Как банки могут извлечь значительную выгоду от использования генеративного ИИ?
Продолжаем делиться с вами полезными находками. Подготовили перевод статьи о влиянии генеративного ИИ на банковскую сферу.
Подписывайтесь, чтобы быть в курсе новостей мира маркетинга и ИИ.
💡 Генеративный ИИ — это ИИ, который обычно строится на основе базовых моделей и обладает возможностями, которых не было у более ранних ИИ. Фундаментальные модели могут использоваться и для негенеративных целей (например, для классификации настроений пользователей как негативных или позитивных на основе стенограмм звонков), при этом они значительно превосходят более ранние модели. Для простоты в данной статье под генеративным ИИ мы понимаем все случаи использования базовых моделей.
Генеративный ИИ может оказать значительное влияние на банковскую отрасль, создав за счёт повышения производительности от 2,8 до 4,7% годовой выручки отрасли, или дополнительно 200–340 млрд долл.
Кроме того, использование инструментов генеративного ИИ может:
- повысить удовлетворённость клиентов;
- улучшить процесс принятия решений и опыт сотрудников;
- снизить риски за счёт более эффективного мониторинга мошенничества и рисков.
Банковское дело, которое является отраслью, основанной на знаниях и технологиях, уже получило значительную выгоду от ранее существовавших применений искусственного интеллекта в таких областях, как маркетинг и работа с клиентами¹.
Применение генеративного ИИ может принести дополнительные выгоды, особенно с учётом того, что в таких областях, как нормативные документы и язык программирования, преобладают текстовые формы, а сама отрасль ориентирована на клиентов, среди которых много представителей B2C и малого бизнеса².
Почему выгодно интегрировать приложения генеративного ИИ в отрасль?
- Устойчивые усилия по цифровизации наряду с унаследованными ИТ-системами. Банки десятилетиями инвестировали в технологии, накопив значительный технический долг, а также разрозненную и сложную ИТ-архитектуру³**.**
- Большой штат сотрудников, работающих с клиентами. Банковская деятельность опирается на большое количество представителей сервисных служб, таких как агенты call-центров и финансовые консультанты по управлению благосостоянием.
- Жёсткая нормативная база. Банковское дело является отраслью с жёстким регулированием, имеет значительное число потребностей в области рисков, соответствия и права.
- Промышленность для «белых воротничков». Влияние генеративного ИИ может распространяться на всю орга��изацию, помогая всем сотрудникам писать электронные письма, создавать бизнес-презентации и решать другие задачи.
В движении
Банки начали осваивать потенциал генеративного ИИ на своих передовых линиях и в программном обеспечении. Первые последователи используют такие решения, как ChatGPT, а также отраслевые решения, в основном для программного обеспечения и приложений, связанных со знаниями.
Три варианта использования демонстрируют потенциал его ценности для отрасли
- Виртуальный эксперт для повышения эффективности работы сотрудников
Генеративный ИИ-бот, обученный на основе собственных знаний, таких как политика, исследования и взаимодействие с клиентами, может обеспечить постоянную и глубокую техническую поддержку. Сегодня расходы на фронтлайн в основном связаны с проверкой предложений и взаимодействием с клиентами, но предоставление фронтлайн-работникам доступа к данным также может улучшить качество обслуживания клиентов.
Опыт клиентов. Технология также может осуществлять мониторинг отраслей и клиентов и отправлять оповещения по семантическим запросам из открытых источников. Например, компания Morgan Stanley создаёт ИИ-помощника на базе GPT-4, который должен помочь десяткам тысяч менеджеров по работе с состоятельными клиентами быстро находить и обобщать ответы из обширной внутренней базы знаний⁴. Модель сочетает поиск и создание контента, что позволяет менеджерам по работе с состоятельными клиентами в любой момент времени находить и адаптировать информацию для любого клиента.
Один из европейских банков использовал генеративный ИИ для создания виртуального эксперта по экологическим, социальным и управленческим вопросам (ESG) путём синтеза и извлечения информации из длинных документов с неструктурированной информацией. Модель отвечает на сложные вопросы на основе подсказок, определяя источник каждого ответа и извлекая информацию из картинок и таблиц.
