อนาคตของ GenAI ในธนาคารและสถาบันการเงินระดับภูมิภาค

ในอดีต ธนาคารและสถาบันการเงินระดับภูมิภาคได้สร้างชื่อเสียงของตนเองผ่านความสัมพันธ์ส่วนบุคคลกับลูกค้า ตัวอย่างเช่น ไม่ใช่เรื่องแปลกที่คุณจะรู้จักชื่อของพนักงานธนาคารและชื่อลูกของพวกเขา และพวกเขาก็รู้จักชื่อลูกของคุณเช่นกัน ความสัมพันธ์ส่วนบุคคลเป็นลักษณะที่สำคัญของสถาบันการเงินขนาดเล็ก และเป็นปัจจัยที่ทำให้พวกเขาแตกต่างจากธนาคารขนาดใหญ่ การเปลี่ยนแปลงสู่การธนาคารดิจิทัลทำให้การสร้างความสัมพันธ์ส่วนบุคคลเป็นเรื่องที่ท้าทาย และทำให้ความแตกต่างนี้ลดลง สถาบันการเงินขนาดเล็กจึงต้องค้นหาวิธีใหม่ในการสร้างความแตกต่าง

นี่คือจุดเริ่มต้นของ ปัญญาประดิษฐ์สร้างสรรค์ (GenAI) ซึ่งเป็นหนึ่งในเทคโนโลยีปัญญาประดิษฐ์ที่ใช้โมเดลภาษาขนาดใหญ่ (LLMs) เพื่อเรียนรู้รูปแบบจากข้อมูลขนาดใหญ่ จากนั้นใช้รูปแบบเหล่านี้พร้อมกับคำแนะนำและคำสั่งจากมนุษย์เพื่อสร้างเนื้อหาที่เหมือนหรือเพิ่มคุณภาพของเนื้อหาที่มนุษย์สร้างขึ้น

รายงาน 2025 Retail Banking Trends and Priorities ที่เราได้รับการสนับสนุนในปีนี้พบว่า 80% ขององค์กรเชื่อว่าเอเจนต์ดิจิทัลจะพึ่งพาปัญญาประดิษฐ์สร้างสรรค์สำหรับการสื่อสารการตลาดส่วนบุคคลแบบเรียลไทม์ภายในปี 2030 และ 76% ของสถาบันการเงินเชื่อว่าสถาบันการเงินส่วนใหญ่จะใช้ GenAI ภายในปี 2030 เราเชื่อว่าเปอร์เซ็นต์ควรสูงกว่านี้ เนื่องจาก GenAI สามารถเพิ่มผลผลิตได้อย่างมาก ช่วยให้การตัดสินใจของมนุษย์ขับเคลื่อนด้วยข้อมูลได้ดีขึ้น ช่วยให้ประสบการณ์ลูกค้าดิจิทัลส่วนบุคคลดีขึ้น และเพิ่มผลกำไรได้อย่างมาก

เพิ่มขึ้นมากเพียงใด? ในปลายปี 2023 สถาบัน McKinsey Global Institute ประมาณการว่า GenAI อาจเพิ่มมูลค่าเทียบเท่ากับ 2.6 ล้านล้านดอลลาร์สหรัฐฯ ถึง 4.4 ล้านล้านดอลลาร์สหรัฐฯ ต่อปีในมูลค่าข้าม 63 กรณีการใช้งานที่วิเคราะห์ ในภาคอุตสาหกรรม ธนาคารคาดว่าจะมีโอกาสที่ใหญ่ที่สุด โดยมีศักยภาพในการส่งมอบมูลค่าใหม่ระหว่าง 200 ถึง 340 พันล้านดอลลาร์สหรัฐฯ ให้กับธนาคารปลีก — ส่วนใหญ่มาจากการเพิ่มผลผลิต

เร็วขึ้น ดีขึ้น สุขสบายขึ้น

มีความเข้าใจผิดที่ว่า AI จะเอางานของมนุษย์ไป แต่พลังของ GenAI คือการสร้างเนื้อหาตามข้อมูลและข้อมูลบวกคำแนะนำและคำสั่งจากมนุษย์ เป็นเครื่องมือที่ช่วยเสริมไม่ใช่เครื่องมือที่มาแทนที่

ปัจจุบัน GenAI ในธนาคารส่วนใหญ่ถูกใช้เพื่อทำให้กระบวนการทำงานซ้ำๆ หรือกระบวนการที่สำคัญเป็นอัตโนมัติ รวมถึงความปลอดภัย การให้กู้ยืม การตรวจจับฉ้อโกง และเพื่อมอบประสบการณ์บริการอัตโนมัติที่ดีขึ้น การให้ GenAI เข้ามาแทนที่งานที่น่าเบื่อและซ้ำๆ เหล่านี้ไม่เพียงแต่เพิ่มประสิทธิภาพและผลผลิตเท่านั้น แต่ยังช่วยให้พนักงานที่ทำงานเหล่านี้มีงานที่มีความหมายมากขึ้น ทำให้การทำงานของพวกเขาเป็นที่น่าพึงพอใจมากขึ้น

