โอกาสที่ยิ่งใหญ่ที่สุดของ AI ในด้านการเงินไม่ใช่โมเดลใหม่ แต่เป็นการปลดล็อกข้อมูลเก่า

เมื่อเทคโนโลยี AI มีการพัฒนาอย่างรวดเร็วข้ามอุตสาหกรรม บริษัทการเงิน ต้องเผชิญกับจุดเปลี่ยน Eager ที่จะใช้ประโยชน์จาก AI แต่กลัวการตรวจสอบของหน่วยงานกำกับดูแล ทำให้หลายสถาบันพบว่าเส้นทางสู่นวัตกรรมมีความซับซ้อนมากกว่าที่คาดไว้ ข่าวล่าสุดเน้นย้ำถึงความเสี่ยง เช่น การหลอกลวงของ AI, ความลำเอียงของโมเดล และการตัดสินใจที่ไม่โปร่งใส—ปัญหาที่หน่วยงานกำกับดูแลให้ความสนใจมากขึ้น

อย่างไรก็ตาม เบื้องหลังเสียงดังของการ宣傳 AI และความกังวลเกี่ยวกับการปฏิบัติตามกฎระเบียบ มีโอกาสที่มองข้ามไปอย่างเป็นประโยชน์มากกว่า Success กับ AI ไม่ได้ขึ้นอยู่กับการสร้างโมเดลที่ใหญ่ขึ้น แต่ขึ้นอยู่กับการให้ข้อมูลที่ถูกต้องและเฉพาะด้านแก่โมเดลให้ทำงานได้อย่างมีประสิทธิภาพ สถาบันการเงินมีข้อมูลที่ไม่มีโครงสร้างจำนวนมากที่ถูกกักขังในเอกสารสัญญา รายงาน การเปิดเผย ข้อมูลอีเมล และระบบเก่า จนกว่าข้อมูลนั้นจะถูกปลดล็อกและทำให้สามารถใช้งานได้ AI จะยังคงไม่บรรลุผลตามที่สัญญาไว้ในภาคการเงิน

ความท้าทายที่ซ่อนอยู่: ล้านล้านที่ถูกกักขังในข้อมูลที่ไม่มีโครงสร้าง

สถาบันการเงินสร้างและจัดการข้อมูลจำนวนมากทุกวัน อย่างไรก็ตาม ประมาณ 80-90% ของข้อมูลนี้ไม่มีโครงสร้าง ถูกฝังอยู่ในเอกสารสัญญา อีเมล การเปิดเผย รายงาน และการสื่อสาร ไม่เหมือนกับชุดข้อมูลที่มีโครงสร้างที่จัดระเบียบอย่างดีในฐานข้อมูล ข้อมูลที่ไม่มีโครงสร้างเป็นเรื่องที่ยุ่งยากและหลากหลาย และยากที่จะประมวลผลในระดับใหญ่โดยใช้วิธีการแบบดั้งเดิม

สิ่งนี้นำไปสู่ความท้าทายที่สำคัญ ระบบ AI มีประสิทธิภาพเท่ากับข้อมูลที่ได้รับเท่านั้น หากไม่มีการเข้าถึงข้อมูลที่ถูกต้อง มีบริบท และเชื่อถือได้ แม้แต่โมเดลที่ทันสมัยที่สุดก็เสี่ยงต่อการให้ผลลัพธ์ที่ไม่ถูกต้องหรือทำให้เข้าใจผิด สิ่งนี้เป็นปัญหาโดยเฉพาะอย่างยิ่งในภาคการเงิน ซึ่งความถูกต้อง โปร่งใส และการปฏิบัติตามกฎระเบียบเป็นสิ่งจำเป็น

เมื่อบริษัทต่างๆ แข่งขันกันเพื่อนำ AI มาใช้ หลายบริษัทพบว่าทรัพย์สินข้อมูลที่มีค่าที่สุดยังคงถูกกักขังในระบบเก่าและคลังข้อมูลที่แยกจากกัน การปลดล็อกข้อมูลนี้ไม่ใช่เรื่องของการบริหารจัดการด้านหลังอีกต่อไป—เป็นเรื่องสำคัญของความสำเร็จของ AI

