การรีเซ็ต AI ในการธนาคาร: จากความฮือฮาไปสู่ ROI

หลังจากที่มีการลงทุนหนักๆ ใน AI มาหลายปีแล้ว ธนาคารต่างๆ ก็เริ่มถามคำถามที่แตกต่างออกไป ไม่ใช่สิ่งที่ AI สามารถทำได้ แต่ทำไมจึงมีน้อยมากที่สามารถส่งผลกระทบต่อธุรกิจที่วัดได้จริงทั่วทั้งอุตสาหกรรม การมุ่งเน้นกำลังเปลี่ยนจากศักยภาพทางทฤษฎีของ AI ไปเป็นผลกระทบทางธุรกิจที่แท้จริง และสำหรับหลายๆ ธนาคาร ผลลัพธ์ยังคงไม่ดีนักจนถึงตอนนี้

การ “รีเซ็ต AI” สะท้อนถึงการเปลี่ยนแปลงที่กว้างขึ้นใน cáchที่ธนาคารกำลังเข้าใกล้ AI – การย้ายออกจากช่วงการทดลองและเน้นการสร้างโซลูชันที่ส่งผลลัพธ์ที่แท้จริงและวัดได้

เมื่อทดลองไม่ได้ผลกระทบ

คลื่นแรกของการนำ AI มาใช้นั้นถูกขับเคลื่อนด้วยความกระตือรือร้น เนื่องจากผู้บริหารได้สำรวจกรณีการใช้งานทั่วทั้งการบริการลูกค้า การให้กู้ยืม การปฏิบัติตามกฎระเบียบ และการดำเนินงาน แม้ว่าการนวตกรรมและการลงทุนจะสูง แต่การแปลเป็นผลกระทบการดำเนินงานที่วัดได้จริงนั้นถูกจำกัด

เมื่อเวลาผ่านไป รูปแบบหนึ่งกลายเป็นชัดเจน ทีมงานสร้างตัวนำที่แข็งแกร่ง แต่โซลูชันเหล่านั้นยังคงไม่เชื่อมต่อกับกระบวนการทำงานประจำวัน การรวมเข้ากับระบบเก่ากว่านั้นซับซ้อนกว่าที่คาดไว้ ข้อมูลไม่สอดคล้องกัน และการเป็นเจ้าของระหว่างทีมธุรกิจและเทคโนโลยียังคงกระจัดกระจาย ในหลายกรณี ปัญหาไม่ใช่ตัวโซลูชัน AI เอง แต่ความไม่สามารถรวมเข้ากับระบบและกระบวนการที่มีอยู่

ตัวอย่างเช่น ธนาคารอาจสร้างโมเดล AI เพื่อสนับสนุนการตัดสินใจเครดิต แต่ถ้าเอาต์พุตไม่ได้รวมเข้ากับกระบวนการให้กู้ยืมเงินโดยรวม ทีมงานก็ยังคงใช้เวลาในการทบทวน ตรวจสอบ และทำธุรกรรมกับเอาต์พุตมากกว่าที่จะเน้นไปที่การวิเคราะห์และกิจกรรมที่ขับเคลื่อนด้วยข้อมูลที่มีค่ามากขึ้น ผลลัพธ์คือมีกิจกรรมมากขึ้น แต่ไม่จำเป็นต้องดีขึ้นหรือมีประสิทธิภาพมากกว่าการตัดสินใจเครดิต

ประสบการณ์ได้พิสูจน์แล้วว่าการสร้างความสามารถ AI และการส่งมอบคุณค่าทางธุรกิจไม่ใช่สิ่งเดียวกัน ความสำเร็จมักถูกวัดผ่านเมตริกการทำธุรกรรม เช่น จำนวนกรณีการใช้งานที่เปิดตัวหรือกระบวนการที่ถูกอัตโนมัติ การมุ่งเน้นต้องเปลี่ยนไปสู่การขับเคลื่อนผลลัพธ์ทางธุรกิจที่ดีขึ้น เช่น การตัดสินใจเครดิตที่ดีขึ้น การเปิดบัญชาผู้ขายที่เร็วขึ้น การลดต้นทุนการปฏิบัติตามกฎระเบียบหรือการประมวลผลเงินกู้ และสุดท้ายคือการปรับปรุงรายได้มากขึ้น

การเข้าใกล้ที่มีระเบียบวินัยมากขึ้นกำลังเกิดขึ้น

ผู้นำกำลังเลือกอย่างมีระเบียบวินัยมากขึ้น โดยเน้นไปที่กรณีการใช้งานเฉพาะโดเมนที่มีผลกระทบและวัดผลได้ชัดเจน ฟังก์ชันต่างๆ เช่น การฉ้อโกง การรู้จักลูกค้า (KYC) การเก็บหนี้สิน และการตัดสินใจเครดิตกำลังเกิดขึ้นเป็นลำดับความสำคัญเพราะพวกมันรวมกันระหว่างปริมาณสูง กระบวนการที่มีโครงสร้าง และผลลัพธ์ที่กำหนดไว้ซึ่งมีความหมายทางธุรกิจที่สำคัญ