Генеративный ИИ может снизить значительные затраты, связанные с бэк-офисными операциями. Такие чат-боты, работающие с клиентами, могут оценивать запросы пользователей и выбирать лучшего специалиста по обслуживанию, исходя из таких характеристик, как тема, уровень сложности и тип клиента. С помощью генеративных ИИ-помощников специалисты по обслуживанию могут быстро получить доступ ко всей необходимой информации, например, к руководствам по продуктам и политикам, чтобы мгновенно реагировать на запросы клиентов.
- Ускорение кода для сокращения технического долга и ускорения разработки ПО
Генеративные инструменты ИИ полезны для разработки ПО в четырёх широких категориях.
- Во-первых, они могут составлять код на основе контекста через входной код или естественный язык, помогая разработчикам быстрее и с меньшим трением создавать код и обеспечивая автоматический перевод, а также инструменты для работы без кода и с низким кодом.
- Во-вторых, такие инструменты могут автоматически генерировать, определять приоритеты, выполнять и проверять различные тесты кода, ускоряя тестирование и повышая его охват и эффективность.
- В-третьих, возможности генеративного ИИ по переводу на естественный язык позволяют оптимизировать интеграцию и перенос устаревших фреймворков.
- Наконец, эти инструменты позволяют анализировать код для выявления дефектов и неэфф��ктивных вычислений. В результате мы получаем более надёжный и эффективный код.
- Производство индивидуального контента в масштабах
Генеративные инструменты ИИ могут использовать существующие документы и наборы данных для существенной оптимизации процесса создания контента. Эти инструменты могут создавать персонализированный контент для маркетинга и продаж с учётом конкретных профилей и истории клиентов, а также множество альтернативных вариантов для A/B-тестирования. Кроме того, генеративный ИИ может автоматически создавать типовую документацию, выявлять недостающую документацию и сканировать соответствующие обновления нормативных документов для создания предупреждений о соответствующих изменениях.
Факторы, которые необходимо учитывать банкам
Изучая возможности интеграции генеративного ИИ в операционную деятельность, банки могут учитывать ряд факторов:
- Уровень регулирования различных процессов. Они варьируются от нерегулируемых процессов, таких как обслуживание клиентов, до жёстко регулируемых процессов, таких как скоринг кредитных рисков.
- Тип конечного пользователя. Конечные пользователи сильно различаются по своим ожиданиям и знакомству с генеративным ИИ, например, сотрудники и состоятельные клиенты.
- Предполагаемый уровень автоматизации работы. Агенты ИИ, интегрированные через API, могут работать практически автономно или в качестве второго пилота, подсказывая агентам в реальном времени во время взаимодействия с клиентами.
- Ограниченность данных. Хотя публичные данные, такие как годовые отчёты, могут быть широко доступны, необходимо ограничить идентификацию клиентов и другие внутренние данные.
Генеративный ИИ-бот, обученный на собственных знаниях, таких как политика, исследования и взаимодействие с клиентами, может обеспечить постоянную и глубокую техническую поддержку.
¹ «Создание банка будущего с искусственным интеллектом», McKinsey, май 2021 г.
² Ежегодный обзор McKinsey «Глобальное банковское дело», 1 декабря 2022 г.
³ Акхил Баббар, Рагхаван Джанардханан, Реми Патерностер и Хеннинг Соллер, «Почему большинство цифровых банковских преобразований терпят неудачу — и как переломить ситуацию», McKinsey, 11 апреля 2023 г.
⁴ Хью Сон, «Morgan Stanley тестирует чат-бота на базе OpenAI для своих 16 000 финансовых консультантов», CNBC, 14 марта 2023 года.
Хотите узнать больше об оптимизации рекламы на основе ИИ и данных CRM? Подписывайтесь на наш Телеграм-канал: https://t.me/gshevchenko_humanswith_ai.