Technologie wykorzystujące sztuczną inteligencję rozwijają się w zaskakująco szybkim tempie. Wiele branż stoi przed nowymi możliwościami, ale i wyzwaniami. Jednym z obszarów biznesu, w który właśnie wkracza AI, jest szeroko rozumiana bankowość. Przyjrzyjmy się zatem bliżej temu, jak generatywna sztuczna inteligencja wpływa na różne aspekty funkcjonowania sektora finansowego.
Co właściwie rozumiemy przez generatywną sztuczną inteligencję? Jest to technologia, która ma umiejętność generowania nowych danych. To właśnie ta możliwość generowania nowych danych spowodowała, że naukowcy, opierając się na niej, poprzez techniki transferu wiedzy, zbudowali modele generatywne do rozwiązywania skomplikowanych problemów z danej dziedziny. W przypadku generowania tekstów wykorzystuje się duże modele językowe i jest w stanie pisać oryginalne treści. Ważnym aspektem generatywnej AI jest też zdolność adaptacji. Systemy te mogą uczyć się na bieżąco, dostosowując się do nowych danych i zmieniających się warunków. Dzięki temu mogą poprawiać swoje działanie i generować coraz lepsze wyniki w miarę zdobywania nowej wiedzy. Największą popularność w tym obszarze zyskał GPT dzięki dostępności platformy ChatGPT, która umożliwiła „zwykłym” użytkownikom interakcje z takimi modelami.
Jak więc możemy wykorzystać generatywną AI w bankowości? Według raportu McKinsey & Company wydanego w czerwcu 2023 r., bankowość jest obszarem, na który generatywna sztuczna inteligencja ma prawie największy wpływ, obok high-techu, farmacji i branży medycznej. W pierwszej kolejności należy jednak zwrócić uwagę, że w bankowości generatywna sztuczna inteligencja znajduje zastosowanie w obsłudze klienta i tworzeniu oprogramowania. W bankowości jest zatem szansa na automatyzację i personalizację niektórych procesów, które dotąd należały do grupy problematycznych, np. związanych z zawiłością językową i komunikacją „pomiędzy wierszami”. Dzięki wykorzystaniu generatywnej sztucznej inteligencji i analizie ogromnych ilości danych, dostosowanie oferty finansowej do indywidualnych potrzeb i preferencji klientów staje się prostsze niż kiedykolwiek. Na podstawie analizy zachowań, historii transakcji, a także informacji demograficznych czy preferencji zakupowych, generatywna AI potrafi przewidywać, jakie produkty i usługi mogą zainteresować danego klienta. Wykorzystanie takich dobrze dobranych rekomendacji zwiększa satysfakcję z usług i zacieśnia relację klientów z bankiem. Zdobywanie lojalnych i przywiązanych klientów jest priorytetem większości organizacji, nie tylko tych bankowych.
Źródło: McKinsey & Company, The economic potential of generative AI: The next productivity frontier., Czerwiec 2023
Generatywna AI może przynieść także korzyści w obszarze automatyzacji procesów obsługi klienta. Dzięki generatywnej sztucznej inteligencji pracownicy banków mogą skupić się na bardziej strategicznych aspektach swojej pracy. Generatywna AI nie tylko wykonuje podstawowe, powtarzalne zadania administracyjne jak klasyczna AI, ale radzi sobie również z zadaniami wymagającymi umiejętności kognitywnych. Czynności takie jak uproszczenie odpowiedzi od klientów (tzw. prosty język), dekompozycja reklamacji oraz wniosków czy zaznaczanie ich najważniejszych elementów, dzięki genAI są wykonywane szybko i precyzyjnie. Przykładowo, wykorzystanie botów do obsługi klientów osiąga świetne wyniki. Odpowiedzi generowane przez sztuczną inteligencję oprócz merytorycznej analizy treści zgłoszenia są w stanie rozpoznać nastawienie klienta – czy jego opinia na temat banku jest pozytywna czy negatywna, czy klient jest spokojny czy zirytowany. Przy wprowadzeniu sztucznej inteligencji zapewniamy także stałą dostępność pomocy – czas pracy sztucznej inteligencji nie ogranicza się bowiem do 8 godzin dziennie. Na dłuższą metę wprowadzenie automatyzacji prowadzi przede wszystkim do zwiększenia efektywności pracy i, co za tym idzie, zadowolenia klienta z oferowanego mu poziomu obsługi. Należy jednak pamiętać, że AI w procesach bogatych w wiedzę to narzędzie, które najlepiej działa we współpracy z człowiekiem i ma funkcjonować jako wsparcie i ułatwienie dla niektórych procesów. Zatem asystowanie, inteligencja kolaboratywna, zespoły mieszane człowiek-AI oraz coboty to przykłady, w których GenAI przyniesie nam nie tylko oszczędności, ale też przede wszystkim maksymalizację wartości biznesowych.
