Lideri de opinie

Cum pot băncile să recâștige încrederea în era serviciilor bancare digitale bazate pe AI

Corey Gross
Adaugă Unite.AI la sursele tale preferate pe Google
Puncte cheieÎncrederea în sectorul bancar depinde acum de rezultate, mai degrabă decât de o…
Vezi mai mult
  • Încrederea în sectorul bancar depinde acum de rezultate, mai degrabă decât de o precizie impecabilă din partea sistemelor probabilistice.
  • Încrederea adaptivă îmbină IA probabilistică cu bucle de feedback prin garanții de siguranță și cu judecata umană acolo unde mizele o impun.
  • Băncile care definesc unde își are locul IA vor câștiga adoptare, în timp ce platformele vagi vor pierde cumpărătorii instituționali precauți.

Încrederea a fost întotdeauna fundamentul băncilor. Dar pe măsură ce inteligența artificială devine tot mai integrată în operațiunile și experiențele bancare, modul în care încrederea este creată și cel în care se destramă s-au schimbat fundamental.

Timp de decenii, băncile și cooperativele de credit au construit încrederea prin sisteme deterministice. Dacă un client depunea un cec, banii apăreau. Dacă acesta plătea o factură, aceasta era plătită. Aceste sisteme urmau o logică liniară clară: dacă X se întâmplă, atunci Y urmează. Fiabilitatea și consecvența erau semnalul de încredere.

Serviciile bancare digitale bazate pe inteligență artificială funcționează diferit. Multe dintre tehnologiile de inteligență artificială cele mai promițătoare, în special modelele lingvistice mari (LLM), sunt probabilistice prin design. Ele nu produc un singur “răspuns corect” de fiecare dată. Ele produc o gamă de rezultate plauzibile pe baza contextului, a modelelor și a comportamentului învățat. Acea natură probabilistică nu este o eroare; este motivul pentru care inteligența artificială poate fi utilă în anumite fluxuri de lucru bancare. Dar acest lucru înseamnă, de asemenea, că instituțiile financiare nu pot evalua sau guverna inteligența artificială utilizând același cadru de încredere pe care l-au aplicat pentru software-ul tradițional.

Băncile și cooperativele de credit care se luptă cel mai mult cu implementarea și adoptarea inteligenței artificiale astăzi fac adesea aceeași greșeală: se așteaptă la perfecțiune acolo unde nu este posibilă și nici necesară. Procedând astfel, ele confundă acuratețea cu încrederea. Cele două nu sunt la fel.

Acuratețea nu este la fel ca încrederea

Niciun model de învățare automată nu este 100% precis. Acest lucru nu este o lacună tehnologică care trebuie rezolvată; este o caracteristică definitorie a modului în care funcționează aceste sisteme. Modelele de inteligență artificială învață în moduri care reflectă raționamentul uman: absorb date de intrare, cântăresc probabilități și generează rezultate pe baza contextului. La fel cum oamenii nu sunt perfect consecvenți în judecățile lor, nici sistemele probabilistice nu sunt.

Când instituțiile financiare tratează această variabilitate ca o eroare, se expun la dezamăgire. Mai important, ele riscă să aplice greșit inteligența artificială la problemele pentru care sistemele deterministice sunt uneltele mai bune. Dacă scopul este precizia, consecvența și corectitudinea absolută de fiecare dată, software-ul tradițional rămâne mai rapid, mai ieftin și mai fiabil.

Încrederea, în contextul inteligenței artificiale, ar trebui să fie măsurată prin rezultate. A ajutat instrumentul utilizatorul să îndeplinească sarcina propusă? A redus el fricțiunea, a îmbunătățit claritatea sau a accelerat procesul de luare a deciziilor? Dacă răspunsul este da, și cazul de utilizare este adecvat, încrederea este stabilită chiar dacă rezultatul în sine nu este perfect precis.

Luăm ca exemplu un reprezentant al serviciului clienți care redactează un mesaj securizat pentru un client. Un flux de lucru determinist nu poate ajuta la scrierea unui limbaj empatic și conștient de context. Un LLM poate. Rezultatul poate să nu fie perfect la prima încercare, dar cu verificarea de către oameni în cadrul procesului, el produce în mod fiabil un rezultat mai bun decât începerea de la zero. În acest scenariu, inteligența artificială este de încredere pentru că face ceea ce trebuie să facă.

Încrederea adaptivă în practică

Aici devine esențială ideea de încredere adaptivă. Încrederea adaptivă recunoaște că nu toate interacțiunile necesită același nivel de certitudine, supraveghere sau control. În loc de a aplica reguli rigide universal, cadrele de încredere adaptivă se ajustează în funcție de context, risc și intenție.

În termeni practici, încrederea adaptivă înseamnă asocierea sistemelor de inteligență artificială probabilistice cu limite de siguranță clare și bucle de feedback. Intrările sunt limitate la domenii relevante. Ieșirile sunt modelate de politici, permisiuni bazate pe rol și modele de utilizare istorică. Mai important, oamenii rămân implicați acolo unde este necesară judecata umană.