แรงกดดันด้านกฎระเบียบและความเสี่ยงของการเร่ง AI

หน่วยงานกำกับดูแลทั่วโลกได้เริ่มมุ่งเน้นไปที่การใช้ AI ในภาคการเงิน ความกังวลเกี่ยวกับการหลอกลวงและความโปร่งใส ซึ่งโมเดล AI สร้างข้อมูลที่น่าเชื่อถือแต่ไม่ถูกต้องโดยไม่มีการติดตามที่เหมาะสม กำลังเพิ่มขึ้น ความลำเอียงของโมเดลและความไม่โปร่งใสยิ่งทำให้การนำไปใช้ซับซ้อน โดยเฉพาะในด้านการให้กู้ยืม การประเมินความเสี่ยง และการปฏิบัติตามกฎระเบียบ ซึ่งการตัดสินใจที่ไม่โปร่งใสสามารถนำไปสู่ความรับผิดทางกฎหมายและความเสียหายต่อชื่อเสียง

การสำรวจแสดงให้เห็นว่า มากกว่า 80% ของสถาบันการเงิน ระบุความกังวลเกี่ยวกับความน่าเชื่อถือของข้อมูลและความสามารถในการอธิบายเป็นปัจจัยสำคัญที่ชะลอการนำ AI ไปใช้ ความกลัวผลกระทบที่ไม่ได้ตั้งใจ ร่วมกับการกำกับดูแลที่เข้มงวดขึ้น ทำให้เกิดสภาพแวดล้อมที่谨慎 บริษัทต่างๆ มีแรงกดดันให้สร้างนวัตกรรม แต่กลัวที่จะฝ่าฝืนกฎระเบียบหรือติดตั้งระบบ AI ที่ไม่สามารถเชื่อถือได้

ในบรรยากาศนี้ การไล่ตามโซลูชัน AI ทั่วไปหรือการทดลองกับโมเดล LLM ที่ไม่ได้ปรับให้เหมาะสมมักนำไปสู่โครงการที่หยุดชะงัก การลงทุนที่สูญเปล่า หรือสิ่งที่เลวร้ายกว่านั้น—ระบบที่เพิ่มความเสี่ยงมากกว่าที่จะลดความเสี่ยง

การเปลี่ยนไปสู่ AI ที่มีศูนย์กลางอยู่ที่ข้อมูลและเฉพาะด้าน

การผ่านทางที่อุตสาหกรรมต้องการไม่ใช่โมเดลอื่น แต่เป็นการเปลี่ยนโฟกัสจากการจัดสร้างโมเดลไปสู่การควบคุมข้อมูล การประมวลผลข้อมูลที่ไม่มีโครงสร้างเฉพาะด้านเสนอแนวทางที่เป็นรากฐานมากกว่าสำหรับ AI ในภาคการเงิน แทนที่จะพึ่งพาโมเดลทั่วไปที่ฝึกอบรมจากข้อมูลอินเทอร์เน็ตทั่วไป วิธีการนี้เน้นการดึงข้อมูลที่ไม่มีโครงสร้างที่ไม่สามารถเข้าถึงได้ และทำให้ข้อมูลนั้นเป็นรูปเป็นร่างและให้บริบท

โดยการใช้ AI ที่ออกแบบมาเพื่อเข้าใจความแตกต่างของภาษา การจัดทำเอกสาร และกระบวนการทำงานของภาคการเงิน บริษัทต่างๆ สามารถเปลี่ยนข้อมูลที่ไม่สามารถเข้าถึงได้ให้เป็นข้อมูลที่สามารถใช้งานได้ สิ่งนี้ช่วยให้สามารถใช้ระบบอัตโนมัติ การให้ข้อมูล และการสนับสนุนการตัดสินใจที่มีรากฐานมาจากข้อมูลที่เชื่อถือได้ของสถาบัน ไม่ใช่จากชุดข้อมูลภายนอกที่อาจมีข้อผิดพลาดหรือไม่เกี่ยวข้อง

