Как максимально эффективно использовать свои банковские деньги с помощью искусственного интеллекта и машинного обучения

ИИ уже используется в трех четвертях банковской индустрии. И хотя Gartner прогнозировал, что GenAI станет одной из основных тенденций в банковском деле только через несколько лет, в последнее время появилось явное стремление внедрить GenAI прямо сейчас. Современные технологии — это не просто поиск идеального инструмента. Это выбор инструмента и его правильное использование, поиск подходящего бизнес-кейса, а затем использование и отказ от технологии. Технологии развиваются так быстро, что уже стали одноразовыми, и ваше следующее решение, скорее всего, прослужит вам не больше двух лет.

Особенно с точки зрения бизнеса. Например, главная цель ИИ в банковском деле — автоматизировать задачи и делать прогнозы с помощью моделей машинного обучения (ML) (включая сложное глубокое обучение). Для этого нужны огромные вычислительные мощности, данные и серьезные вложения. Финансовые организации тоже уже активно используют ИИ. Они полагаются на облачные сервисы машинного обучения (например, AWS, Microsoft Azure, Google ML) и (в основном) частные или гибридные облачные среды на базе мэйнфреймов. Может показаться, что почти каждый день появляется новый технологический прорыв, и, конечно, все хотят его сразу использовать. Но есть смысл сначала оценить, что нужно сделать на самом деле и какие решения могут в этом помочь. И убедиться, что вы максимально используете то, что уже есть, то есть получаете от этого максимум, прежде чем начинать тратить деньги.

Уже три четверти финансовых организаций используют искусственный интеллект, и последние достижения дают повод для оптимизма в отношении растущего интереса к как можно более раннему внедрению GenAI в технологический комплекс. Разработанное GenAI программное обеспечение с низким уровнем кодирования/без кодирования может значительно сократить расходы, например, операционные расходы и риски, связанные с ненадежностью старой инфраструктуры и трудоемкими процессами.

Основные тенденции в области искусственного интеллекта в банковском секторе, согласно отчету Gartner:

• Компьютерное зрение: улучшайте операционную эффективность в таких областях, как KYC, AML, проверка личности, выявление мошенничества и андеррайтинг.
• Технологии анализа решений и графики: обновите приложения для фронт- и бэк-офиса
• Новаторские функции искусственного интеллекта: повышайте точность и полноту управления рисками и маркетинга с помощью базовых моделей. Генеративные состязательные сети (GAN) хорошо подходят для создания реалистичных изображений, видео и голосовых записей, которые в большинстве случаев неотличимы от оригинальной информации
• ИИ, ориентированный на модели: рассказывайте о классных разработках, таких как композитный ИИ и GenAI, чтобы поддержать новые идеи
• ИИ, ориентированный на данные: сосредоточьтесь на анализе данных с точки зрения этики, точности и объяснимости
• Приложения и варианты использования на основе искусственного интеллекта: создавайте диалоговые пользовательские интерфейсы, умные пространства, роботов и т. д.
• Ответственный и ориентированный на человека ИИ: удвойте усилия по этичному развитию ИИ, управлению рисками и благотворному социальному воздействию

Принятие решений, управление операциями и гиперперсонализация продуктов для увеличения доходов от клиентов принесут много улучшений в ваши операционные доходы и сокращение затрат. S&P считает, что снижение затрат на персонал банка на 10 процентов повысит рентабельность собственного капитала примерно на 100 базисных пунктов, а соотношение затрат к доходам — примерно на 3 процента (согласно S&P Global Ratings, 200 ведущих банков мира).

Стратегии искусственного интеллекта могут дать конкурентные преимущества банкам, которые умеют и готовы их использовать. Для этого нужно просто немного предусмотрительности и грамотно использовать ИИ. По мере того, как управление рисками становится все более масштабным, ИИ может повлиять на то, как мы видим риски банков. Когда банки смогут правильно оценивать кредитный риск, используя скрытые в информации закономерности для расчета вероятности того, что клиент вернет долг, они смогут улучшить свои модели работы с проблемными кредитами, сократить количество проблемных кредитов и повысить точность. Использование искусственного интеллекта может помочь улучшить управление рисками. Но это не значит, что плохая реализация не приведет к рискам для репутации и операционным рискам, а также к негативной рисковой позиции банка. Сделайте все правильно. Найдите поставщика технологий, который разбирается в банковском деле.

