustavad pakkumised

Scotia Bank kasutas Google Cloudi, et parandada AI pangateenuste klientide kogemusi, viies klientide andmed pilveinfrastruktuuri kolme peamise algatusega:

• Individuaalsed tootesoovitused, kasutades ML-mudeleid
• Kliendikogemuse automatiseerimine loomuliku keele töötlemise, hääletuvastuse ja arvutinägemise abil
• Andmete ühtlustamine parema ülevaate ja finantsnõustamise eesmärgil

Portfelli optimeerimine

HSBC tegi koostööd EquBotiga, et suurendada portfelli tulemuslikkust suurandmete abil. AI-põhine USA aktsiaindeks (AiPEX) kasutab EquBot AI-d, et valida Russell 1000 indeksist välja suure kasvupotentsiaaliga aktsiad. Tulemused: AiPEX ületas viimase kümne aasta jooksul S&P 500 indeksit 123% võrra, tänu loomuliku keele ja struktureerimata andmete abil kiiresti kasvavate aktsiate paremale tuvastamisele.

Arendaja tootlikkus

Westfield Insurance võttis IBM-i kaudu kasutusele generatiivse tehisintellekti, et saavutada suurem arendajate tootlikkus ja äripaindlikkus, aidates kaasa rakenduste arendamisele ja arendajate koolitamisele COBOL-i, Assembler-lahenduste ja JCL-i valdkonnas. Tulemused: rakenduse tutvustamise aeg lühenes 80% ja koodi kirjeldamise ja dokumenteerimise aeg lühenes 30%, samal ajal kiirendades rakenduse moderniseerimist ja vähendades muutuste haldamise kulusid.

Reguleerivate nõuete täitmise riskid

Reguleerivad asutused kogu maailmas keskenduvad tehisintellekti kasutamisele rahanduses. ELi tehisintellekti seadus tähistab uue tehisintellekti alase seadusandluse algust, samal ajal kui Ameerika Ühendriikide osariikide reguleerivad asutused takistavad tehisintellekti põhjustatud kahju tekitamist tarbijatele. Leevendusstrateegiad:

• Uurige kõiki AI-mudeli arendamist ja kasutuselevõttu mõjutavaid regulatiivseid aspekte.
• Tagage tugev AI-juhtimine
• Järgige vastutustundlikke ja tõlgendatavaid AI põhimõtteid
• Luua AI eetikakomiteed, mis teostavad regulaarseid ülevaatusi

Võimalikud vead ja eelarvamused

Kuigi hallutsinatsioonid domineerivad generatiivse tehisintellekti aruteludes, seisavad teised tehisintellekti/masinõppe mudelid silmitsi vigade ja eelarvamustega. Kuna panganduses kasutatav tehisintellekt töötleb tundlikke andmeid, mis mõjutavad klientide elu, on nende probleemide ennetamine äärmiselt oluline. Leevendusstrateegiad:

• Looge mitmekesised ja representatiivsed koolitusandmestikud
• Kontrollige regulaarselt mudeleid eelarvamuste ja vigade suhtes ning parandage tuvastatud probleemid
• Kasutage eelarvamustevastaseid koolitusmeetodeid (ümberkaalumine, vastandlik koolitus).
• Koolitage lõppkasutajaid AI-tööriista piirangute osas
• Säilitage inimese järelevalve

Andmetega seotud väljakutsed

AI- ja ML-mudelite edukus sõltub kvaliteetsetest koolitusandmetest. Andmesilod, privaatsusega seotud probleemid ja ebapiisavad andmemahtud tekitavad aga märkimisväärseid takistusi. Andmetega seotud probleemid on 38% finantsasutuste jaoks suurimaks väljakutseks. Leevendusstrateegiad:

• Rakendage tugev küberjulgeolek konfidentsiaalse teabe kaitsmiseks
• Kaaluge sünteetiliste andmete genereerimist Gen AI abil mudeli koolitamiseks
• Konsolideerige andmesilod enne AI rakendamist
• Tegele privaatsusküsimustega proaktiivselt

