หลังตัวเลข: วิธี AI กลายเป็นพนักงานที่มีกำไรที่สุดในวงการเงิน

ในสื่อ มักมีการพรรณนาวงการธนาคารและวงการเงินในวงกว้างว่าเป็นคนใส่สูทคมคายที่ตัดสินใจทางธุรกิจจากชั้นสูงของตึกสูงหรือนักเทรดที่มีพรสวรรค์ซึ่งสามารถเข้าใจสถานการณ์ของตลาดจากข้อมูลที่น้อยนิด เนื่องจากเป็นหนึ่งในภาพที่มีพลังมากที่สุดของวงการเงิน การอภิปรายเกี่ยวกับคุณลักษณะทางเทคนิคใหม่ๆ ในสาขานี้จึงมักมุ่งเน้นไปที่วิธีที่พวกเขาจะเปลี่ยนแปลงการทำงานหน้าเคาน์เตอร์นี้

AI ไม่ใช่ข้อยกเว้น และส่วนใหญ่ของการอภิปรายเกี่ยวกับการนำ AI มาใช้ในวงการเงินมุ่งเน้นไปที่ว่าเอเย่นต์จะแทนที่นักเทรดหรือไม่ หรือว่าพวกเขาสามารถจัดสรรเงินทุนได้อย่างมีประสิทธิภาพมากกว่าผู้ให้คำปรึกษาทางการเงิน อย่างไรก็ตาม การใช้ AI ที่มีประสิทธิภาพที่สุดกลับพบว่าอยู่ห่างจากภาพที่น่าดึงดูดที่หลายคนคิดไว้ ในความเป็นจริง AI นำมาซึ่งผลกำไรจากด้าน “น่าเบื่อ” ของวงการเงิน ซึ่งก็คือการดำเนินงานประจำวัน

ที่ไหนที่ AI สร้างมูลค่าจริงๆ

ประโยชน์หลักของ AI คือสามารถจัดการงานได้ราคาถูกกว่าและเร็วกว่ามนุษย์หลายเท่า และด้วยการทำเช่นนั้น AI จึงสร้างผลกำไรผ่านการเพิ่มประสิทธิภาพการดำเนินงาน

ตัวอย่างเช่น ด้วยความช่วยเหลือของเครื่องมือ AI Citigroup ลด เวลาในการทบทวนเอกสารก่อนเปิดบัญชีจากมากกว่า 1 ชั่วโมง xuốngเหลือเพียง 15 นาที โดยธรรมชาติ การตัดสินใจที่รวดเร็วขึ้นจะทำให้ลูกค้าพึงพอใจและอาจทำให้พวกเขามีความภักดีมากขึ้น แต่ในขณะเดียวกัน 45 นาทีที่節省ได้จะเท่ากับหลายแสนดอลลาร์ในค่าใช้จ่ายที่節省ได้สำหรับธนาคาร เนื่องจากเครื่องมือเหล่านี้ช่วยให้การทำงานของมนุษย์สามารถทำได้มากขึ้น

AI ช่วยให้กระบวนการทางธุรกิจและกรอบการทำงานภายในของบริษัทมีประสิทธิภาพมากขึ้น ซึ่งเป็นสาเหตุว่าทำไมการใช้งานที่มีค่ามากที่สุดจึงพบว่าอยู่ห่างจากสิ่งที่น่าประทับใจที่สุด เอเย่นต์เทรดอัตโนมัติหรือแชทบอทที่แนะนำข้อเสนอที่ดีที่สุดให้กับลูกค้าอาจดูน่าประทับใจ แต่กระบวนการ KYC และการตรวจสอบความถูกต้องอัตโนมัติน่าจะนำมาซึ่งผลกำไรที่มากกว่าสำหรับธนาคารหรือบริษัททางการเงิน

อย่างไรก็ตาม ไม่มีอะไรที่จะหยุดยั้งการปรับปรุงเหล่านี้ไม่ให้ประโยชน์ต่อลูกค้าเช่นกัน ลูกค้าอาจชื่นชมผู้ช่วย AI ส่วนบุคคลในแอป แต่พวกเขาจะชื่นชมมากขึ้นหากการตัดสินใจเกี่ยวกับการให้กู้ยืมสามารถลดเวลาจากหลายวันลงเหลือหลายนาที หรือหากการทำธุรกรรมของพวกเขาไม่ได้ถูกตีตราว่าเป็นการฉ้อโกง เนื่องจากความน่าจะเป็นเหล่านี้ลดลงหลายเปอร์เซ็นต์