De exemplu, un asistent de inteligență artificială utilizat de angajații băncii sau ai cooperativei de credit poate afișa solicitări frecvente pe baza comportamentului observat: tranzacții recente, încercări de conectare eșuate sau modificări ale informațiilor de cont. De-a lungul timpului, sistemul învață care întrebări sunt cele mai relevante în contexte specifice și se adaptează corespunzător. Prompturile irelevante sau nesigure sunt ignorate. Acțiunile cu risc ridicat necesită confirmare explicită. Cererile de informații cu risc scăzut sunt gestionate în mod automat.

Încrederea, în acest model, nu este statică. Ea este întărită în mod continuu prin transparență, consecvență și posibilitatea de remediere. Utilizatorii pot vedea de unde provine informația. Ei pot urmări ieșirile până la sistemele sursă. Și dacă ceva nu pare corect, ei pot interveni, corecta sau anula.

Ce ca inteligența artificială să fie de încredere în domeniul bancar

Inteligența artificială devine de încredere în domeniul bancar atunci când instrumentul potrivit este folosit pentru sarcina potrivită și când rolul ei este clar înțeles atât de instituție, cât și de utilizator.

Uneltele probabilistice ar trebui să fie utilizate pentru rezultate probabilistice: rezumare, îndrumare, redactare, explorare și recunoaștere a modelelor. Uneltele deterministice ar trebui să continue să gestioneze sarcinile care cer precizie, cum ar fi procesarea tranzacțiilor, solduri și plăți. Problemele apar atunci când aceste limite se estompează.

Transparența este o pârghie critică de încredere. Când sistemele de inteligență artificială citează sursele, arată cum au ajuns la rezultate sau disting clar între regăsirea informațiilor factuale și îndrumarea subiectivă, utilizatorii învață cum să interacționeze cu ele în mod corespunzător. De-a lungul timpului, acest lucru creează o încredere informată, mai degrabă decât o încredere oarbă.

La fel de importantă este și posibilitatea de remediere. Încrederea se erodează rapid atunci când utilizatorii nu pot verifica sau anula o acțiune. Sistemele care permit utilizatorilor să inspecteze ieșirile, să verifice referințele sau să revină la fluxurile de lucru tradiționale mențin încrederea chiar și atunci când inteligența artificială este implicată.

De ce încrederea va fi adevăratul diferențiator în 2026

În 2026, capacitățile de inteligență artificială în sine nu vor mai fi un diferențiator semnificativ. Majoritatea instituțiilor financiare vor avea acces la modele, unelte și infrastructură similare. Ceea ce va separa liderii de cei rămași în urmă va fi eficacitatea cu care aceștia implementează aceste instrumente în moduri care se aliniază cu așteptările clienților.

Clienții și membrii nu vin la instituția lor financiară în căutarea ambiguității. Ei așteaptă determinism acolo unde contează cel mai mult: depozite, plăți, transferuri și solduri. Sistemele de inteligență artificială care introduc incertitudine în aceste fluxuri de lucru vor obține cu greu acceptarea, indiferent cât de impresionant este demo-ul.

În schimb, băncile și cooperativele de credit care definesc clar unde inteligența artificială adaugă valoare – și unde nu – vor câștiga adoptarea mai rapidă și o încredere mai profundă. Aceste instituții vor rezista tentației de a prezenta experiențe de inteligență artificială impresionante, dar lipsite de guvernanță, în favoarea soluțiilor care îmbunătățesc în mod discret rezultatele.

Același principiu se aplică și cumpărătorilor. Instituțiile financiare sunt din ce în ce mai prudente cu soluțiile de inteligență artificială care par impresionante, dar nu se potrivesc neapărat nevoilor operaționale reale. Furnizorii care pot demonstra o aliniere atentă la cazurile de utilizare, limite de siguranță și guvernanță îi vor depăși pe cei care vând platforme de “inteligență artificială” largi și slab definite.

Încrederea este specifică cazului de utilizare

În cele din urmă, încrederea nu este absolută. Ea este contextuală. Ne încredem în uneltele care fac în mod fiabil ceea ce au fost proiectate să facă. Pierdem încrederea atunci când ele eșuează la acel singur lucru, chiar dacă sunt sofisticate sau inovatoare.

Încrederea în inteligența artificială nu poate fi evaluată folosind aceleași metrici ca pentru sistemele deterministice. Măsurarea uneltelor probabilistice doar prin precizie este un KPI greșit. În schimb, băncile și cooperativele de credit trebuie să evalueze inteligența artificială pe baza eficacității, transparenței și controlului utilizatorului în cadrul unor cazuri de utilizare clar definite.

Când instituțiile financiare adoptă această distincție, încrederea încetează să mai fie o barieră pentru adoptarea inteligenței artificiale și devine un principiu de proiectare. Cadrele de încredere adaptivă permit instituțiilor să se miște mai repede fără a sacrifica încrederea și să implementeze inteligența artificială în moduri care întăresc, mai degrabă decât subminează, relația cu clienții lor.

În era serviciilor bancare digitale bazate pe inteligență artificială, recâștigarea încrederii nu necesită perfecțiune. Ea necesită claritate, disciplină și smerenia de a utiliza fiecare instrument doar acolo unde îi este cu adevărat locul.

Corey Gross este VP și Șef al Departamentului de Date și Inteligență Artificială la Q2, un furnizor de soluții de transformare digitală pentru servicii financiare. El operează portofoliul companiei de soluții centrate pe date, incluzând Q2 SMART, Q2 Discover și Andi, și conduce dezvoltarea de capacități care utilizează inteligența artificială.