Новый закон об ИИ в Европе ввел всеобъемлющий контроль над продуктами и услугами ИИ с учетом рисков и конкретных случаев использования. Закон определяет основные обязанности в отношении систем ИИ общего назначения. Другие страны, такие как Канада, Бразилия, Чили и Филиппины, тоже не отстают в этом вопросе. В США Национальный институт стандартов и технологий (NIST) создал Консорциум по безопасности ИИ. Он хочет работать с промышленностью, чтобы придумать новые стандарты, такие как отраслевые рекомендации, основанные на управлении рисками. Помимо правительственных мер регулирования, все больше признается обязанность промышленности защищать общество путем внедрения или усиления управления ИИ.

Новое применение регулирования ИИ основано на риске, который могут создать рисковые пользователи, и на действиях, которые нужно контролировать. ЕС учитывает четыре типа рисков:

Слова «минимальный» и «ограниченный риск» означают, что ИИ используется в простых внутренних функциях, таких как автоматизация рутинных задач. Они не предполагают общения с реальными пользователями и клиентами (например, боты или боты, связанные с базой знаний). Минимальный риск не требует большого регулирования, и большая часть регулирования будет касаться информирования клиентов о том, что они имеют дело с ботами. Среди рисков, которые считаются высокими и неприемлемыми, есть системы искусственного интеллекта, которые помогают принимать решения. Это касается оценки запросов, вопросов, связанных с данными клиентов, и работы с клиентами в целом. Эти системы будут строго контролироваться, и при их использовании нужно будет учитывать много правил. Запрещено использовать системы искусственного интеллекта и операции, которые добровольно или недобровольно вмешиваются в действия пользователей, изменяя их свободу воли или поведение. Таким образом, это повлияет на пожилых и несовершеннолетних, на работу общества, например, на социальную оценку и биометрический скрининг, а также на анализ данных с предполагаемым участием клиентов, включая их происхождение, деятельность и т. д. Планы, которые будут реализованы в 2024 году и внедрены к 2026 году, в основном будут применимы к системам с высоким уровнем риска.

Финансовые услуги

Доступ будет основан на регулировании ИИ в сфере финансовых услуг. Финансовые услуги В сфере финансов системы ИИ анализируют данные клиентов, чтобы оценить их кредитоспособность и выявить мошенничество.

Если говорить об аналитике, то мы сейчас в период быстрого развития в этой крутой технологической эпохе. Так что всё, что было сделано всего 2 года назад, уже устарело. И вопрос в том, как компания может использовать старые технологии так, чтобы это было удобно и не вредило, учитывая последствия даже самой маленькой ошибки? Возьмем, к примеру, ChatGPT. Никто не знает, откуда в приложении берется информация (или есть ли в ней предвзятость/авторские права/достоверность). Но все больше сотрудников получают стимулы использовать приложение для создания корпоративных блогов, статей, официальных документов и даже строк кода. Неудивительно, что финансовые учреждения думают о создании изолированных ИИ-сервисов (это продолжение текущего спора в компании: «Переходим ли мы в облако или остаемся на месте?»). Это становится серьезной проблемой, потому что для эффективного искусственного интеллекта и продвинутой аналитики нужно быть уверенным, что ваши данные в порядке. С учетом этого, логично работать внутри компании, офлайн. Компания может обучать вашу корпоративную большую языковую модель (LLM) или программу проверки грамматики только на внутренней документации (она никогда не покинет главный компьютер). На самом деле, самый безопасный ответ — это противоположность текущему мышлению в сфере ИТ, которое предполагает перенос всего в облако.

Как процессор и система учета, банковская платформа Hogan стала движущей силой для некоторых из самых влиятельных банков мира. Теперь мы улучшили наше крутое гибридное облачное решение для мэйнфреймов Hogan, взяв лучшие решения IBM Z и сделав чертежи для банков со старыми ядрами, чтобы их можно было «перенести на платформу». Hogan x даже может помочь тебе создать совершенно новый цифровой банк. Платформа основана на принципах BIAN (сеть архитектуры банковской индустрии) как компонентизированная и компоновка. Она использует Z Linux и другие контейнерные и облачные решения. Платформа также может предлагаться в моделях «как услуга» на основе потребления.

