چگونه GenAI خدمات مالی را از طریق "شخصی سازی بیش از حد" تغییر می دهد

مایکل هانی، رئیس استراتژی محصول در فناوری های مالی گالیلهگفت: یادگیری ماشین همراه با ظهور هوش مصنوعی مولد، عصر جدیدی از بهره‌وری پشتیبان را آغاز می‌کند و در نهایت نحوه استفاده سازمان‌های خدمات مالی از داده‌ها را برای ارائه تجربیات فوق‌شخصی‌شده تغییر می‌دهد.

مکالمه بین هانی و PYMNTS بخشی از مجموعه «چه چیزی در پرداخت‌ها است: پرداخت‌ها و GenAI» است.

او گفت که ما هنوز در دوره ای هستیم که سازمان های خدمات مالی در حال استفاده از یادگیری ماشینی (زیرمجموعه ای از هوش مصنوعی) هستند. اما به‌طور فزاینده‌ای، سازمان‌ها به سمت هوش مصنوعی و یادگیری ماشینی مولد روی می‌آورند تا عملیات‌های پشتیبان خود را برای افزایش بهره‌وری، کارایی و کیفیت «فوق‌العاده شارژ» کنند.

هانی توضیح داد در حالی که یادگیری ماشینی گاهی اوقات نیاز به مداخله دستی دارد زیرا کاربران خود مدل‌ها را تغییر می‌دهند و بررسی می‌کنند که کدام یک بهترین عملکرد را دارند، مدل‌ها توانایی یادگیری و تطبیق سریع‌تر را با تغییر شرایط به دست می‌آورند.

در این حوزه از یادگیری ماشین تکنیک هایی به نام شبکه های عصبی وجود دارد. هانی گفت: شبکه‌های عصبی تلاشی برای تقلید از نحوه عملکرد مغز انسان هستند و اغلب دارای چندین لایه هستند. هرچه لایه های بیشتری استفاده شود، ظرفیت، کارایی، عملکرد و دقت بیشتری را می توان بهبود بخشید.

پیشرفت‌ها در هوش مصنوعی مولد، پتانسیل یادگیری ماشینی را فراتر از «موتورهای قوانین سفت و سخت و انعطاف‌ناپذیر» در گذشته که به انواع خاصی از محتوا محدود می‌شد، توسعه داده است. به گفته هانی، روش‌های مدرن به ترانسفورماتورها یا مدل‌های یادگیری عمیق متکی هستند که می‌توانند کلمه بعدی در یک جمله یا تصویر، ویدیو یا موسیقی را پیش‌بینی کنند.

او گفت: «این واکنشی شبیه انسان در سطوحی ایجاد می‌کند که قبلاً ندیده‌ایم».

تجسم داده ها

هانی با تمرکز بر پرداخت‌ها، گفت که هوش مصنوعی می‌تواند خدمات مالی را در چندین گردش کار و تعامل تغییر دهد، از جمله خدمات مشتری - افزایش و بهبود بهره‌وری عملیات. او گفت، از آنجایی که موسسات مالی و پردازشگرهای پرداخت به دنبال استفاده از این داده ها به روش های منحصر به فرد هستند، شرکت مصرف کننده در اشتراک گذاری داده بسیار مهم خواهد بود.

هانی گفت: «تیم‌های عملیاتی عاشق داده‌ها، گزارش‌ها، داشبوردها و چیزهایی از این قبیل هستند. "آنها شروع به دریافت توانایی تجسم داده ها از طریق جستجوهای زبان طبیعی کرده اند."

این پرسش‌های زبان طبیعی می‌توانند بینش‌های ارزشمندی را ارائه دهند، مانند اطلاعاتی درباره نحوه تغییر حجم پرداخت‌ها هر روز. سایر فناوری‌های مولد مبتنی بر هوش مصنوعی، مانند دستیارهای مجازی، هم برای مشتریان و هم برای کارکنان بانک ارزش ایجاد می‌کنند. به عنوان مثال، کارکنان به‌جای مطالعه کتاب‌های راهنمای صدها صفحه، می‌توانند به سادگی سؤالی را در برنامه‌های مبتنی بر هوش مصنوعی خود تایپ کنند تا بهترین راه را برای بهبود زمان پاسخگویی و در غیر این صورت به مشتریان ارائه دهند. دفاع از تقلب یکی دیگر از موارد استفاده است که از طریق تجزیه و تحلیل خودکار تقویت شده است.

او گفت که هوش مصنوعی مولد همچنین می تواند تصمیم گیری وام و سایر تعاملات را بهبود بخشد و از مدیریت چرخه عمر وام از برنامه ها تا مجموعه های اعتباری پشتیبانی کند. در محیط‌های تجاری‌تر، هوش مصنوعی در حال حاضر به مدیران خزانه‌داری در بانک‌های مختلف کمک می‌کند تا جریان نقدی و تغییرات نرخ بهره را بررسی کرده و ریسک نقدینگی را هدایت کنند.

هانی گفت که شخصی سازی بیش از حد یک محصول جانبی طبیعی هوش مصنوعی خواهد بود، اگرچه او هشدار داد که مدل ها باید برای محافظت در برابر سوگیری بررسی شوند. او افزود که مصرف‌کنندگان به‌طور سنتی مجبور بوده‌اند به صورت دستی از میان گزینه‌های پرداخت فراوانی عبور کنند، از ACH گرفته تا سیم‌ها و اخیراً گزینه‌های بلادرنگ. داشتن یک "موتور" برای کمک به هدایت سریع آنها از طریق گزینه ها می تواند ارزشمند باشد.

او گفت: «مصرف‌کنندگان اغلب با روش‌های مختلف جابه‌جایی پول کاملاً غرق می‌شوند. "آنها به این موتورها نیاز دارند تا آنها را از طریق معاوضه سرعت، قیمت و ریسک راهنمایی کنند و بهترین نوع ریل پرداخت را که باید بر اساس معامله ای که در تلاش هستند در نظر بگیرند، توصیه کنند."

به طور مشابه، پتانسیل استفاده از داده های ساختاریافته و بدون ساختار و زمینه بلادرنگ برای ایجاد و انتشار بهترین پیشنهادات بعدی در محل فروش نیز وجود دارد. موارد استفاده جدید نیز در بسیاری از جنبه های خدمات مالی، از جمله عملیات خدمات مشتری، عملیات بازاریابی و توسعه محصول، در حال تحول هستند.

روشی که فناوری در حال تکامل است، فرصت های جدیدی را می گشاید.

هانی گفت: «یکی از چیزهایی که ما شروع به دیدن آن خواهیم کرد، مدل‌های زبان بزرگ جدید، عمودی و تخصصی است.

او پیش‌بینی کرد: «امسال چیزهای جدید و جالب زیادی فراتر از خود مدل‌ها اتفاق می‌افتد».

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

منبع: https://www.pymnts.com

• محتوای مبتنی بر SEO و توزیع روابط عمومی. امروز تقویت شوید.
• PlatoData.Network Vertical Generative Ai. به خودت قدرت بده دسترسی به اینجا.
• PlatoAiStream. هوش وب 3 دانش تقویت شده دسترسی به اینجا.
• PlatoESG. کربن ، CleanTech، انرژی، محیط، خورشیدی، مدیریت پسماند دسترسی به اینجا.
• PlatoHealth. هوش بیوتکنولوژی و آزمایشات بالینی. دسترسی به اینجا.
• منبع: https://www.fintechnews.org/how-genai-is-transforming-financial-services-through-hyper-personalization/