หนึ่งในวิธีที่ธนาคารและสถาบันการเงินระดับภูมิภาคสามารถสร้างความแตกต่างให้กับตัวเองได้คือการทำให้ประสบการณ์ธนาคารดิจิทัลของลูกค้าส่วนบุคคล โดยเฉพาะเทคโนโลยีนี้ช่วยให้เข้าใจลึกซึ้งเกี่ยวกับพฤติกรรมและความชอบของลูกค้า เพื่อช่วยให้สามารถคาดการณ์ความต้องการของพวกเขาได้ ดังนั้น ผลิตภัณฑ์และบริการที่ตอบสนองความต้องการเหล่านั้นจึงสามารถนำเสนอให้กับลูกค้าได้เหมือนกับที่ Netflix นำเสนอความบันเทิงที่คัดสรรมาให้กับลูกค้า และ Amazon นำเสนอความบันเทิงและผลิตภัณฑ์ให้กับลูกค้า — ตามพฤติกรรมและความชอบของลูกค้า

ในทำนองเดียวกัน การรวบรวมข้อมูลและวิเคราะห์ข้อมูลที่ลึกซึ้งด้วย GenAI ช่วยให้สามารถสร้างเนื้อหาที่เป็นส่วนตัวได้ โดยที่ลูกค้าแต่ละคนจะเห็นเนื้อหาที่เกี่ยวข้องกับพวกเขาเท่านั้น (รวมถึงแคมเปญการตลาด) ในช่วงเวลาที่เหมาะสมในชีวิตของพวกเขา ไม่มีเหตุผลที่จะให้ผู้หญิงวัยกลางคนซึ่งเป็นเจ้าของบ้านและมีรายได้ดีและคะแนนเครดิตที่ดีเห็นเนื้อหาที่เหมือนกันกับบัณฑิตใหม่ที่พยายามชำระหนี้นักศึกษาและยังฝันอยากจะเป็นเจ้าของบ้าน

สัมผัสของมนุษย์

การมีส่วนร่วมของการตัดสินใจและกำกับดูแลของมนุษย์เป็นเรื่องสำคัญในการสร้างโซลูชัน GenAI สำหรับธนาคาร สูตรของเราในการรวม GenAI ที่ประสบความสำเร็จคือการเริ่มต้นด้วยโมเดลการเรียนรู้ลึกที่ได้รับการฝึกฝนเฉพาะบนเซตข้อมูลธนาคารขนาดใหญ่ โมเดลเหล่านี้ซึ่งได้รับการฝึกฝนให้เรียนรู้รูปแบบและโครงสร้างของภาษามนุษย์ จากนั้นสร้างคำตอบที่เป็นธรรมชาติให้กับคำถามหรือคำสั่งของผู้ใช้ การมีส่วนร่วมของมนุษย์เป็นเรื่องสำคัญเพื่อให้แน่ใจว่าคำตอบที่สร้างโดย AI เป็นคำตอบที่ถูกต้องและเป็นไปตามมาตรฐานทางจริยธรรม การปฏิบัติตามกฎระเบียบ และความต้องการของลูกค้า — ในขณะเดียวกันก็ลดความเสี่ยงและอคติที่อาจเกิดขึ้น

เทคโนโลยีแห่งอนาคต วันนี้

ศักยภาพของ GenAI ในการเปลี่ยนแปลงธนาคารและสถาบันการเงินระดับภูมิภาคนั้นไม่มีขอบเขต ธนาคารที่ประสบความสำเร็จในการรวมเทคโนโลยีนี้เข้าด้วยกันจะเป็นธนาคารที่เริ่มวางแผนสำหรับอนาคตในขณะเดียวกันก็ลงทุนในแอปพลิเคชันที่มีศักยภาพสูงและความเสี่ยงต่ำในปัจจุบัน