Talendi puudumine

AI-spetsialistide värbamine ja hoidmine oli 2022. aastal finantsteenuste valdkonna suurimaks väljakutseks, kuid 2023. aastal langes see teisele kohale, kusjuures 32% organisatsioonidest on endiselt sellega hädas. Leevendusstrateegiad:

• Töötage välja veenvad tööandja väärtuspakkumised
• Hinnake kandidaadi potentsiaali ja olemasolevaid tehnilisi oskusi
• Sobitage äri nõuded oskuste nõuetega asjakohaselt
• Otsige kaugemalt ja rahvusvaheliselt talente
• Kaaluge AI-talentide hankimist teenusepakkujate kaudu

Vanad koormused

Traditsioonilised pangad ja kindlustusseltsid kasutavad vananenud IT-süsteeme, mille keskmine vanus ületab 10 aastat. AI-tööriistade rakendamine on raske või võimatu, kui esmalt ei tegeleta tehnilise võlaga ja ei moderniseerita vananenud infrastruktuuri. Leevendusstrateegiad:

• Viige läbi põhjalik digitaalse küpsuse analüüs
• Vähendage süstemaatiliselt IT-varade keerukust
• Määrake täpselt vanade süsteemide moderniseerimise ulatus, aeg ja eelarve.
• Lõhku organisatsioonilised silod koos tarkvara- ja andmesilodega

Pangandus- ja finantsteenuste valdkonnas tehisintellekti tulevikku määravad peamised suundumused hõlmavad selgitava ja vastutustundliku tehisintellekti edendamist, füüsilise ja käitumusliku biomeetria võimalusi ning kvantarvutite arengut.

Seletatav, vastutustundlik tehisintellekt

Tarbijate usaldus on oluline tegur AI edukaks kasutuselevõtuks. Siiski usaldab Gen AI chatboteid vaid 21% finantsteenuste klientidest. Eetiliste küsimuste tähtsuse suurenemisega kasvab surve selgitava ja vastutustundliku tehisintellekti järele. NVIDIA uuringu kohaselt on 84% finantsasutustest rakendanud meetmeid, mis tagavad tehisintellekti mudelite usaldusväärsuse. Siiski on seletatav tehisintellekt veel ebaküps tehnoloogia, mis vajab lahendusi arvutuskiiruse ja täpsuse kompromisside vähendamiseks, et suurendada tõlgendatavust.

Biomeetria

Sünteetiline identiteedivargus on kiiresti leviv finantskuritegu Ameerika Ühendriikides, kus generatiivne tehisintellekt on muutunud tõhusaks kurjategijate relvaks. 2030. aastaks prognoositavaid ligi 23 miljardi dollari suuruseid kahjusid on võimalik ületada füüsilise ja käitumusliku biomeetria abil. Need süsteemid kasutavad tehisintellekti, et pidevalt jälgida klientide käitumist ja teostada põhjalikku KYC- ja AML-kontrolli. Käitumuslik biomeetria loob unikaalseid klientide profiile, mis põhinevad parooli sisestamise kiirusel ja mobiilirakenduse navigeerimismustritel. Näotuvastus võimaldab lihtsat ja turvalist autentimist ja autoriseerimist. Sellised organisatsioonid nagu MasterCard ja BNP Paribas kasutavad juba biomeetriat kaardiomanike turvalisuse parandamiseks.

Tehisintellekt ja kvantfüüsika (AQ)

Kvanttehnoloogiad esindavad tehnoloogia arengu tulevikku, millesse tehakse enneolematuid investeeringuid. Kuigi kvantarvutid ei saa järgmise kümne aasta jooksul reaalsuseks, võivad kvantarvutid potentsiaalselt murda asümmeetrilised krüpteerimisprotseduurid. Finantsettevõtted nagu HSBC on juba parandamas krüptograafia haldamist, et valmistuda kvantkrüptograafia ajastuks. Kombineerituna tehisintellektiga võivad kvanttehnoloogial põhinevad algoritmid edendada turukeskkonda ja portfelli riskianalüüsi veelgi enam kui Monte Carlo simulatsioonid. AQ õppimise kvaliteedi parandamine võib oluliselt parandada pettuste avastamise võimekust.