Lukujen takana: Kuinka tekoälystä tuli rahoituksen tuottoisin “työntekijä”

Mediassa rahoitus ja erityisesti pankkitoiminta usein kuvataan ihmishahmoina, jotka tekevät liiketoimintapäätöksiä pilvenpiirtäjien ylimmän kerroksen toimistoissa tai lahjakkaina kauppiaina, jotka voivat ymmärtää markkinatilannetta vähäisestä datasta. Koska se on yksi rahoituksen voimakkaimmista kuvista, useat keskustelut uusista teknisistä ominaisuuksista tällä alalla keskittyvät siihen, miten ne muuttavat tätä etupöytätyötä.

Tekoäly ei ole poikkeus tässä, ja suuri osa tekoälyn omaksumiseen liittyvistä keskusteluista rahoituksessa keskittyy siihen, korvaavatko agentit kauppiaita tai voivatko he jakaa pääomaa tehokkaammin kuin neuvonantajat. Tekoälyn tehokkain soveltaminen osoittautui kuitenkin olevan kaukana glamourisesta kuvasta, jota monet kuvittelevat. Itseasiassa tekoäly tuottaa enemmän rahaa siitä, mitä voidaan kutsua rahoituksen “tylsäksi” puoleksi, eli päivittäin toiminnan.

Mistä tekoäly luo arvoa

Tekoälyn pääasiallinen etu on se, että se voi suorittaa tehtäviä paljon halvemmalla ja useita kertoja nopeammin kuin ihmiset. Ja tekemällä niin, se luonnollisesti tuottaa voittoa toiminnan tehokkuuden kautta.

Esimerkiksi tekoälytyökalujen avulla Citigroup vähensi asiakirjan tarkasteluaikaa ennen tilitoimintaa yli tunnista ainoastaan 15 minuuttiin. Luonnollisesti nopeampi päätöksenteko ilahduttaa asiakkaita ja saattaa jopa tehdä heistä uskollisempia. Mutta samaan aikaan ne 45 minuuttia kääntyvät satoihin tuhansiin dollareihin säästöihin pankille, koska nämä työkalut vapauttavat tunteja ja tunteja ihmistyötä tärkeämmille tehtäville.

Tekoäly auttaa optimoimaan laajan rahoitusbyrokratian ja sisäisten kehysten kerrosta, joihin yritykset luottavat. Siksi arvokkaimmat soveltamistapaukset usein osoittautuvat olevan kaukana spektakulaarisimmista. Automaattiset kauppiaat tai chatbot, joka ehdottaa parhaita tarjouksia asiakkaalle, saattavat kuulostaa vaikuttavilta, mutta automaattiset KYC-menettelyt ja due diligence -tarkastukset ovat todennäköisesti tuottavampia taloudellista arvoa pankille tai rahoitusyhtiölle.

Tämä sanottu, mitään ei estä näitä parannuksia hyödyttämästä asiakkaita. Käyttäjät saattavat arvostaa henkilökohtaista tekoälyavustajaa sovelluksessa, mutta he arvostaisivat sitä vielä enemmän, jos lainapäätökset voitaisiin lyhentää päivistä minuutteihin tai jos heidän transaktiotaan ei väärin merkittäisiin petokseksi, koska tällaiset todennäköisyydet olisivat laskeneet kymmenillä prosenttiyksiköillä.

Miten tekoälystä tuli tuottoisin “työntekijä”?

Yleensä, kun pankin asiakaskunta kasvaa, sen henkilöstö on kasvava melkein suhteessa. Aikaisemmin oli mahdotonta tarkastaa kasvavaa määrää transaktioita ja asiakirjoja saman kokuisella tiimillä. Erilaiset modernit teknologiset ratkaisut auttoivat jonkin verran, mutta liiketoiminnan kasvu johti aina henkilöstön kasvuun. Ja mitä enemmän työntekijöitä yrityksellä on, sitä enemmän johtajia tarvitaan ja sitä kalliimpaa on koko rakenteen valvominen.

Nyt, kun tekoäly on ilmaantunut, tämä ongelma alkaa hävitä, koska vähemmän työntekijöitä voidaan palvella tehokkaasti kasvavan asiakasmäärän kanssa tekoälytyökalujen avulla. Joitakin yrityksiä on jo käyttänyt tätä logiikkaa: Klarna on esimerkiksi väittänyt, että yksi tekoälyavustaja voi tehdä 700 ihmisen työn. Mikä tahansa tekoälytyökalujen soveltamisen kustannus saattaa olla, se ei todennäköisesti tule lähellekään useiden satojen työntekijöiden säännöllisiä palkkoja.

Kuitenkin, jotta se toimisi, yrityksen on integroitava tekoäly oikein prosesseihinsa, ei vain kokeiluihin. Rahoituksessa monet hankkeet ovat edelleen kokeiluvaiheessa, mikä ei voi tuottaa paljon arvoa. Kun yksi yritys pohtii, tulisiko ottaa käyttöön uusia välineitä tai miten skaalata tekoälyagentteja, sen kilpailijat eivät ole paikallaan, vaan rakentavat omaa tekoälykykyään.

