Сможет ли генеративный искусственный интеллект фундаментально изменить банковское дело? – Финтех Сингапур

Происходит технологическая революция, которая фундаментально трансформирует банковскую отрасль. Генеративный искусственный интеллект, который появился на сцене в начале 2023 года, использует передовые модели естественного языка для автоматизации широкого спектра когнитивных задач. По мере того, как эта универсальная инновация распространяется по отраслям, лидеры банковской сферы быстро стремятся использовать ее потенциал.

 Две трети старших руководителей в сфере цифровых технологий и аналитики, опрошенных в ходе опроса недавний форум McKinsey Представители компании, занимающейся генеративным искусственным интеллектом, заявили, что ожидают, что эта технология глубоко изменит их бизнес. 

Насущная проблема, с которой они сейчас сталкиваются, заключается не в том, как и где именно внедрить генеративный искусственный интеллект, чтобы максимизировать создание ценности для своих учреждений.

Экономическое влияние генеративного искусственного интеллекта в банковском деле

По оценкам Глобального института McKinsey, в различных отраслях по всему миру генеративный искусственный интеллект может приносить годовой доход, варьирующийся от От 2.6 до 4.4 трлн долларов США. В частности, банковское дело выиграет значительно: его годовой потенциал оценивается в 200–340 миллиардов долларов США, что эквивалентно 9–15 процентам операционной прибыли.

Примечательно, что, несмотря на то, что в настоящее время основное внимание уделяется огромным преимуществам производительности, которые генерирующий ИИ обеспечивает за счет автоматизации задач, его влияние обещает быть гораздо более многогранным. 

Эта технология таит в себе потенциал фундаментальной трансформации операционных моделей, клиентских интерфейсов и делового партнерства, что в целом приведет к появлению новых банковских бизнес-моделей.

Старшие руководители банка столкнуться со сложными соображениями при разработке своей генеративной стратегии искусственного интеллекта. Насколько сильно генеративный ИИ изменит свою цепочку создания стоимости? Какие новые возможности могут открыться и потребуют корректировки стратегического направления? Какие партнерства или возможности необходимо будет развивать заранее? 

В то время как смартфонам потребовались годы, чтобы твердо ввести банковские операции в эпоху мобильных устройств, внедрение генеративного искусственного интеллекта по сравнению с этим прогрессирует с невероятной скоростью. 

Возьмем, к примеру, Goldman Sachs – его разработчики уже реализует инструмент искусственного интеллекта для систематизации трудоемких процедур тестирования, которые ранее выполнялись вручную. Между тем, Citigroup использует генеративный искусственный интеллект для моделирования воздействия ожидаемых правил капитала США. 

Для институтов, которые слишком медлительны, чтобы отреагировать на изменения, такие резкие изменения могут серьезно ударить по хрупким операционным структурам, не привыкшим к технологическим изменениям.

Проблемы масштабирования генеративного ИИ

Масштабирование генеративный искусственный интеллект в банковской сфере представляет собой уникальную задачу, отличающую ее от внедрения традиционных технологий. Эти проблемы возникают из-за нескольких ключевых факторов. Во-первых, масштабы и последствия генеративного ИИ открывают возможности и приложения расширенной аналитики. 

Это требует от управленческих команд ориентироваться в незнакомой терминологии и потенциальных путях, а также требует стратегического позиционирования, чтобы воспользоваться различными возможностями, которые может создать генеративный ИИ. Еще одной проблемой является сложность координации. 

Интеграция генеративного искусственного интеллекта усложняет динамику взаимодействия бизнеса и технологий в финансовых учреждениях. Аналитика и данные приобрели известность, что требует более глубокого сотрудничества между бизнес-командами и аналитическими командами, часто с разными приоритетами. Кроме того, важным фактором является быстрый темп изменений. 

