Найбільша можливість AI у фінансах не полягає в нових моделях – а в розблокуванні старих даних

Як штучний інтелект продовжує свій швидкий розвиток у різних галузях, фінансові установи знаходяться на розі доріг. Зазначаючи бажання скористатися потенціалом AI, але побоюючись зростаючої регуляторної уваги, багато інститутів виявляють, що шлях до інновацій значно складніший, ніж очікувалося. Останні заголовки висвітлюють ризики, такі як галюцинації AI, зміщення моделі та не透оке прийняття рішень – питання, які регулятори все частіше намагаються вирішити.

Але за шумом гіпери генеративного AI та проблемами з дотриманням вимог лежить більш практична, недооцінена можливість. Успіх з AI не залежить від побудови більших моделей, а від надання їм правильних та специфічних для галузі даних для ефективної роботи. Фінансові установи сидять на горах неструктурованих даних, закритих у контрактах, заявах, роз’ясненнях, електронних листах та старих системах. До тих пір, поки ці дані не будуть розблоковані та зроблені придатними для використання, AI буде продовжувати не виправдовувати своїх обіцянок у фінансовому секторі.

Прихована проблема: трильйони, заблоковані в неструктурованих даних

Фінансові установи щоденно генерують та керують приголомшливими об’ємами даних. Однак, оцінюється, що 80-90% цих даних є неструктурованими, закритими в контрактах, електронних листах, роз’ясненнях, звітах та комунікаціях. На відміну від структурованих наборів даних, які організовані в базах даних, неструктуровані дані є заплутаними, різноманітними та важкими для обробки в масштабі за допомогою традиційних методів.

Це представляє критичну проблему. Системи AI є такими ж хорошими, як дані, які їм надають. Без доступу до чистих, контекстних та надійних відомостей навіть найрозвинутіші моделі ризикують надавати неточну або вводючу в оману інформацію. Це особливо проблематично у фінансових послугах, де точність, прозорість та дотримання вимог регулювання є непорушними.

Як фірми спішать приймати AI, багато з них виявляють, що їхні найцінніші дані залишаються заблокованими в застарілих системах та ізольованих репозиторіях. Розблокування цих даних вже не є проблемою бек-офісу – це центральне для успіху AI.

Регуляторний тиск та ризик поспішного прийняття AI

Регулятори у всьому світі почали загострювати свою увагу на використанні AI у фінансових послугах. Обставини щодо галюцинацій та прозорості, коли моделі AI генерують правдоподібну, але неправильну інформацію без належної відстежуваності, зростають. Зміщення моделі та відсутність пояснюваності ще більше ускладнюють прийняття, особливо в таких областях, як кредитування, оцінка ризику та дотримання вимог, де не透оке прийняття рішень може привести до юридичної відповідальності та ушкодження репутації.

Опитування показують, що більше 80% фінансових інститутів називають проблеми надійності даних та пояснюваності основними чинниками, які сповільнюють їхні ініціативи AI. Страх перед непередбачуваними наслідками, поєднаний із загостренням нагляду, створив обережну атмосферу. Фірми під тиском інновувати, але побоюються потрапити під дію регуляторів або розгортати системи AI, які не можуть бути повністю довірені.

У цій атмосфері переслідування загальних рішень AI або експерименти з готовими LLM часто призводять до зупинки проектів, марних інвестицій або навіть гірше – систем, які посилюють ризик, а не пом’якшують його.

Зміна до домен-специфічного, даних-орієнтованого AI

Прорив, якого потребує галузь, не полягає в іншій моделі. Це зміна фокусу від побудови моделей до освоєння даних. Домен-специфічна обробка неструктурованих даних пропонує більш грунтовний підхід до AI у фінансових послугах. Замість того, щоб покладатися на загальні моделі, навчені на широких інтернет-даних, цей метод підкреслює витягування, структуризацію та контекстуалізацію унікальних даних, які фінансові установи вже володіють.

Відповідно до використання AI, призначеного для розуміння нюансів фінансової мови, документації та робочих процесів, фірми можуть перетворити раніше недоступні дані на дієву розвідку. Це дозволяє автоматизацію, інсайти та підтримку рішень, заснованих на власних надійних відомостях установи, а не на зовнішніх наборах даних, схильних до неточностей або нерелевантності.

