Achter de cijfers: hoe AI de meest winstgevende “werknemer” van de financiële sector werd

In de media worden banken en, in bredere zin, financiële instellingen vaak afgebeeld als mensen in nette pakken die vanaf de bovenste verdiepingen van wolkenkrabbers zakelijke beslissingen nemen, of als getalenteerde handelaren die de staat van de markt kunnen begrijpen met behulp van weinig gegevens. Aangezien dit een van de meest krachtige beelden van de financiële sector is, richten veel discussies over nieuwe technische functies in deze sector zich op hoe ze dit werk op de voorgrond zullen veranderen.

AI is geen uitzondering hierop, en een groot deel van de discussies over de adoptie van AI in de financiële sector draait om de vraag of agenten handelaren zullen vervangen of of ze kapitaal effectiever kunnen toewijzen dan adviseurs. Echter, de meest efficiënte toepassing van AI bleek ver weg te zijn van het glamoureuze beeld dat veel mensen zich voorstellen. In feite brengt kunstmatige intelligentie meer geld binnen van wat de “saaiere” kant van de financiële sector kan worden genoemd, de dagelijkse operaties.

Waar AI echt waarde creëert

Het belangrijkste voordeel van AI is dat het taken veel goedkoper en meerdere keren sneller kan uitvoeren dan mensen. En door dit te doen, genereert het letterlijk winst door een verbeterde operationele efficiëntie.

Met behulp van AI-hulpmiddelen heeft Citigroup bijvoorbeeld de tijd voor het controleren van documenten vóór het openen van een rekening verkort van meer dan een uur tot slechts 15 minuten. Natuurlijk zal sneller beslissen klanten tevreden stellen en hen mogelijk zelfs loyaler maken. Maar tegelijkertijd vertalen die 45 minuten zich in honderdduizenden dollars aan kostenbesparingen voor de bank, omdat deze hulpmiddelen uren en uren van menselijke arbeid vrijmaken voor belangrijker werk.

AI helpt bij het optimaliseren van de uitgebreide laag van financiële bureaucratie en interne kaders waarop bedrijven vertrouwen. Dat is waarom de meest waardevolle use cases vaak ver weg zijn van de meest spectaculaire. Autonome handelaren of een chatbot die de beste deals aan een klant suggereert, klinken indrukwekkend, maar geautomatiseerde KYC-procedures en due diligence-controles zullen waarschijnlijk veel meer economische waarde opleveren voor een bank of financiële instelling.

Dit gezegd hebbende, net als bij Citigroup’s documentcontroleproces, is er niets dat deze verbeteringen verhindert om ook de klanten te helpen. Gebruikers kunnen een persoonlijke AI-assistent in een app waarderen, maar ze zullen het nog meer waarderen als kredietbeslissingen kunnen worden verkort van dagen tot minuten, of als hun transacties niet ten onrechte als fraude worden gemarkeerd, aangezien de kans daarop door tientallen percentagepunten is verlaagd.

Hoe werd AI de meest winstgevende “werknemer”?

Meestal moet, wanneer de klantenbasis van een bank groeit, het personeel van de bank bijna evenredig groeien. Het was onmogelijk om een toenemend aantal transacties en klantendocumenten te controleren met hetzelfde team. Verschillende moderne technologische oplossingen hebben op een zekere manier geholpen, maar zakelijke groei leidde nog steeds onvermijdelijk tot een toename van het aantal medewerkers. En hoe meer medewerkers een bedrijf heeft, hoe meer managers het nodig heeft en hoe duurder het wordt om de hele structuur te beheren.

Nu AI is geëmergeerd, begint dit probleem te verdwijnen, omdat minder medewerkers nog steeds effectief een groeiend aantal klanten kunnen bedienen met de hulp van AI-hulpmiddelen. Sommige bedrijven gebruiken al deze logica: Klarna heeft bijvoorbeeld beweerd dat één AI-assistent het werk van 700 mensen kan doen. Wat de kosten van het toepassen van dergelijke hulpmiddelen ook mogen zijn, het is onwaarschijnlijk dat ze in de buurt komen van de reguliere salarissen van honderden medewerkers.

Echter, om het echt te laten werken, moet een bedrijf AI goed integreren in zijn workflows, voorbij alleen maar experimenten. In de financiële sector blijven veel projecten op het pilotstadium, wat duidelijk niet veel waarde kan genereren. Terwijl een bedrijf discussieert over het al dan niet adopteren van nieuwe instrumenten of over hoe AI-agenten te schalen, zullen zijn concurrenten niet stilzitten en in plaats daarvan hun eigen AI-mogelijkheden opbouwen.

