Za liczbami: Jak sztuczna inteligencja stała się najbardziej dochodowym „pracownikiem” w finansach

W mediach, bankowość i, szerzej, finanse są często przedstawiane jako ludzie w eleganckich garniturach podejmujący decyzje biznesowe z wyższych pięter wieżowców, lub utalentowani handlowcy, którzy potrafią zrozumieć stan rynku na podstawie niewielkich danych. Ponieważ jest to jeden z najbardziej potężnych obrazów finansów, wiele dyskusji na temat nowych funkcji technicznych w tej dziedzinie koncentruje się na tym, jak zmienią one pracę na stanowiskach przednich.

Sztuczna inteligencja nie jest tu wyjątkiem, a ogromna część debat na temat jej przyjęcia w finansach koncentruje się na tym, czy agenci zastąpią handlowców, czy będą mogli przydzielać kapitał skuteczniej niż doradcy. Jednak najbardziej efektywne zastosowanie sztucznej inteligencji okazało się być daleko od glamorowego obrazu, jaki wiele osób sobie wyobraża. W rzeczywistości, sztuczna inteligencja przynosi więcej pieniędzy z tego, co można nazwać „nudną” stroną finansów, czyli codziennych operacji.

Gdzie sztuczna inteligencja naprawdę tworzy wartość

Główną zaletą sztucznej inteligencji jest to, że może wykonywać zadania znacznie taniej i kilka razy szybciej niż ludzie. I robiąc to, literalnie generuje zysk poprzez zwiększoną efektywność operacyjną.

Na przykład, dzięki narzędziom sztucznej inteligencji, Citigroup zmniejszył czas przeglądu dokumentów przed otwarciem konta z ponad godziny do zaledwie 15 minut. Naturalnie, szybsze podejmowanie decyzji sprawi przyjemność klientom i może nawet uczynić ich lojalnymi. Ale jednocześnie, te 45 minut przekłada się na setki tysięcy dolarów oszczędności dla banku, ponieważ te narzędzia uwalniają godziny pracy ludzkiej na bardziej importante zadania.

Sztuczna inteligencja pomaga optymalizować ogromną warstwę biurokracji finansowej i wewnętrznych ram, na których opierają się firmy. Dlatego najcenniejsze przypadki użycia często okazują się być daleko od najbardziej spektakularnych. Autonomiczni handlowcy lub czatbot, który sugeruje najlepsze oferty klientowi, mogą brzmieć imponująco, ale zautomatyzowane procedury KYC i sprawdzanie due diligence są prawdopodobnie w stanie przynieść znacznie większą wartość ekonomiczną bankowi lub firmie finansowej.

To powiedziawszy, tak jak w przypadku procesu przeglądu dokumentów Citigroup, nic nie uniemożliwia tym ulepszeniom korzystania również klientom. Użytkownicy mogą docenić osobistego asystenta sztucznej inteligencji w aplikacji, ale jeszcze bardziej docenią, jeśli decyzje kredytowe mogą być skrócone z dni do minut, lub jeśli ich transakcje nie są błędnie oznaczone jako oszustwo, ponieważ takie prawdopodobieństwa zostały obniżone o dziesiątki punktów procentowych.

Jak sztuczna inteligencja stała się najbardziej dochodowym „pracownikiem”?

Zwykle, gdy baza klientów banku rośnie, jego personel musi rosnąć niemal proporcjonalnie. Dawniej było to niemożliwe, aby przeglądać rosnącą liczbę transakcji i dokumentów klientów z tym samym rozmiarem zespołu. Różne nowoczesne rozwiązania technologiczne pomogły w pewnym stopniu, ale wzrost biznesu nadal prowadził do wzrostu liczby pracowników. I im więcej pracowników ma firma, tym więcej kierowników potrzebuje i tym droższe jest zarządzanie całą strukturą.

Teraz, gdy sztuczna inteligencja pojawiła się, ten problem zaczyna znikać, ponieważ mniejsza liczba pracowników może nadal skutecznie obsługiwać rosnącą liczbę klientów przy pomocy narzędzi sztucznej inteligencji. Niektóre firmy już korzystają z tej logiki: Klarna, na przykład, twierdzi, że jeden asystent sztucznej inteligencji może wykonać pracę 700 osób. Niezależnie od tego, jaki może być koszt zastosowania takich narzędzi, jest mało prawdopodobne, aby przekroczył regularne wynagrodzenia setek pracowników.

Jednak aby to naprawdę działało, firma powinna odpowiednio zintegrować sztuczną inteligencję w swoich procesach, poza prostymi eksperymentami. W finansach wiele projektów nadal pozostaje na etapie pilotażu, co oczywiście nie może wygenerować dużej wartości. Podczas gdy jedna firma może debatować, czy przyjąć nowe instrumenty, czy jak skalować agenci sztucznej inteligencji, jej konkurenci nie będą stać w miejscu, budując swoje własne możliwości sztucznej inteligencji.

Pozostanie w tyle w tej rywalizacji doprowadziłoby do znacznych strat finansowych. Aby być precyzyjnym, firmy, które nie przeniosą swoich operacji na tory sztucznej inteligencji wcześnie, mogą stracić do 9% swoich zysków. Dogonienie takiego opóźnienia później nie będzie łatwe i wymaga, aby firmy finansowe zbudowały solidną strategię sztucznej inteligencji.