โปรแกรม AI กำลังถูกกำหนดใหม่ด้วยความท้าทายทางธุรกิจอยู่ที่ใจกลางของการอภิปราย จุดเริ่มต้นคือปัญหาทางธุรกิจ: ที่ไหนมีประสิทธิภาพต่ำ ที่ไหนสามารถมีการวิเคราะห์และข้อมูลลึกได้มากขึ้น ที่ไหนการตัดสินใจชะลอการดำเนินงาน ที่ไหนความเสี่ยงไม่ได้รับการจัดการอย่างมีประสิทธิภาพ

AI เป็นตัวช่วยให้เกิดผลลัพธ์

ข้อมูลได้เปลี่ยนจากความกังวลในพื้นหลังไปเป็นลำดับความสำคัญเชิงกลยุทธ์ โดยไม่มีข้อมูลที่สะอาด สอดคล้อง และมีการจัดการที่ดี แม้แต่โมเดล AI ที่ทันสมัยที่สุดก็ยากที่จะส่งผลลัพธ์ที่มีความหมาย

สำหรับสถาบันการเงินหลายแห่ง การค้นหาวิธีปลดล็อกคุณค่าจากสภาพแวดล้อมที่มีอยู่ผ่าน API มิดเดิลแวร์ และโครงสร้างข้อมูลที่ดีกว่านั้นได้รับการจัดลำดับความสำคัญมากกว่าการแทนที่แก่นกลางทั้งหมด ซึ่งมักจะ耗เวลาและเสี่ยง ในการก้าวหน้า AI ต้องถูกฝังอยู่ในกระบวนการทำงานประจำวัน ไม่ใช่การนำมาใช้เป็นเครื่องมือหรือแดชบอร์ดที่คนงานต้องทำงานรอบๆ

เมื่อฐานรากเหล่านี้เริ่มเข้าที่ ธนาคารเริ่มเห็นตัวอย่างที่ชัดเจนของ AI ที่ส่งผลลัพธ์ที่แท้จริง

ในการเปิดบัญชี KYC การประมวลผลเอกสารและการตัดสินใจโดย AI ได้ลดระยะเวลาการเปิดบัญชีและปรับปรุงความแม่นยำอย่างมีนัยสำคัญ โดยการเป็นพันธมิตรด้านการเปลี่ยนแปลงดิจิทัลที่นำโดเมนมาใช้ ธนาคารชั้นนำในเอเชียสามารถลดเวลาเปิดบัญชี KYC ลง 50% อัตราความผิดพลาด 67% และเวลาการจัดการมากกว่าครึ่งหนึ่ง นอกจากนี้ ต้นทุนการดำเนินงานลดลง 15% และระดับความแม่นยำดีขึ้นถึง 96%

ความแตกต่างนี้ไม่ได้ทำโดยเทคโนโลยีเพียงอย่างเดียว แต่โดยการเข้าใกล้กระบวนการแทนการวาง AI บนกระบวนการทำงานที่มีอยู่ กระบวนการถูกออกแบบใหม่จากจุดเริ่มต้นจนจบ นี่คือที่ที่ธนาคารกำลังหันเหความสนใจไป

การเปลี่ยนแปลงที่คล้ายกันกำลังเกิดขึ้นในเรื่องการกระทำผิดทาง tài chính โดยปกติแล้ว ความพยายามส่วนใหญ่จะอยู่ในเชิงรับ โดยเน้นไปที่การสอบสวนการแจ้งเตือนหลังเกิดเหตุการณ์ ธนาคารกำลังใช้ AI เพื่อระบุรูปแบบ การคาดการณ์การฉ้อโกง และลดความเสี่ยง การเปลี่ยนแปลงนี้จากเชิงรับเป็นเชิงรุกคือที่ที่ AI สร้างคุณค่าจริง

การดูแลของมนุษย์กำลังพัฒนา ไม่ใช่ลดลง

ในอุตสาหกรรมบริการทางการเงินที่มีการควบคุมอย่างเข้มงวด การตัดสินใจมีผลกระทบทางการเงินและชื่อเสียงที่สำคัญ ผู้กำกับดูแลคาดหวังความโปร่งใสและความรับผิดชอบ ซึ่งหมายความว่าการดูแลของมนุษย์ยังคงจำเป็น

เมื่อ AI เข้ามาแทนที่งานซ้ำๆ และตามกฎ มนุษย์กำลังเปลี่ยนไปสู่การรับมือกับข้อยกเว้น การตัดสินใจที่ซับซ้อน และการดูแล แทนที่จะประมวลผลธุรกรรม ทีมงานกำลังเน้นไปที่การทบทวนเอาต์พุต การจัดการกรณีชายขอบ การรับรองคุณภาพ และการลดความเสี่ยง

ในทางปฏิบัติ หมายความว่า AI จัดการงานประจำและน่าเบื่อ ในขณะที่คนยังคงรับผิดชอบต่อผลลัพธ์สุดท้าย การเน้นย้ายจากงานตามปริมาณไปสู่ผลลัพธ์ที่ดีขึ้นด้วยคุณภาพการตัดสินใจ การควบคุม และความมั่นใจด้านกฎระเบียบ