AI กลายเป็น “พนักงาน” ที่มีกำไรที่สุดได้อย่างไร

โดยปกติ เมื่อลูกค้าของธนาคารเพิ่มขึ้น พนักงานของธนาคารก็ต้องเพิ่มขึ้นตาม比例เช่นกัน มันเคยเป็นไปไม่ได้ที่จะทบทวนจำนวนธุรกรรมและเอกสารของลูกค้าที่เพิ่มขึ้นโดยใช้ทีมที่มีขนาดเท่าเดิม เทคโนโลยีสมัยใหม่ช่วยได้บ้าง แต่การเติบโตของธุรกิจยังคงนำไปสู่การเติบโตของจำนวนพนักงาน และเมื่อบริษัทมีพนักงานมากขึ้น ก็จะต้องมีผู้จัดการมากขึ้นและค่าใช้จ่ายในการดูแลโครงสร้างทั้งหมดก็จะสูงขึ้น

ตอนนี้ที่ AI ได้ปรากฏตัวขึ้น ปัญหาเริ่มจะหายไป เนื่องจากพนักงานที่น้อยกว่าสามารถให้บริการลูกค้าที่เพิ่มขึ้นได้ด้วยความช่วยเหลือของเครื่องมือ AI บางบริษัทกำลังใช้ตรรกะนี้: Klarna เช่น อ้าง ว่าผู้ช่วย AI หนึ่งคนสามารถทำงานแทนคน 700 คนได้ ไม่ว่าค่าใช้จ่ายในการใช้เครื่องมือเหล่านี้จะเท่าใด ก็ไม่น่าจะมาใกล้กับค่าจ้างปกติของพนักงานหลายร้อยคน

อย่างไรก็ตาม เพื่อให้ได้ผลจริงๆ บริษัทจะต้องรวม AI เข้ากับกระบวนการทำงานของตนอย่างเหมาะสม ไม่ใช่แค่การทดลอง ในวงการเงินหลายโครงการยังคงอยู่ในขั้น ทดลอง ซึ่งไม่สามารถสร้างมูลค่าได้มากนัก ในขณะที่บริษัทหนึ่งอาจกำลังถกเถียงกันว่าจะต้องนำเครื่องมือใหม่มาใช้หรือว่าจะต้องขยาย AI ให้ใหญ่ขึ้น คู่แข่งของพวกเขาจะไม่หยุดนิ่ง และกำลังสร้างความสามารถ AI ของตนเอง

การล่าช้าในเรื่องนี้จะนำไปสู่ความสูญเสียทางการเงินที่สำคัญ เพื่อให้แน่ใจ บริษัทที่ล้มเหลวในการเปลี่ยนการดำเนินงานของตนให้เข้ากับ AI ในระยะแรกอาจ สูญเสีย กำไรได้มากถึง 9% การตามทันการเสียเปรียบดังกล่าวในภายหลังจะไม่ใช่เรื่องง่าย และต้องการให้บริษัททางการเงินสร้างกลยุทธ์ AI ที่มั่นคง

วิธีการกำกับดูแลการตัดสินใจของ AI

สิ่งนี้เป็นความท้าทายที่ยิ่งใหญ่ที่สุด เนื่องจากการฝังตัวของ AI ในการดำเนินงานทางการเงินจะทำให้ต้องมอบอำนาจในการตัดสินใจให้กับ AI บ้าง ในวงการเงิน ซึ่ง AI ได้กลายเป็น “พนักงานจูเนียร์” ที่ไม่มีที่สิ้นสุดโดยการเพิ่มประสิทธิภาพการดำเนินงานพื้นฐาน สิ่งนี้ก่อให้เกิดความเสี่ยงอย่างมาก เนื่องจากข้อผิดพลาดในงานประเภทนี้มักจะมีราคาแพงที่สุด

โดยทั่วไป ผู้กำกับดูแลจะป้องกันไม่ให้องค์กรทางการเงินทำสิ่งที่เสี่ยงและสร้างกฎเพื่อลดอันตรายที่อาจเกิดขึ้นได้ อย่างไรก็ตาม เมื่อพูดถึง AI อุตสาหกรรมก้าวหน้าเร็วกว่าการกำกับดูแล เนื่องจากมีเพียงหนึ่งในสี่ของหน่วยงานที่ รวบรวม ข้อมูลเกี่ยวกับการใช้ AI จากองค์กรที่ได้รับการกำกับดูแล ซึ่งไม่เพียงพอในการติดตามจำนวนบริษัทที่เพิ่มเอเย่นต์เข้าไปในกระบวนการของตน

ดังนั้น บริษัททางการเงินจึงต้องหาวิธีกำกับดูแลเครื่องมือที่ขับเคลื่อนด้วย AI ด้วยตนเอง ซึ่งเข้าใจได้ เนื่องจากข้อผิดพลาดใดๆ ในที่นี้อาจนำไปสู่ความสูญเสียหลายล้านดอลลาร์ ตัวอย่างเช่น ในธนาคารสมัยใหม่ เอเย่นต์จะได้รับอนุญาตที่จำกัด เช่นเดียวกับพนักงานจริง หาก AI ทำงานกับเอกสารของลูกค้า AI ก็ไม่ต้องการสิทธิ์ในการเปลี่ยนอันดับความเสี่ยงของลูกค้า เอเย่นต์จะได้รับมอบหมายให้ทำหน้าที่การดำเนินงานที่เข้มงวดและไม่ได้รับอนุญาตให้ล่วงละเมิด