Jääminen taka-alalle tällä kilpailulla johtaisi merkittäviin taloudellisiin tappioihin. Tarkalleen ottaen yritykset, jotka eivät siirrä toimintojaan tekoälyraiteille aikaisin, voivat menettää jopa 9 % voitoistaan. Jäljelle jääminen tällaisesta takapajuudesta myöhemmin ei olisi helppoa, ja se vaatii rahoitusyhtiöiden rakentaa vankkaa tekoälystrategiaa.

Miten hallita tekoälypäätöksiä

Tässä on suurin haaste, koska tekoälyagenttien upottaminen rahoitusoperaatioihin merkitsee välttämättä joitain päätöksenteon valtuuksien siirtämistä niille. Rahoituksessa, jossa tekoäly on tullut jonkinlaiseksi tyhjäksi “juniorityöntekijöiden” lähteeksi optimoimalla perusbackoffice-toimintoja, tämä asettaa merkittävän riskin. Asia on, että virheet tämänkaltaisessa työssä ovat usein kalleimpia.

Yleensä sääntelijät estävät rahoituslaitoksia tekemästä riskialttiita ja luomasta sääntöjä vähentämään mahdollista vahinkoa. Kuitenkin, kun on kyse tekoälystä, ala liikkuu paljon nopeammin kuin valvonta, koska vain neljännes viranomaisista kerää dataa tekoälyn käytöstä säännellyistä yksiköistä. Tämä ei ole selvästi tarpeeksi pysyäkseen mukana kasvavan määrän yrityksiä, jotka lisäävät agenteja operaatioihinsa.

Tuloksena rahoitusyhtiöiden on löydettävä keinoja säännellä tekoälyohjaimia itse. Tämä on ymmärrettävää, koska mikä tahansa virhe tässä voi johtaa monimiljoonien dollarien tappioihin. Esimerkiksi modernissa pankeissa agenteille annetaan rajoitetut valtuudet, samoin kuin oikeilla työntekijöillä. Jos tekoäly työskentelee asiakirjojen kanssa, se ei tarvitse oikeutta muuttaa asiakkaan riskiluokkaa. Agentille määritellään tiukka toimintarooli, eikä sitä sallita ylittää sitä.

Toinen mahdollinen ja välttämätön mekanismi on pitää yksityiskohtaisia tietoja kaikista tekoälytoimista, jotta jos virhe esiintyy, voidaan jäljittää jokainen askel, jonka agent on ottanut. Alueilla, kuten KYC ja petostentorjunta, asiakkaasta voi kysyä kuukausia myöhemmin, joten pankeilla on ehdottomasti oltava täydellinen tekoälyavustajan logiikka.

Tekoälyn käyttäytyminen voidaan myös testata hiekkalaatikossa. Esimerkiksi Englannin pankki on aloittanut simuloinnin tekoälykaupankäyntisessioita ymmärtääkseen, miten agentit vuorovaikuttavat toistensa ja oikean markkinan kanssa. Tällainen testaus auttaa tunnistamaan tarkalleen, missä kohdassa agentti tekee virheitä ja korjaamaan ongelman ennen kuin se tulee julki.

Lopulta on muistettava, että jokainen tekoälypäätös on vahvistettava ihmisvoimin, joka on vastuussa siitä. Tapauksessa tappiosta kukaan ei hyväksy vastausta “koska malli päätti niin”, ja johtaja on edelleen vahvistettava tekoälytoimia ja ottava vastuun niistä.

“Pankit vastaan fintech” – “Nopea vastaan hitaampi”

Tekoälyn sääntely muotoilee myös kilpailua rahoitusmarkkinoilla. Asiakkaat saattavat olla tyytyväisiä, kun heidän asiakirjansa käsitellään 30 minuuttia nopeammin, mutta he eivät varmasti ole tyytyväisiä, jos tekoälybot vahingoittaa heidän luottotietojaan tai aiheuttaa heille rahallisia tappioita. Välttääkseen nämä ongelmat he ovat todennäköisemmin luottavaisia yrityksiin, jotka selittävät tekoälystrategiansa avoimesti ja rehellisesti. Ja jotka, luonnollisesti, ovat vähemmän ongelmallisia sen hallinnassa.

Fintech-yrityksillä on selkeä etu tässä, koska ne eivät ole rasittuneita perinteen taakkaa. Modernit fintech-yritykset voivat rakentaa palvelunsa tekoälystä alusta alkaen ja automatisoida kaikki prosessit välittömästi. Rakentaa uutta voi olla paljon helpompaa kuin yrittää integroida tekoälyagentteja organisaatioihin, jotka edelleen luottavat faksi- ja vuosikymmenien vanhoihin COBOL-järjestelmiin. Ei ole ihme, että lähes puolet fintech-yrityksistä on jo saavuttanut edistyneen tekoälyn omaksumisen asteen, verrattuna vähemmän kuin kolmeen neljäsosaan perinteisistä rahoituslaitoksista.

Pankit eivät ole tuomittuja sukupuuttoon. Ne ovat selvinneet suuren laman, 1970-luvun, suuren taantuman ja enemmän. Ne tietävät, miten sopeutua muutoksiin. Perinteen ansiosta ne ovat kerryttäneet valtavat määrät asiakasdataa, pääomaa ja mainetta. Kuitenkin, jotta he voisivat hyödyntää näitä etuja merkittävästi, heidän on täytettävä integroida tekoäly koko prosessiinsa, koska yksinkertaisesti lisääminen sivutuotteeseen ei auttaisi paljon.