В отличие от постепенного перехода к цифровой банкинггенеративный искусственный интеллект ускоряется, что вынуждает банки быстро адаптироваться, чтобы избежать нагрузки на существующие операционные модели. Наконец, следует отметить проблемы с талантами. Банки, не обладающие собственным опытом в области искусственного интеллекта, сталкиваются с трудной задачей расширения своих возможностей посредством обучения и подбора персонала.

Успешное масштабирование генеративного искусственного интеллекта

Успешно масштабирование генеративного ИИ в банковском секторе требует стратегического подхода, сосредоточенного на семи важнейших аспектах. Все начинается со стратегической дорожной карты, в которой банки начинают свой путь со стратегической перспективы. 

Понимание того, где генеративный ИИ может существенно повлиять на бизнес, имеет решающее значение. Крайне важно обеспечить согласованность со стороны высшего руководства, определить приоритетные области, поставить четкие цели, оценить необходимые возможности и разработать комплексный план расширения.

Талант формирует еще один важный аспект. Инвестирование в обучение руководителей для углубления понимания генеративного ИИ среди руководящих команд имеет жизненно важное значение. Важно подчеркнуть связь этой технологии с операциями банка, решить проблемы сотрудников, связанные с автоматизацией, и взять на себя обязательство постоянно повышать квалификацию.

Что касается операционных моделей, жизненно важно поощрять межфункциональное сотрудничество. Такой подход облегчает беспрепятственное внедрение генеративного искусственного интеллекта, позволяя продуктовым группам работать в тесном сотрудничестве с бизнес-подразделениями и модифицировать процессы в соответствии с требованиями скорости, масштаба и адаптивности.

При рассмотрении технологий в центре внимания становится стратегическое решение о том, создавать ли, покупать или устанавливать партнерские отношения для генеративных решений искусственного интеллекта.

Вдумчивое рассмотрение архитектурных компонентов необходимо для обеспечения плавной интеграции с существующими системами и рабочими процессами. Значение данных, особенно неструктурированных данных, в генеративных приложениях ИИ нельзя недооценивать. 

Необходимо развивать возможности для эффективного использования его потенциала, уделяя особое внимание качеству данных и учитывая последствия для безопасности. Риск и контроль также играют решающую роль.

Устранение новых рисков, связанных с генеративным искусственным интеллектом, включая проблемы, связанные с интерпретируемостью моделей и объективным принятием решений, требует комплексного пересмотра систем управления рисками и моделями. 

Наконец, сосредоточение внимания на адаптации пользователей и управлении изменениями имеет решающее значение для успешного масштабирования генеративного ИИ в банках. Это включает в себя создание удобных для пользователя решений искусственного интеллекта, надежную стратегию управления изменениями, которая вовлекает всех, обеспечивает обучение, подает отличный пример лидерства и предлагает четкие стимулы.

Масштаб возможностей

Потенциал генеративного искусственного интеллекта для преобразования банковских операций просто огромен. От оптимизации подключения клиентов к обнаружению финансовые преступления Что касается рекомендаций по адаптации, практические применения уже насчитывают десятки, и многие другие еще предстоит открыть. 

Тем не менее, успешное использование этого обещания в масштабе остается сложной задачей, имеющей множество организационных аспектов. Банки, способные умело активировать основные инструменты, от стратегического видения до ориентированного на пользователя дизайна, способны закрепить значительное преимущество первопроходца. 

Тем, кто медленнее осваивает возможности поколений генеративного ИИ, игровое поле будущего может заставить их изо всех сил пытаться наверстать упущенное.

• SEO-контент и PR-распределение. Получите усиление сегодня.
• PlatoData.Network Вертикальный генеративный ИИ. Расширьте возможности себя. Доступ здесь.
• ПлатонАйСтрим. Интеллект Web3. Расширение знаний. Доступ здесь.
• ПлатонЭСГ. Углерод, чистые технологии, Энергия, Окружающая среда, Солнечная, Управление отходами. Доступ здесь.
• ПлатонЗдоровье. Биотехнологии и клинические исследования. Доступ здесь.
• Источник: https://fintechnews.sg/81936/ai/will-generative-ai-fundamentally-reshape-banking/