นี่คือสี่วิธีที่เราเห็น GenAI มีผลกระทบอย่างมีนัยสำคัญในด้านการธนาคาร

การขับเคลื่อนการเติบโตเชิงกลยุทธ์

รายงานของ McKinsey คำนวณว่าธนาคารพาณิชย์และธนาคารปลีกจะได้รับประโยชน์มากที่สุดจากการใช้ GenAI อย่างถูกต้อง ในด้านธนาคารพาณิชย์ โอกาสที่สูงที่สุดคือการตัดสินใจของมนุษย์ที่ได้รับการปรับปรุงโดย GenAI การประเมินความเสี่ยงแบบอัตโนมัติ และการเพิ่มประสิทธิภาพการดำเนินงานผ่านการทำให้เป็นอัตโนมัติ ธนาคารปลีกจะได้รับประโยชน์จากประสบการณ์ธนาคารที่เป็นส่วนตัว การบริการลูกค้าที่ดีขึ้น และนวัตกรรมทางการตลาด

การเพิ่มประสิทธิภาพการดำเนินงาน

ในรายงานเกี่ยวกับแนวโน้มธนาคารที่สำคัญที่สุดในปี 2023 Accenture ระบุว่าธนาคารเป็นอุตสาหกรรมที่มีแนวโน้มที่จะ受到ผลกระทบจาก GenAI มากที่สุด และมีศักยภาพในการเพิ่มผลผลิตมากที่สุดด้วยเทคโนโลยีนี้ โดย 34% ของกระบวนการทำงานในปัจจุบันสามารถปรับปรุงได้ด้วย GenAI นอกจากนี้ยังพบว่าสถาบันการเงินที่ใช้ GenAI สามารถปรับปรุงผลผลิตได้มากถึง 30%

แต่แม้ว่า GenAI จะมีศักยภาพในการปรับปรุงประสิทธิภาพ แต่ความเชี่ยวชาญของมนุษย์ยังคงเป็นกุญแจสำคัญสู่ความสำเร็จ โดยใช้ความรู้ด้านธนาคารที่เฉพาะเจาะจง ทีมภายในสามารถฝึกโมเดลให้ถูกต้องและประเมินความซับซ้อนที่มนุษย์สามารถทำได้ แต่สามารถปรับขนาดได้เร็วขึ้นและถึงระดับที่มนุษย์ไม่สามารถทำได้

การสร้างความเท่าเทียมกันระหว่างสถาบันการเงินขนาดใหญ่และขนาดเล็ก

เราได้เห็นหลายวิธีที่ GenAI สามารถช่วยธนาคารและสถาบันการเงินระดับภูมิภาคได้ รวมถึงการเพิ่มผลผลิตและทำให้ประสบการณ์ของลูกค้าส่วนบุคคลดีขึ้น เป็นสัญญาณที่ดีที่นักธนาคารที่มีความเสี่ยงต่ำกำลับรับรู้ถึงประโยชน์มากมายของ GenAI โดยมีอัตราการนำร่องที่เพิ่มขึ้น แต่ยังคงมีสถาบันการเงินระดับภูมิภาคหลายแห่งที่ลังเลที่จะเข้าร่วม

ในขณะที่พวกเขาลังเล ธนาคารขนาดใหญ่กำลังเคลื่อนไหว และพวกเขากำลังเพียงแต่ขีดข่วนบนพื้นผิวของพลังของ GenAI ผู้ที่ยังคงระมัดระวังมากเกินไปจะถูกทิ้งไว้ข้างหลัง สิ่งสำคัญที่ต้องจำคือเครื่องมือ GenAI สามารถถูกปิดล้อม เชื่อมต่อกับข้อมูลที่เป็นกรรมสิทธิ์ และเก็บไว้ภายใน

การนำเสนอความฉลาดร่วมกัน

ความฉลาดร่วมกันเกิดขึ้นเมื่อบุคคลและกลุ่มทำงานร่วมกัน ส่วนประกอบอาจรวมถึงการตัดสินใจของกลุ่ม การก่อตัวของข้อตกลง การสร้างความคิดจากแหล่งต่างๆ และแรงจูงใจจากการแข่งขัน ในแบบดั้งเดิม การใช้ความฉลาดร่วมกันทำได้โดยการบันทึกความรู้ของสถาบันและแบ่งปันผ่านการฝึกอบรมและประสบการณ์ในการทำงาน GenAI เพิ่มประโยชน์ของความฉลาดร่วมกัน — ได้อย่างง่ายดายและในเวลาเดียวกัน

การนำร่องและการบูรณาการ GenAI ที่ประสบความสำเร็จในธนาคารและสถาบันการเงินระดับภูมิภาคต้องใช้โมเดลภาษาขนาดใหญ่ที่ได้รับการฝึกฝนเฉพาะบนข้อมูลธนาคารและความรู้อุตสาหกรรมที่ลึกซึ้ง แต่สิ่งสำคัญที่สุดคือการทำงานร่วมกันและกำกับดูแลของมนุษย์ จำไว้ว่า GenAI เป็นเครื่องมือที่ช่วยเสริม ไม่ใช่เครื่องมือที่มาแทนที่