Jak zarządzać decyzjami sztucznej inteligencji

Oto największe wyzwanie, ponieważ wbudowanie agentów sztucznej inteligencji w operacje finansowe nieuchronnie oznacza delegowanie części władzy decyzyjnej do nich. W finansach, gdzie sztuczna inteligencja stała się rodzajem niezmiennego źródła „młodszych pracowników” poprzez optymalizację podstawowych operacji back-office, niesie to znaczne ryzyko. Rzecz w tym, że błędy w tym rodzaju pracy są często najdroższe.

Ogólnie, organy regulacyjne uniemożliwiają instytucjom finansowym podejmowanie ryzykownych działań i tworzą przepisy, aby zminimalizować możliwe szkody. Jednak w przypadku sztucznej inteligencji, branża porusza się znacznie szybciej niż nadzór, ponieważ tylko co czwarta władza zbiera dane o użyciu sztucznej inteligencji z podmiotów regulowanych. To jest oczywiście niewystarczające, aby nadążyć za rosnącą liczbą firm, które dodają agenci do swoich operacji.

W rezultacie, firmy finansowe muszą znaleźć sposoby, aby samodzielnie regulować instrumenty napędzane sztuczną inteligencją. Jest to zrozumiałe, biorąc pod uwagę, że każdy błąd tutaj może prowadzić do strat w wysokości milionów dolarów. Na przykład, w nowoczesnych bankach agenci otrzymują ograniczone uprawnienia, podobnie jak prawdziwi pracownicy. Jeśli sztuczna inteligencja pracuje z dokumentami klientów, nie potrzebuje prawa do zmiany oceny ryzyka klienta. Agent otrzymuje ściśle określoną rolę operacyjną i nie jest dozwolone przekroczyć jej.

Innym możliwym i koniecznym mechanizmem jest przechowywanie szczegółowych zapisów wszystkich działań sztucznej inteligencji, tak aby w przypadku błędu można było prześledzić każdy krok, jaki podjął agent. W obszarach takich jak KYC i wykrywanie oszustw, pytania dotyczące klienta mogą pojawić się miesiące później, więc banki absolutnie muszą zachować pełny zapis logiki asystenta sztucznej inteligencji.

Zachowanie sztucznej inteligencji można również przetestować w środowisku piaskownicy. Bank Anglii, na przykład, rozpoczął symulację sesji handlowych sztucznej inteligencji, aby zrozumieć, jak agenci będą wchodzić w interakcje ze sobą i z rynkiem. Takie testowanie pomaga zidentyfikować dokładnie, gdzie agent popełnia błędy i naprawić problem, zanim zostanie opublikowany.

Ostatecznie, należy pamiętać, że każda decyzja sztucznej inteligencji musi być potwierdzona przez człowieka, który pozostaje odpowiedzialny za nią. W przypadku strat, nikt nie zaakceptuje odpowiedzi „ponieważ model zdecydował”, a starszy menedżer nadal musi zatwierdzić działania sztucznej inteligencji i ponieść odpowiedzialność za nie.

Od „Banki vs Fintech” do „Szybko vs Wolno”

Regulacja sztucznej inteligencji kształtuje również konkurencję na rynku finansowym. Klienci mogą być zadowoleni, gdy ich dokument jest przetwarzany 30 minut szybciej, ale na pewno nie będą zadowoleni, jeśli bot sztucznej inteligencji uszkodzi ich historię kredytową lub kosztuje ich pieniądze. Aby uniknąć takich problemów, są bardziej skłonni zaufać swoje pieniądze firmom, które wyjaśniają swoją strategię sztucznej inteligencji w sposób przejrzysty i uczciwy. I które, oczywiście, mają mniej problemów z zarządzaniem nią.

Firmy fintech mają tu wyraźną przewagę, po prostu dlatego, że nie są obciążone ciężarem systemów legacy. Nowoczesne firmy fintech mogą budować swoje usługi wokół sztucznej inteligencji od samego początku i zautomatyzować wszystkie procesy od razu. Budowanie czegoś nowego może być znacznie łatwiejsze niż próba integracji agentów sztucznej inteligencji z organizacjami, które nadal polegają na faxach i systemach COBOL z dziesięcioleci. Nie jest zaskakujące, że prawie połowa firm fintech osiągnęła zaawansowany etap przyjęcia sztucznej inteligencji, w porównaniu z mniej niż jedną trzecią wśród tradycyjnych instytucji finansowych.

Banki nie są skazane na zagładę. W końcu, przetrwały Wielką Depresję, lata 70., Wielką Recesję i więcej. Wiedzą, jak dostosować się do zmian. Dzięki swojej spuściźnie, zgromadziły ogromne ilości danych klientów, kapitału i reputacji. Jednak aby znacząco wykorzystać te przewagi, powinny w pełni zintegrować sztuczną inteligencję w swoich procesach, ponieważ proste dodanie jej do produktu ubocznego nie pomoże zbyt wiele.