กลไกที่เป็นไปได้อีกอย่างหนึ่งคือการเก็บบันทึกการกระทำของ AI ทั้งหมด เพื่อที่หากเกิดข้อผิดพลาด จะสามารถติดตามขั้นตอนที่เอเย่นต์ทำได้ทุกขั้นตอน ในพื้นที่ เช่น KYC และการตรวจจับการฉ้อโกง อาจมีคำถามเกี่ยวกับลูกค้าหลายเดือนหลังจากนั้น ดังนั้นธนาคารจึงต้องเก็บบันทึกการดำเนินการของ AI ทั้งหมด

พฤติกรรมของ AI ยังสามารถทดสอบใน sandbox ได้ ธนาคารแห่งอังกฤษได้เริ่ม จำลอง การซื้อขาย AI เพื่อทำความเข้าใจว่าเอเย่นต์จะโต้ตอบกันและกับตลาดจริงได้อย่างไร การทดสอบนี้ช่วยระบุจุดที่เอเย่นต์ทำผิดพลาดและแก้ไขปัญหาก่อนที่จะเผยแพร่สู่สาธารณะ

สุดท้าย มันคุ้มที่จะจำไว้ว่าการตัดสินใจใดๆ ของ AI จะต้องได้รับการยืนยันจากมนุษย์ ซึ่งยังคงรับผิดชอบต่อการตัดสินใจนั้น ในกรณีที่เกิดความสูญเสีย ไม่มีใครจะยอมรับคำตอบ “เพราะแบบจำลองตัดสินใจ” และผู้จัดการระดับสูงยังคงต้องอนุมัติการกระทำของ AI และรับผิดชอบต่อการกระทำนั้น

จาก “ธนาคารกับฟินเทค” ไปสู่ “เร็วกับช้า”

การกำกับดูแล AI ยังกำหนดการแข่งขันในตลาดการเงินด้วย ลูกค้าอาจพอใจเมื่อเอกสารของตนถูกประมวลผลเร็วขึ้น 30 นาที แต่พวกเขาจะไม่พอใจหาก AI โบทรุกรานประวัติเครดิตของตนหรือทำให้พวกเขาเสียเงิน เพื่อหลีกเลี่ยงปัญหาเหล่านี้ ลูกค้าจะไว้วางใจเงินของตนให้กับบริษัทที่อธิบายกลยุทธ์ AI อย่างโปร่งใสและซื่อสัตย์ และมีปัญหาในการจัดการ AI น้อยกว่า

บริษัทฟินเทคมีความได้เปรียบอย่างชัดเจนในเรื่องนี้ เนื่องจากไม่ต้องแบกภาระของระบบเก่าๆ ฟินเทคสมัยใหม่สามารถสร้างบริการของตนรอบๆ AI ตั้งแต่เริ่มต้นและทำให้กระบวนการทั้งหมดเป็นอัตโนมัติทันที การสร้างสิ่งใหม่ๆ อาจง่ายกว่าการรวมเอเย่นต์ AI เข้ากับองค์กรที่ยังคงพึ่งพาแฟกซ์แมชชีนและระบบ COBOL ที่มีอายุหลายทศวรรษ ไม่น่าแปลกใจที่เกือบครึ่งหนึ่งของบริษัทฟินเทคได้ บรรลุ ระดับการนำ AI มาใช้ที่ขั้นสูงแล้ว เมื่อเทียบกับธนาคารและสถาบันการเงินแบบดั้งเดิม

ธนาคารไม่ได้ถูกกำหนดให้ล้มเหลว หลังจากที่พวกเขาผ่านการกดดันในยุคเศรษฐกิจตกต่ำครั้งใหญ่ ปี 1970 การถดถอยครั้งใหญ่ และอื่นๆ พวกเขารู้วิธีปรับตัวให้เข้ากับการเปลี่ยนแปลง ด้วยมรดกของพวกเขา พวกเขาสะสมข้อมูลลูกค้า ทุน และชื่อเสียงจำนวนมาก อย่างไรก็ตาม เพื่อใช้ประโยชน์เหล่านี้อย่างมี意义 พวกเขาควรรวม AI เข้ากับกระบวนการของตนอย่างเต็มที่ เนื่องจากการเพิ่ม AI เข้าไปในผลิตภัณฑ์ข้างเคียงเพียงอย่างเดียวจะไม่ช่วยได้มากนัก