แนวทางนี้ให้ผลตอบแทนที่แท้จริงโดยการปรับปรุงประสิทธิภาพและลดความเสี่ยง ในขณะเดียวกันก็ตรงตามความคาดหวังของหน่วยงานกำกับดูแล โดยการสร้างระบบที่มีการจัดการข้อมูลที่โปร่งใสและสามารถอธิบายได้ องค์กรสามารถบรรลุความโปร่งใสและความสามารถในการอธิบายที่จำเป็นในการเอาชนะความท้าทายสองประการที่ใหญ่ที่สุดในการนำ AI ไปใช้ในปัจจุบัน

AI กำลังขับเคลื่อนผลลัพธ์ที่แท้จริงในโลกการเงิน

ในขณะที่การอภิปรายเกี่ยวกับ AI ยังคงมุ่งเน้นไปที่นวัตกรรมที่น่าตื่นเต้น การประมวลผลข้อมูลที่ไม่มีโครงสร้างเฉพาะด้านกำลังเปลี่ยนแปลงการดำเนินงานเบื้องหลังที่ธนาคารและสถาบันการเงินขนาดใหญ่ที่สุดของโลก สถาบันเหล่านี้ใช้ AI ไม่ใช่เพื่อทดแทนความเชี่ยวชาญของมนุษย์ แต่เพื่อเพิ่มประสิทธิภาพโดยการทำให้กระบวนการอัตโนมัติในการดึงข้อมูลสำคัญจากเอกสารสัญญา การระบุความเสี่ยงด้านการปฏิบัติตามกฎระเบียบที่ฝังอยู่ในเอกสารเปิดเผย หรือการทำให้การวิเคราะห์ข้อมูลลูกค้าเป็นระบบ

ตัวอย่างเช่น การวิเคราะห์ขั้นพื้นฐานของงบการเงินเป็นหน้าที่หลักในภาคการเงิน แต่นักวิเคราะห์มักใช้เวลานับไม่ถ้วนในการนำทางความแตกต่างของแต่ละงบการเงินและตีความหมายของบันทึกย่อของผู้ตรวจสอบ บริษัทที่ใช้โซลูชัน AI เช่น ของเรามีการลดเวลาประมวลผลลง 60% ทำให้ทีมสามารถเปลี่ยนความสนใจจากการทบทวนแบบแมนนวลไปสู่การตัดสินใจเชิงกลยุทธ์

ผลกระทบนั้นเป็นรูปธรรม กระบวนการด้วยมือที่ใช้เวลาวันหรือสัปดาห์สามารถทำได้ภายในไม่กี่นาที ทีมจัดการความเสี่ยงสามารถมองเห็นปัญหาได้เร็วขึ้น และฝ่ายการปฏิบัติตามกฎระเบียบสามารถตอบสนองได้เร็วขึ้นและมั่นใจมากขึ้นระหว่างการตรวจสอบหรือการตรวจสอบของหน่วยงานกำกับดูแล การใช้งาน AI เหล่านี้ไม่ต้องการให้บริษัทต่างๆ พึ่งพาโมเดลที่ไม่ได้รับการพิสูจน์ แต่สร้างขึ้นบนพื้นฐานข้อมูลที่มีอยู่แล้ว

การประยุกต์ใช้ AI ในทางปฏิบัตินี้แตกต่างอย่าง鲜เจนจากวิธีการทดลองและผิดพลาดที่พบในหลายโครงการ AI ที่สร้างสรรค์ แทนที่จะไล่ตามเทรนด์เทคโนโลยีล่าสุด มันเน้นไปที่การแก้ปัญหาที่แท้จริงด้วยความแม่นยำและจุดประสงค์

การลดความเสี่ยงของ AI: สิ่งที่ CTO และหน่วยงานกำกับดูแลมองข้าม

ในการเร่งนำ AI ไปใช้ ผู้นำหลายคนในภาคการเงิน—และแม้แต่หน่วยงานกำกับดูแล—อาจมุ่งเน้นไปที่ชั้นโมเดลมากเกินไป และไม่เพียงพอเกี่ยวกับชั้นข้อมูล ผลลัพธ์ของ AI ถูกกำหนดโดยคุณภาพ ความเกี่ยวข้อง และโครงสร้างของข้อมูล