Achterblijven in deze race zou leiden tot aanzienlijke financiële verliezen. Om precies te zijn, bedrijven die niet op tijd hun operaties op AI-rails zetten, zouden tot 9% van hun winst kunnen verliezen. Inhaalen van zo’n achterstand later zou niet gemakkelijk zijn en vereist dat financiële instellingen een solide AI-strategie opbouwen.

Hoe AI-beslissingen te reguleren

Hier komt de grootste uitdaging, omdat het integreren van AI-agenten in financiële operaties onvermijdelijk betekent dat een deel van de beslissingsbevoegdheid aan hen wordt overgedragen. In de financiële sector, waar AI een soort bodemloze bron van gratis “junior-medewerkers” is geworden door het optimaliseren van basisbackoffice-operaties, vormt dit een aanzienlijk risico. Het punt is dat fouten in dit soort werk vaak de duurste zijn.

Over het algemeen voorkomen toezichthouders dat financiële instellingen risicovol gedrag vertonen en maken ze regels om mogelijke schade te minimaliseren. Toch, wanneer het om AI gaat, beweegt de industrie zich veel sneller dan het toezicht, aangezien slechts een kwart van de autoriteiten gegevens over AI-gebruik van gereguleerde entiteiten verzamelt. Dit is duidelijk niet genoeg om bij te blijven met het groeiende aantal bedrijven dat agenten aan hun operaties toevoegt.

Als gevolg hiervan moeten financiële instellingen zelf manieren vinden om AI-gestuurde instrumenten te reguleren. Dit is begrijpelijk, aangezien elke fout hier miljoenen dollars aan verlies kan veroorzaken. Bijvoorbeeld, in moderne banken worden agenten beperkte machtigingen gegeven, net als echte medewerkers. Als AI werkt met klantendocumenten, heeft het duidelijk geen recht om de risicoklasse van een klant te wijzigen. De agent krijgt een strikte operationele rol en mag deze niet overschrijden.

Een andere mogelijke en zeker noodzakelijke mechanisme is het bijhouden van gedetailleerde records van alle AI-acties, zodat als een fout optreedt, elke stap die de agent heeft genomen kan worden getraceerd. In gebieden zoals KYC en fraudebestrijding kunnen vragen over een klant maanden later ontstaan, dus banken moeten absoluut een complete record van de logica van de AI-assistent bewaren.

AI-gedrag kan ook worden getest in een zandbak. De Bank of England is bijvoorbeeld begonnen met het simuleren van AI-handelsessies om te begrijpen hoe agenten zouden interacten met elkaar en met de echte markt. Dergelijke tests helpen om precies te identificeren waar een agent fouten maakt en het probleem te verhelpen voordat het openbaar wordt.

Uiteindelijk is het de moeite waard om te onthouden dat elke AI-beslissing moet worden bevestigd door een mens, die er nog steeds verantwoordelijk voor is. In het geval van verliezen, zal niemand de reactie “omdat het model zo besloot” accepteren, en een senior manager moet nog steeds de acties van de AI goedkeuren en verantwoordelijkheid ervoor dragen.

Van “Banken versus Fintech” naar “Snel versus Langzaam”

AI-regulering vormt ook de concurrentie in de financiële markt. Klanten kunnen tevreden zijn als hun document 30 minuten sneller wordt verwerkt, maar ze zullen zeker niet tevreden zijn als een AI-bot hun kredietgeschiedenis beschadigt of hen geld kost. Om dergelijke problemen te voorkomen, zullen ze eerder hun geld toevertrouwen aan bedrijven die hun AI-strategie transparant en eerlijk uitleggen. En die, natuurlijk, minder problemen hebben met het beheersen ervan.

Fintech-bedrijven hebben een duidelijk voordeel hier, eenvoudigweg omdat ze niet worden belast met de last van legacy-systemen. Moderne fintechs kunnen hun diensten vanaf het begin rondom AI opbouwen en alle processen direct automatiseren. Iets nieuws bouwen kan veel gemakkelijker zijn dan proberen AI-agenten in organisaties te integreren die nog steeds op faxmachines en decennialange COBOL-systemen vertrouwen. Het is geen wonder dat bijna de helft van de fintech-bedrijven al een geavanceerd stadium van AI-adoptie heeft bereikt, in tegenstelling tot minder dan een derde onder traditionele financiële instellingen.

Banken zijn niet gedoemd om te verdwijnen. Ze hebben immers de Grote Depressie, de jaren zeventig, de Grote Recessie en meer overleefd. Ze weten hoe ze zich aan veranderingen kunnen aanpassen. Door hun erfgoed hebben ze enorme hoeveelheden klantgegevens, kapitaal en reputatie verzameld. Echter, om deze voordelen op een zinvolle manier te gebruiken, moeten ze AI volledig integreren in hun processen, aangezien het simpelweg toevoegen aan een zijproduct niet veel zou helpen.