Найдите то, что вам больше всего подходит

Гибридная облачная архитектура мейнфрейма позволяет выбрать лучшую стратегию для внедрения приложений. Вот пример экосистемы в банковской сфере (между IBM Z и облаком). Приложения разделены на три категории:

• Взаимодействие с клиентами через цифровые каналы
• Операционная обработка (например, управление заказами, маркетинг и продажи)
• Основные транзакции и данные (основные банковские операции и кредитные карты)

Эти приложения должны быть совместимы друг с другом, чтобы они могли обмениваться информацией в реальном времени и максимально повышать эффективность бизнеса. Интеграция очень важна для достижения полной совместимости. Гибридная облачная модель на базе мэйнфрейма с IBM zSystems помогает клиентам оптимизировать затраты, производительность и гибкость в зависимости от типа приложений и наиболее подходящей инфраструктуры. В качестве примера рассмотрим цифровые каналы. Высокий уровень многоканального взаимодействия основан на интеграции информации о партнерах и клиентах для создания оптимального клиентского опыта. Это, а также изменение переменных и рабочих нагрузок в облачных решениях, делает гибридные решения идеальным вариантом для вас.

Экология, социальная ответственность и управление (ESG)

Часто забывают, что гибридная облачная архитектура мейнфреймов — это круто для экологии. Гибкая работа в облаке и энергоэффективные мейнфреймы позволят банкам максимально использовать свои дата-центры и снизить их энергопотребление (дата-центры потребляют около 1 % мировой энергии), что поможет сделать планету экологичнее.

Но гибридная облачная архитектура мэйнфреймов в банковском деле — это не просто технический выбор. Это стратегическая необходимость, потому что она обеспечивает правильный баланс между защитой, надежностью и масштабируемостью, с одной стороны, и гибкостью и инновациями, необходимыми для цифровой работы, с другой. Благодаря сочетанию отказоустойчивости мэйнфреймов, искусственного интеллекта, машинного обучения и гибкости облачных вычислений банки смогут оставаться конкурентоспособными, соблюдать нормативные требования и ориентироваться на потребности клиентов. Успех зависит от того, насколько хорошо это будет использовано, чтобы банки не только справились с текущими проблемами, но и были готовы и оснащены для использования будущих возможностей. По мере развития технологий стратегии гибридного облака с использованием искусственного интеллекта и мэйнфреймов будут играть ключевую роль в цифровой трансформации банковского сектора, объединяя традиции с инновациями, стабильность с гибкостью, а производительность с эффективностью. Сейчас не время для нерешительности.

Кто-то из моего офиса только что был на крупной конференции, где один из докладчиков затронул эту тему. Он сказал: «Мы действительно не знаем, куда движется технология, поэтому просто будем сидеть и ждать, чтобы увидеть, где она появится. Проблема в том, что они никогда не увидят момент, когда она начнет просачиваться, поскольку в условиях экспоненциального роста технология никогда не остановится, и в этот момент ее невозможно рационализировать». Дело в том, что банки должны быть прозорливыми и открытыми, чтобы внедрять ИИ как можно быстрее, безопаснее и выгоднее.

Нужно держать в курсе о совместной работе

Вот почему помощь опытных поставщиков так ценна. Это особенно важно при использовании оптического распознавания символов (OCR). Одному из наших клиентов мы предложили четыре инструмента для чтения документов, сказав, что неважно, какой из них вы выберете. Через два года он все равно устареет. Отдел закупок также посоветовал нам рассмотреть и другие варианты, что сделало поиск идеального инструмента полномасштабной задачей. Но выбор современных технологий не значит, что нужно копаться в инструментах. Речь идет о том, чтобы правильно выбрать и использовать инструмент, найти подходящий бизнес-кейс и отказаться от старых технологий в пользу новых. Технологии стали такими, что их можно выбрасывать, когда они устаревают, и следующее обновление будет уже через пару лет, пока они не станут совсем ненужными. Так что, вместо того чтобы вкладывать 5+ в решение z16, обновляйте свою технологию искусственного интеллекта каждые 2 года. То есть, вам стоит начать планировать ее замену, как только подпишете договор на закупку.

Бизнес-проблема: ИИ не всегда используется в платформе Z, где данные должны перемещаться по сетям. Это дорого и небезопасно, а также снижает вашу способность оценивать риски транзакций. Влияние на бизнес: ускоритель IBM Z AI on-chip позволяет Hogan и связанным рабочим нагрузкам zLinux запускать функции искусственного интеллекта в реальном времени на мэйнфрейме, где сейчас находятся данные. Это повышает производительность искусственного интеллекта, безопасность и снижает затраты. Кроме того, такие процессы, как автоматическое принятие решений о кредитовании и изменение условий кредита, могут выполняться прямо на платформе Z, а аналитические данные искусственного интеллекта и бизнес-решения могут быть быстрее и проще усвоены. Celent прогнозирует, что при 100-процентном отборе всех транзакций отдельные банки сэкономят около 100 миллионов долларов.