โดยการจัดลำดับความสำคัญของการประมวลผลข้อมูลที่ไม่มีโครงสร้างเฉพาะด้าน สถาบันสามารถลดความเสี่ยงของโครงการ AI ตั้งแต่เริ่มต้น สิ่งนี้หมายถึงการลงทุนในเทคโนโลยีและเฟรมเวิร์กที่สามารถประมวลผลข้อมูลที่ไม่มีโครงสร้างภายในบริบทของภาคการเงินได้อย่างชาญฉลาด เพื่อให้แน่ใจว่าผลลัพธ์ไม่เพียงแต่แม่นยำเท่านั้น แต่ยังสามารถอธิบายและตรวจสอบได้

แนวทางนี้ยังช่วยให้บริษัทต่างๆ สามารถขยาย AI ได้อย่างมีประสิทธิภาพมากขึ้น เมื่อข้อมูลที่ไม่มีโครงสร้างถูกเปลี่ยนเป็นรูปแบบที่ใช้งานได้ จะกลายเป็นพื้นฐานที่สามารถสร้างกรณีการใช้งาน AI หลายกรณีได้ ไม่ว่าจะเป็นสำหรับการรายงานด้านกฎระเบียบ การอัตโนมัติของการบริการลูกค้า การตรวจจับฉ้อโกง หรือการวิเคราะห์การลงทุน แทนที่จะรักษาแต่ละโครงการ AI เป็นความพยายามที่แยกจากกัน การควบคุมข้อมูลที่ไม่มีโครงสร้างจะสร้างทรัพย์สินที่สามารถใช้ซ้ำได้ ทำให้การสร้างนวัตกรรมในอนาคตเร็วขึ้น ในขณะเดียวกันก็รักษาการควบคุมและความ遵守

การก้าวไปไกลกว่าวงจรการเกิดฮือฮา

ภาคการเงินอยู่ที่จุดเปลี่ยนสำคัญ AI มีศักยภาพที่ยิ่งใหญ่ แต่การบรรลุศักยภาพนั้นจำเป็นต้องมีมุมมองด้านข้อมูลเป็นหลัก การมุ่งเน้นในปัจจุบันเกี่ยวกับความเสี่ยงของการหลอกลวงและความลำเอียงของโมเดล แม้จะถูกต้อง แต่สามารถเบี่ยงเบนความสนใจไปจากประเด็นที่สำคัญกว่า: ไม่มีการปลดล็อกและจัดโครงสร้างข้อมูลที่ไม่มีโครงสร้างที่มีจำนวนมาก AI จะยังคงไม่บรรลุผลตามที่สัญญาไว้

การประมวลผลข้อมูลที่ไม่มีโครงสร้างเฉพาะด้านเป็นตัวอย่างของการผ่านทางที่ไม่ได้สร้างความฮือฮา แต่สร้างผลกระทบที่แท้จริงและยั่งยืน มันเป็นการเตือนให้เห็นว่าในอุตสาหกรรมที่มีการควบคุมด้านกฎระเบียบสูงและขึ้นอยู่กับข้อมูล เช่น ภาคการเงิน AI ที่เป็นประโยชน์ไม่ใช่เรื่องของการไล่ตามสิ่งใหม่ๆ แต่เป็นการใช้ประโยชน์จากสิ่งที่มีอยู่แล้วให้ดีขึ้น

เมื่อหน่วยงานกำกับดูแลยังคงเพิ่มการกำกับดูแล และบริษัทต่างๆ พยายามสร้างสมดุลระหว่างนวัตกรรมและจัดการความเสี่ยง ผู้ที่มุ่งเน้นไปที่การควบคุมข้อมูลจะอยู่ในตำแหน่งที่ดีที่สุดในการนำทาง อนาคตของ AI ในภาคการเงินจะไม่ได้ถูกกำหนดโดยใครที่มีโมเดลที่น่าประทับใจที่สุด แต่โดยใครที่สามารถปลดล็อกข้อมูลของตน นำ AI ไปใช้อย่างรับผิดชอบ และส่งมอบคุณค่าที่สม่ำเสมอในโลกที่ซับซ้อนและมีการควบคุมด้านกฎระเบียบ