การกำกับดูแลเป็นศูนย์กลางของระบบนิเวศดิจิทัล

เมื่อโมเดล AI ถูกนำไปใช้ขนาดใหญ่ พวกมันต้องถูกติดตาม ตรวจสอบ และปรับปรุงอย่างต่อเนื่อง คำถามเกี่ยวกับการอธิบาย ความเอนเอียง และการปฏิบัติตามกฎระเบียบไม่ใช่ความกังวลรอง แต่เป็นศูนย์กลางของวิธีการประเมินระบบเหล่านี้

การเป็นเจ้าของกำลังขยายออกไปนอก IT โดยทีมงานธุรกิจ ความเสี่ยง และการปฏิบัติตามกฎระเบียบมีบทบาทที่มีประสิทธิภาพมากขึ้นในการนำ AI ไปใช้และกำกับดูแล โดยไม่มีการกำกับดูแลที่เข้มแข็ง ความไว้วางใจในการตัดสินใจที่ขับเคลื่อนด้วย AI จะยากที่จะรักษาไว้ได้ องค์กรที่ก้าวหน้ามากที่สุดกำลังรักษาการกำกับดูแล ความสามารถในการอธิบาย และการตรวจสอบเป็นข้อกำหนดในการออกแบบ ไม่ใช่เรื่องรองจากการดำเนินการ

สิ่งที่จะทำให้ผู้นำแยกออกจากคนอื่น

สถาบันที่จะก้าวหน้าจะเป็นผู้ที่ยังคงมุ่งเน้น – จัดลำดับความสำคัญของกรณีการใช้งานที่มีผลกระทบสูง มีการออกแบบกระบวนการใหม่เพื่อใช้ AI ได้ดีขึ้น ปรับปรุงรากฐานข้อมูล และสร้างการกำกับดูแลตั้งแต่เริ่มต้น

ผู้อื่นอาจยังคงทดลอง แต่โดยไม่มีวินัยที่มุ่งเน้น จะยากที่จะแปลความพยายามเป็นผลลัพธ์

สิ่งที่จะเกิดขึ้นต่อไป

หากช่วงไม่กี่ปีที่ผ่านมาเป็นเรื่องการสำรวจศักยภาพของ AI ช่วงต่อไปจะถูกกำหนดโดยผลกระทบต่อการดำเนินงานธนาคารประจำวัน

การอภิปรายกำลังเปลี่ยนจากการอัตโนมัติแบบพื้นฐานไปสู่ระบบที่ซับซ้อนและอัตโนมัติมากขึ้น ซึ่งสามารถจัดการกระบวนการหลายขั้นตอนและตัดสินใจตามบริบท เราได้เห็นการอัปเกรดนี้แล้วในเรื่องการกระทำผิดทาง tài chính เครดิต และการบริการ – และขั้นตอนต่อไปคือการเน้นไปที่การขยายขนาด

โดยส่วนใหญ่ การขยายขนาดที่มีประสิทธิภาพขึ้นอยู่กับการทราบว่าความอิสระมีความหมายใน đâu และการแทรกแซงเป็นสิ่งจำเป็น

ในกระบวนการที่มีความเสี่ยงต่ำและมีปริมาณมาก มี空间ในการทดสอบการตัดสินใจอัตโนมัติ ในพื้นที่ที่มีความเสี่ยงสูง การตัดสินใจของ AI อาจส่งผลลัพธ์ขั้นตอนแรก แต่ข้อมูลเชิงลึกและความดูแลของมนุษย์ยังคงจำเป็น ความสมดุลนี้จะถูกกำหนดโดยความอยากอาหารความเสี่ยง การคาดหวังด้านกฎระเบียบ และว่าเศรษฐศาสตร์มีเหตุผลหรือไม่

ความสามารถในการขยายขนาดที่มีประสิทธิภาพในขณะเดียวกันก็แสดงให้เห็นถึงผลกระทบทางธุรกิจที่วัดได้ คือวิธีที่ผู้นำจะแยกออกจากคนอื่น สถาบันที่ทำสิ่งนี้ได้จะยังคงมุ่งเน้นไปที่ผลลัพธ์ทางธุรกิจที่ชัดเจน ลงทุนในการเสริมสร้างรากฐานข้อมูล และสร้าง AI เข้ากับกระบวนการหลัก ไม่ใช่การรักษาไว้เป็นเครื่องมืออิสระ นอกจากนี้ พวกเขายังจะวางการกำกับดูแลที่เหมาะสมเพื่อติดตามและปรับปรุงการทำงานของระบบเหล่านี้อย่างต่อเนื่อง

AI ในธนาคารมาอยู่แล้ว แต่ไม่ใช่แค่การนำเทคโนโลยีที่ทันสมัยมาใช้ แต่เป็นวิธีการที่เทคโนโลยีนั้นปรับปรุงการตัดสินใจ ลดความซับซ้อน และส่งมอบคุณค่าในโลกแห่งความเป็นจริง