Zwróćmy uwagę, że działalność banków obejmuje też analizę danych i zarządzanie ryzykiem. Duże ilości danych gromadzone przez banki mogą być skutecznie przetwarzane przez systemy wykorzystujące generatywną sztuczną inteligencję. Dzięki temu banki mogą szybciej reagować na zmieniające się warunki rynkowe, podejmować lepiej uargumentowane decyzje biznesowe oraz lepiej zarządzać ryzykiem.
Czym w takim razie sektor bankowy różni się od pozostałych i dlaczego wprowadzenie rozwiązań inteligentnych jest trudniejsze właśnie w bankach? Banki to instytucje objęte bardzo sprecyzowanymi regulacjami. Muszą one zapewnić odpowiednie ramy prawne i procesy monitorowania. Działalność generatywnej sztucznej inteligencji w tym obszarze musi być zatem jeszcze bardziej precyzyjna, a autonomiczność, np. podczas tworzenia odpowiedzi na zgłoszenia klientów, powinna być stale monitorowana. Ryzyko błędów lub dezinformacji w bankach ma olbrzymie znaczenie. Korzystając z usług bankowych, klient liczy przede wszystkim na bezpieczeństwo. Być może nadszedł czas na wprowadzenie regulacji ukierunkowanych na rozwój generatywnej sztucznej inteligencji w sektorze bankowym.
Wątpliwości pojawiają się też przy analizie zagadnień etycznych związanych z wykorzystaniem generatywnej sztucznej inteligencji. Obawy dotyczą przede wszystkim ochrony prywatności, bezpieczeństwa danych oraz potencjalnego wykorzystania tych danych w sposób nieodpowiedni lub niezgodny z oczekiwaniami klientów. Warto szukać odpowiedzi na pytania takie jak: Jakie jest nastawienie klientów do bycia obsługiwanym przez AI, a nie przez konsultanta? Jak bardzo sztuczna inteligencja musi być podobna do człowieka, aby klientom zapewnić najlepszą jakość obsługi i najwyższy komfort?
Dodatkowo, czynnikiem utrudniającym bankom współpracę z generatywną sztuczną inteligencją jest wykorzystanie przez AI dużych modeli językowych poprzez chmurę. Tajemnica bankowa sprawia, że banki często stronią od rozwiązań chmurowych. Trwają już oczywiście prace nad stworzeniem rozwiązań, które będą w pełni bezpieczne i modeli, które uruchamiane będą już w infrastrukturze bankowej.
Warto jednak zwrócić uwagę, że generatywna sztuczna inteligencja może stać się też narzędziem, które ułatwi zapewnienie wyższego poziomu bezpieczeństwa. Dzięki swoim wielozadaniowym cechom i umiejętności analizy danych w każdym języku i formacie, systemy genAI są w stanie wykrywać i identyfikować potencjalne zagrożenia w transakcjach finansowych. Mogą analizować duże ilości danych i wykrywać nieprawidłowości, które mogą wskazywać na próby oszustwa czy nieautoryzowane działania. Nie jest to jednak rozwiązanie samo w sobie. Sztuczną inteligencję można dodać do istniejących już rozwiązań i technologii.
Kluczowe jest zatem, aby banki podczas podejmowania działań mających na celu maksymalizację korzyści płynących z generatywnej sztucznej inteligencji jednocześnie minimalizowały ryzyko płynące z zastosowania takich rozwiązań. Poprzez większą przejrzystość, odpowiedzialność, współpracę z organami regulacyjnymi oraz regularne monitorowanie i audyt systemów AI, banki mogą budować zaufanie klientów i zapewnić skuteczne wykorzystanie tej technologii opartej na generatywnej sztucznej inteligencji. Możliwości tych technologii będą stale ewoluować, co za tym idzie, zwiększać się będzie też ich zastosowanie w takich obszarach biznesu jak bankowość. Ostatecznie, kluczem do sukcesu jest znalezienie równowagi między innowacją a odpowiedzialnym stosowaniem AI, tak aby przynosiła ona korzyści zarówno bankom, jak i ich klientom.
Data publikacji:
