Як отримати максимальну віддачу від своїх банківських коштів за допомогою штучного інтелекту та машинного навчання

Штучний інтелект вже впроваджено у трьох чвертях банківської галузі. І хоча Gartner прогнозував, що GenAI стане однією з основних банківських тенденцій лише через кілька років, останнім часом спостерігається очевидна потреба у впровадженні GenAI вже зараз. Сучасна технологія не полягає у пошуку найідеальнішого інструменту. Вона полягає у виборі інструменту та розміщенні його у відповідному місці, пошуку відповідного бізнес-кейсу, а потім використанні та відмові від технології. Технологія розвивається такими темпами, що вже стала одноразовим аспектом, і ваше наступне рішення, ймовірно, прослужить вам не більше двох років.

Особливо з огляду на наслідки для бізнесу. Наприклад, основною метою використання ШІ в банківській сфері є автоматизація завдань і створення прогнозів за допомогою моделей машинного навчання (ML) (включаючи складне глибоке навчання). Для цього потрібні величезні обчислювальні потужності та дані, а також значні інвестиції. Фінансові установи також вже є великими споживачами ШІ. Вони покладаються на хмарні служби машинного навчання (наприклад, AWS, Microsoft Azure, Google ML) та (переважно) приватні або гібридні хмарні середовища на базі мейнфреймів. Може здатися, що майже щодня з'являються нові технологічні прориви, і, природно, що всі хочуть їх негайно використовувати. Проте, багато чого можна досягти, оцінивши, що вам потрібно зробити в реальності і які рішення можуть допомогти вам цього досягти. А також переконавшись, що ви працюєте з тим, що вже маєте, в максимально можливій мірі, отримуючи від цього максимум користі, іншими словами, максимально використовуючи свої гроші, перш ніж почати їх витрачати.

Вже три чверті фінансових установ використовують ШІ, і останні досягнення вселяють оптимізм щодо зростаючого інтересу до якнайшвидшого впровадження GenAI в технологічний комплекс. Програмне забезпечення з низьким рівнем кодування/без кодування, розроблене GenAI, може заощадити чимало коштів, наприклад, за рахунок скорочення операційних витрат і ризиків, пов'язаних з ненадійністю старої інфраструктури та трудомісткими процесами.

Основні тенденції у сфері штучного інтелекту в банківському секторі, за даними Gartner:

• Комп'ютерний зір: покращення операційної ефективності в KYC, AML, перевірці ідентичності, виявленні шахрайства та страхуванні
• Інтелектуальні рішення та графічні технології: модернізація додатків для фронт- та бек-офісу
• Новітні функції штучного інтелекту: підвищення точності та всебічності в управлінні ризиками та маркетингу за допомогою базових моделей. Генеративні суперечливі мережі (GAN) успішно застосовуються для створення реалістичних зображень, відео та голосових записів, які в більшості випадків не відрізняються від оригінальної інформації
• Модельно-орієнтований штучний інтелект: впроваджуйте обнадійливі розробки, такі як композитний штучний інтелект та GenAI, для підтримки нових ініціатив
• Штучний інтелект, орієнтований на дані: зосередьтеся на аналізі даних з точки зору етики, точності та зрозумілості
• Додатки та випадки використання на основі штучного інтелекту: розробка діалогових інтерфейсів користувача, інтелектуальних просторів, роботів тощо.
• Відповідальна та орієнтована на людину штучна інтелігенція: подвійно зосередьтеся на етичному розвитку штучної інтелігенції, управлінні ризиками та позитивному соціальному впливі

Прийняття рішень, управління операціями та гіперперсоналізація продуктів для збільшення прибутковості клієнтів принесуть значні поліпшення ваших операційних доходів та скорочення витрат. S&P оцінює, що 10-відсоткове зниження витрат на банківський персонал підвищить рентабельність капіталу приблизно на 100 базисних пунктів, а співвідношення витрат до доходів — приблизно на 3 відсотки (згідно з S&P Global Ratings, 200 найкращих банків світу за рейтингом).

Стратегії штучного інтелекту потенційно здатні надати конкурентні переваги банкам, які мають можливість і гнучкість для їх найкращого використання. Це вимагає лише певної передбачливості та розумного застосування штучного інтелекту. У міру вдосконалення системи управління ризиками штучний інтелект може впливати на сприйняття профілів банківських ризиків, пов'язаних з нею. Коли банки зможуть адекватно оцінювати кредитний ризик, використовуючи приховані в інформації закономірності для обчислення ймовірності погашення боргу клієнтом, вони вдосконалять свої моделі роботи, мінімізують проблемні кредити та максимізують правильність. Управління ризиками можна покращити за допомогою штучного інтелекту різними способами. Проте це не запобіжить неналежному впровадженню, що може спричинити репутаційні та операційні ризики, а також негативну ризикову позицію банку. Зробіть все правильно. Знайдіть постачальника технологій, який розуміється на банківській справі.

Новий закон про штучний інтелект в Європі створив всеосяжний контроль над продуктами та послугами штучного інтелекту в умовах, що базуються на ризиках та випадках використання. Закон включає основні обов'язки щодо моделей загального призначення систем штучного інтелекту. Інші країни, такі як Канада, Бразилія, Чилі та Філіппіни, не відстають у таких ініціативах. У Сполучених Штатах Національний інститут стандартів і технологій (NIST) створив Консорціум з безпеки штучного інтелекту. Він прагне співпрацювати з промисловістю для розробки нових стандартів, таких як галузеві рекомендації, що базуються на управлінні ризиками. Окрім регуляторної діяльності уряду, все більше визнається обов'язок промисловості захищати суспільство шляхом започаткування або посилення управління штучним інтелектом.

Нова програма регулювання штучного інтелекту базується на ризиках, які можуть бути спричинені ризиковими користувачами, та на діях, які слід контролювати. ЄС враховує чотири типи ризиків:

Терміни «мінімальний» та «обмежений ризик» означають, що ШІ використовується у простих внутрішніх функціях, таких як автоматизація рутинних процесів. Вони не передбачають спілкування з реальними користувачами та клієнтами (наприклад, боти або боти, пов'язані з базою знань). Мінімальний ризик не вимагає значного регулювання, і більшість правил, які будуть застосовуватися, стосуються інформування клієнтів про те, що вони мають справу з ботами. До ризиків, які вважаються високими та неприйнятними, належать системи штучного інтелекту, які інформують осіб, що приймають рішення. Це включає оцінку запитів, питання, що стосуються даних клієнтів, та роботу з клієнтами в цілому. Ці системи штучного інтелекту будуть суворо контролюватися, і при їх використанні доведеться враховувати багато нормативних вимог. Використання систем штучного інтелекту та операцій, які добровільно або мимоволі втручаються в дії користувачів, змінюючи їх вільну волю або поведінку, буде заборонено. Таким чином, це вплине на літніх людей та неповнолітніх, функціонування суспільства, таке як соціальне оцінювання та біометричний скринінг, а також аналіз даних з передбачуваною участю клієнтів, включаючи їх походження, діяльність тощо. Плани, які будуть реалізовані в 2024 році і впроваджені до 2026 року, будуть в основному застосовуватися до систем з високим рівнем ризику.

Фінансові послуги

Доступ буде базуватися на регулюванні штучного інтелекту у сфері фінансових послуг. Фінансові послуги У сфері фінансів системи штучного інтелекту аналізують дані клієнтів, щоб оцінити їхню кредитоспроможність та виявити шахрайство.

З точки зору аналітики, ми перебуваємо в періоді експоненціального розвитку в цю вражаючу технологічну еру. Таким чином, все, що було побудовано лише 2 роки тому, вже застаріло. І питання полягає в тому, як компанія може використовувати стару технологію в керований, нетоксичний спосіб, враховуючи наслідки найменшої помилки? Візьмемо, наприклад, ChatGPT. Ніхто не знає джерела інформації в додатку (або його упередженості/авторських прав/цілісності). Тим не менш, все більше співробітників отримують стимули для використання додатку для створення корпоративних блогів, статей, офіційних документів і навіть рядків коду. Не дивно, що фінансові установи розглядають можливість створення ізольованих AI-сервісів (продовження поточної дискусії в компанії: «Переходимо на хмару чи залишаємося на місці?»). Це стає серйозною проблемою, оскільки для ефективної роботи штучного інтелекту та просунутої аналітики ви повинні бути впевнені, що цілісність ваших даних відповідає необхідним стандартам. З огляду на це, логічно працювати внутрішньо, в офлайн-режимі. Компанія може навчати вашу корпоративну велику мовну модель (LLM) або програмне забезпечення для перевірки граматики виключно на внутрішній документації (вона ніколи не покине межі головного комп'ютера). Насправді найбезпечнішим рішенням є протилежне до сучасного підходу в ІТ, який передбачає перенесення всього в хмару.

Як процесор і система обліку, основна банківська платформа Hogan стала рушійною силою деяких з найвпливовіших банків світу. Тепер ми вдосконалили виняткове гібридне хмарне рішення Hogan для мейнфреймів, взявши найкращі рішення IBM Z і надавши проекти для банків із застарілими ядрами, щоб «перейти на платформу». Hogan x може навіть допомогти вам створити абсолютно новий цифровий банк. Платформа базується на принципах BIAN (мережа архітектури банківської галузі) як компонентна та комбінована. Вона використовує Z Linux та інші контейнерні та хмарні рішення. Платформа також може пропонуватися в моделях на основі споживання, як послуга.

Знайдіть те, що вам найбільше підходить

Гібридна хмарна архітектура мейнфрейму дозволяє вам обрати найбільш підходящу стратегію для впровадження додатків. Нижче наведено приклад екосистеми в банківській сфері (між IBM Z і хмарою). Заявки поділяються на три окремі категорії:

• Залучення клієнтів через цифрові канали
• Операційна обробка (наприклад, управління замовленнями, маркетинг та продаж)
• Основні транзакції та дані (основні банківські операції та кредитні картки)

Ці програми повинні бути сумісними між собою, щоб вони могли обмінюватися інформацією в режимі реального часу та максимально підвищувати ефективність бізнесу. Інтеграція є життєво важливою для досягнення повної взаємодії. Гібридна хмарна модель на базі мейнфреймів з IBM zSystems допомагає клієнтам оптимізувати витрати, продуктивність і гнучкість на основі типу їхніх додатків і найбільш підходящої інфраструктури. Як приклад розглянемо цифрові канали. Високий рівень омніканальної взаємодії базується на інтеграції інформації про партнерів і клієнтів для створення оптимального клієнтського досвіду. Це, а також зміна змінних і робочих навантажень у хмарних рішеннях, робить гібридні рішення ідеальним варіантом для вас.

Екологічні, соціальні та управлінські аспекти (ESG)

Часто недооціненою перевагою гібридної хмарної архітектури мейнфреймів є екологічна стійкість. Гнучка робота в хмарі та енергоефективні мейнфрейми дадуть банкам можливість максимально збільшити площу своїх центрів обробки даних та використання енергії (центри обробки даних споживають приблизно 1% світової енергії), що допоможе зробити планету більш екологічною.

Однак гібридна хмарна архітектура мейнфреймів у банківській сфері — це не просто технічний вибір. Це стратегічна необхідність, оскільки вона забезпечує правильний баланс між захистом, надійністю та масштабованістю, з одного боку, і гнучкістю та інноваційністю, необхідними для цифрової роботи, з іншого. Завдяки поєднанню стійкості мейнфреймів, штучного інтелекту, машинного навчання та гнучкості хмарних обчислень банки зможуть залишатися конкурентоспроможними, дотримуватися вимог законодавства та орієнтуватися на клієнтів. Успіх залежить від максимального використання цього та такого, щоб банки не тільки подолали нинішні проблеми, але й були готові та оснащені для використання можливостей у майбутньому. У міру розвитку технологій стратегії гібридних хмарних рішень на базі штучного інтелекту та мейнфреймів відіграватимуть ключову роль у цифровій трансформації банківської сфери, поєднуючи традиції з інноваціями, стабільність з гнучкістю, а продуктивність з ефективністю. Не час вагатися.

Хтось із моїх колег щойно повернувся з великої конференції, на якій один із доповідачів згадав про цю проблему. Він сказав: «Ми дійсно не знаємо, куди рухається технологія, тому просто сидітимемо і чекатимемо, щоб побачити, куди вона вийде. Проблема в тому, що вони ніколи не побачать точки, з якої вона вийде, оскільки в умовах експоненціального зростання технологія ніколи не зупиниться, і в цей момент її неможливо раціоналізувати». Справа в тому, що банки повинні сісти на потяг передбачливості та відкритості, щоб впровадити ШІ якомога швидше, безпечніше та вигідніше з фінансової точки зору.

Про співпрацю необхідно повідомити

Ось чому допомога досвідчених постачальників є такою цінною. Це є прикладом у впровадженні оптичного розпізнавання символів (OCR). У випадку одного з наших клієнтів ми надали чотири інструменти для читання документів, зазначивши, що не має значення, який інструмент ви оберете. Через 2 роки він застаріє. Відділ закупівель також порадив нам розглянути й інші варіанти, що зробило пошук ідеального інструменту повномасштабним завданням. Однак вибір сучасних технологій не передбачає заглиблення в інструмент. Йдеться про вибір і використання інструменту належним чином, пошук правильного бізнес-кейсу та втрату і набуття технології. Технології еволюціонували до такого рівня, що стали одноразовими, з плановим старінням, і наступне оновлення з'являється лише через кілька років, перш ніж вони стають застарілими. Таким чином, замість того, щоб інвестувати 5+ у рішення z16, оновлюйте свою технологію штучного інтелекту кожні 2 роки. Тобто ви повинні почати планувати її заміну після підписання договору про закупівлю.

Бізнес-проблема: ШІ використовується не завжди в рамках платформи Z, де дані мають переміщатися через мережі. Це дорого і небезпечно, а також знижує вашу здатність оцінювати транзакції з точки зору ризику. Вплив на бізнес: Акселератор IBM Z AI на чіпі дозволяє Hogan і пов'язаним робочим навантаженням zLinux запускати функції штучного інтелекту в режимі реального часу на мейнфреймі, де зараз зберігаються дані. Це підвищує продуктивність штучного інтелекту, безпеку та знижує витрати. Крім того, такі процеси, як автоматизоване прийняття рішень щодо кредитів та модифікація позик, можуть виконуватися безпосередньо на платформі Z, а висновки AI та бізнес-рішення можуть бути швидшими та простішими для сприйняття. Celent прогнозує, що при 100-відсотковому скринінгу всіх транзакцій окремі банки заощадять близько 100 мільйонів доларів.

Деякі з можливих застосувань ШІ включають кредитний рейтинг, боротьбу з шахрайством та відмиванням грошей. Однак платформи мейнфреймів обробляють більшість банківських та платіжних транзакцій, але виявлення ШІ може відбуватися поза платформою (менше 10% транзакцій обробляються за допомогою моделі ШІ в режимі реального часу через проблеми із затримкою, вартістю та конфліктами з клієнтами). Саме тому існує так багато шахрайських транзакцій, які залишаються невиявленими та не виявляються. Umbrella.ai може заощадити вам мільйони на виявленні шахрайства за допомогою інференції на мейнфреймі. У цьому Umbrella є головним елементом. Архітектура додатка Umbrella — це перевірена технічна платформа, яка буде інтегрована в середовище z/OS, щоб стати швидким інтегрованим середовищем розробки (IDE) протягом 35 років. Umbrella має понад 40 фінансових установ рівня 1 у різних частинах світу і використовується для виконання приблизно 100 додатків кожним банком. Це тисячі додатків у розробці мейнфреймів.

Umbrella.ai запобігає шахрайству

Спільно з IBM тривалість оцінки або аналізу транзакції мінімізується. Це надасть клієнтам можливість проводити віртуальні перевірки 100% своїх транзакцій та зменшити витрати часу та грошей. Цілі Umbrella.ai включають:

• 100-відсоткове охоплення вхідних транзакцій та поточних угод про рівень обслуговування (SLA)
• Використання існуючих моделей шахрайства або впровадження нових моделей
• Зменшення затримки в оцінюванні за допомогою вбудованої функції запобігання шахрайству в z/OS та системи авторизації карток
• Використовуйте службу оцінювання MLz COBOL, щоб значно спростити виклик оцінювання та зменшити накладні витрати на виклик служби оцінювання

Значне підвищення ефективності виявлення шахрайства є однією з сильних сторін ML. Старі системи, засновані на правилах, не є достатньо гнучкими, щоб реагувати на нові тенденції шахрайства. Водночас алгоритми ML можуть постійно оновлюватися за допомогою транзакційних даних і виявляти випадки шахрайства швидше та точніше.

Umbrella.ai та ML прискорюють виявлення та запобігання шахрайству

Штучний інтелект/машинне навчання на IBM Z підвищує точність прогнозування шахрайства, дозволяє отримувати практичні висновки у величезних масштабах, а також забезпечує виявлення шахрайських транзакцій у режимі реального часу. Вища точність моделей глибокого навчання дозволяє їм значно зменшити високий рівень помилкових спрацьовувань. Це означає, що банки мають можливість фільтрувати транзакції в процесі виявлення шахрайства, зберігаючи при цьому якість обслуговування клієнтів і не втрачаючи гроші.

Партнерство Umbrella з AI та IBM z16 забезпечує вражаючі бізнес-аналітичні дані (не потрібно мати навички в галузі науки про дані). Приблизно 70 відсотків фінансових операцій виконуються на IBM zSystems, і це також є чудовою новиною з точки зору ESG, оскільки кількість енергії, що використовується для роботи на мейнфреймі, на 40 відсотків нижча, ніж при використанні серверної ферми.

Основні можливості включають:

• Підсильте будь-яку програму IBM z/OS за допомогою Al-enhanced SQL та Umbrella.ai
• Відкривайте та комерціалізуйте приховану інформацію у ваших даних
• Визначте подібності, відмінності та кореляції
• Отримайте інтерпретованість за допомогою вікна
• Використовуйте одну модель для набору питань
• Зменшіть складність розгортання Al
• Моделі глибокого навчання можуть бути використані для поліпшення помилкових негативних результатів

IBM z16 підтримує найпопулярніші алгоритми машинного навчання, надаючи клієнтам «плащ» штучного інтелекту, який допомагає їм вдосконалити процеси та отримати більшу бізнес-цінність від існуючих інвестицій.

Чи можете ви дозволити собі злякатися і спостерігати, як ваші конкуренти завойовують перевагу і стабільну перевагу? Дізнайтеся, як можна повною мірою використовувати штучний інтелект і машинне навчання для досягнення найвищої рентабельності інвестицій. Крім того, дізнайтеся, як гібридна хмарна платформа на базі Hogan може допомогти вам краще виявляти шахрайство та готуватися до майбутніх загроз і можливостей.