Цей підхід забезпечує негайну віддачу від інвестицій, покращуючи ефективність та знижуючи ризик, а також відповідає регуляторним очікуванням. Будуючи системи з чіткими та відстежуваними потоками даних, організації здобувають прозорість та пояснюваність, необхідні для подолання двох найбільших проблем у прийнятті AI сьогодні

AI забезпечує реальні результати у фінансовому світі

Хоча більша частина розмов про AI залишається зосередженою на блискучих інноваціях, домен-специфічна обробка неструктурованих даних вже трансформує операції за лаштунками у деяких з найбільших банків та фінансових інститутів світу. Ці організації використовують AI не для заміни людського експертного знання, а для його доповнення, автоматизації витягування критичних термінів з контрактів, виділення ризиків у роз’ясненнях або оптимізації аналізу клієнтських комунікацій.

Наприклад, фундаментальний аналіз фінансових звітів є основною функцією у фінансових послугах, але аналітики часто витрачають безліч годин на навігацію у варіативності кожного звіту та розшифрування нотаток аудитора. Фірми, які використовують рішення AI, такі як наше, скоротили час обробки на 60%, дозволяючи командам зосередитися на стратегічному прийнятті рішень.

Вплив є відчутним. Ручні процеси, які раніше займали дні або тижні, тепер завершуються за хвилини. Команди з управління ризиками здобувають раніше видимість потенційних проблем. Відділи з дотримання вимог можуть реагувати швидше та з більшою впевненістю під час аудитів або регуляторних оглядів. Ці реалізації AI не вимагають від фірм грати на невідомих моделях. Вони будуються на існуючих даних, покращуючи те, що вже існує.

Цей практичний підхід до AI різко контрастує з методами проб та помилок, загальних у багатьох проектах генеративного AI. Замість того, щоб гнатися за останніми технологічними трендами, він зосереджується на вирішенні реальних бізнес-проблем з точністю та сенсом.

Деризикація AI: Що CTO та регулятори пропускають

У поспішному прийнятті AI багато лідерів фінансових послуг – та навіть регуляторів – можуть зосереджуватися надто багато на шарі моделі та недостатньо на шарі даних. Притягальність розвинутих алгоритмів часто затуляє фундаментальну правду, що результати AI диктуються якістю, актуальністю та структурою даних.

Віддавання пріоритету домен-специфічній обробці даних дозволяє інститутам деризикувати ініціативи AI з самого початку. Це означає інвестування у технології та框и, які можуть інтелектуально обробляти неструктуровані дані в контексті фінансових послуг, забезпечуючи, що виходи не лише точні, а й пояснювані та аудитовані.

Цей підхід також позиціонує фірми для більш ефективного масштабування AI. Як тільки неструктуровані дані перетворюються у придатні для використання формати, вони стають повторно використовуваним активом, прискорюючи майбутні інновації, одночасно зберігаючи контроль та дотримання вимог.

Перехід за межі гіп-циклу

Галузь фінансових послуг знаходиться на критичному етапі. AI пропонує величезний потенціал, але реалізація цього потенціалу вимагає дисциплінованого, даних-орієнтованого мислення. Поточна увага до ризиків галюцинацій та зміщення моделі, хоча й доречна, може відволікати від більш нагальної проблеми: без розблокування та структуризації величезних запасів неструктурованих даних ініціативи AI продовжуватимуть недооцінюватися.

Домен-специфічна обробка неструктурованих даних представляє той прорив, який не робить сенсаційних заголовків, але забезпечує вимірюваний, сталій вплив. Це нагадування про те, що у високорегульованих, даних-інтенсивних галузях, таких як фінансові послуги, практичний AI не полягає у гонитві за наступною великою річчю. Це про те, щоб зробити краще використання того, що вже є.

Як регулятори продовжують загострювати нагляд, а фірми шукають баланс між інноваціями та управлінням ризиками, ті, хто зосереджується на освоєнні даних, будуть найкраще позиціоновані для лідерства. Майбутнє AI у фінансових послугах не буде визначено тим, хто має найяскравішу модель, а тим, хто зможе розблокувати свої дані, розгорнути AI відповідально та забезпечити сталу цінність у складному, орієнтованому на дотримання вимог світі.