Среди возможных применений ИИ можно назвать кредитный скоринг, борьбу с мошенничеством и противодействие отмыванию денег. Большинство банковских и платежных операций проходит через мэйнфрейм-платформы, но обнаружение ИИ может происходить вне платформы (менее 10 % операций проходят через модель ИИ в режиме реального времени из-за задержек, затрат и проблем с клиентами). Вот почему так много мошеннических операций остаются незамеченными и не обнаруживаются. Umbrella.ai может сэкономить вам миллионы на выявлении мошенничества с помощью инференции на мэйнфрейме. В этом Umbrella является основным элементом. Архитектура приложения Umbrella — это проверенная техническая платформа, которая должна быть интегрирована в среду z/OS, чтобы стать быстрой интегрированной средой разработки (IDE) в течение 35 лет. Umbrella имеет более 40 финансовых учреждений первого уровня в разных частях мира и используется для выполнения примерно 100 приложений каждым банком. Это тысячи приложений в разработке на мэйнфреймах.

Umbrella.ai предотвращает мошенничество

Вместе с IBM мы стараемся сократить время оценки или анализа транзакции. Это даст клиентам возможность виртуально проверять все свои транзакции и сэкономить время и деньги. Цели Umbrella.ai включают:

• 100-процентное покрытие входящих транзакций и текущих SLA
• Использовать уже известные схемы мошенничества или придумывать новые
• Уменьшение задержки оценки благодаря использованию встроенной системы предотвращения мошенничества в z/OS и системе авторизации карт
• Используем сервис оценки MLz COBOL, чтобы упростить вызов оценки и уменьшить накладные расходы на вызов сервиса оценки

Одно из сильных мест машинного обучения — это то, что оно помогает лучше выявлять мошенничество. Старые системы, основанные на правилах, не достаточно гибкие, чтобы справляться с новыми видами мошенничества. А алгоритмы машинного обучения могут обновляться с помощью данных о транзакциях и быстрее и точнее находить мошенничество.

Umbrella.ai и ML ускоряют обнаружение и предотвращение мошенничества

ИИ/МЛ на IBM Z повышает точность прогнозирования мошенничества, позволяет получать полезную информацию в огромных масштабах и в режиме реального времени обнаруживать мошеннические транзакции. Более высокая точность моделей глубокого обучения позволяет им значительно снизить количество ложных срабатываний. Это значит, что банки могут фильтровать транзакции при выявлении мошенничества, сохраняя при этом качество обслуживания клиентов и не теряя деньги.

Сотрудничество Umbrella с AI и IBM z16 дает классные бизнес-идеи (не нужно быть экспертом в данных). Примерно 70 процентов финансовых операций выполняются на IBM zSystems, и это тоже отличная новость с точки зрения ESG: количество энергии, используемой для вывода на мэйнфрейме, на 40 процентов ниже, чем при использовании серверной фермы.

Основные возможности:

• Улучшайте любые приложения IBM z/OS с помощью Al-enhanced SQL и Umbrella.ai
• Найдите и используйте скрытую информацию в ваших данных
• Определите сходства, различия и взаимосвязи
• Получите интерпретируемость с помощью бокса
• Используй одну модель для набора вопросов
• Упростите внедрение искусственного интеллекта
• Модели глубокого обучения можно использовать, чтобы уменьшить количество ложных отрицательных результатов

IBM z16 поддерживает самые популярные алгоритмы машинного обучения, предоставляя клиентам «плащ» искусственного интеллекта, который помогает им улучшать процессы и получать большую бизнес-выгоду от существующих инвестиций.

Можете ли вы позволить себе дрожать от страха и смотреть, как ваши конкуренты устанавливают ошеломляющее лидерство и устойчивое преимущество? Узнайте, как можно использовать ИИ и машинное обучение, чтобы получить максимальную отдачу от инвестиций. А еще посмотрите, как гибридное облачное решение для мэйнфреймов на базе Hogan поможет вам лучше выявлять мошенничество и подготовиться к будущим угрозам и возможностям.