金融机构的生成式人工智能路线图

rubaiyatjahan12

在短短十年内，人工智能(AI) 已从一个有前途的研究课题转变为新工业革命中心的一项易于使用的关键技术。人工智能正在重塑整个行业的基本流程和功能，从药物开发和航班调度到供应链优化和医学成像。人工智能不再是未来的概念，而是当今的游戏规则改变者。果断地、战略性地利用人工智能推进的公司将在其行业内获得显着的持久优势。 这一点在金融领域最为明显。人工智能以数据为基础，银行和其他多线金融机构 (FI) 掌握着大量、高质量、以客户为中心的数据金矿。特别是，银行客户群的精细交易数据可以提供对行为、偏好、需求和风险的精确、广泛的洞察，这是其他行业数据集无法做到的。（参见图表 1。）例如，在零售银行业务中，利用人工智能根据客户需求和行为预测和定制未来产品正在迅速成为许多银行市场的赌注。 生成式人工智能（GenAI）的兴起丰富了更广泛的人工智能工具包，加速了金融机构利用人工智能创造新价值的机会。GenAI 模型能够用简单的语言消化（理解）和生成（对话），使 AI 功能更容易被普遍使用，从而将 AI 资产的覆盖范围扩展到整个组织的非技术用户。 FI高管应以这一技术新阶段的到来为契机，致力于将人工智能和GenAI作为行业未来方向的关键驱动力。 在本文中，我们为这一旅程制定了路线图，从将 GenAI 集成到现有框架中，到通过完整的人工智能转型重新构想传统操作。在快速变化的人工智能领域，建立坚定的人才战略与熟练应对治理和监管的挑战同样重要。

由于技术每天都在进步，因此对于塑造未来的金融领导者来说，具有前瞻性的人工智能愿景至关重要。 将 GenAI 纳入您的路线图 媒体头条往往对 GenAI 进行夸大且往往不准确的关注。由此产生的炒作和混乱让许多高管质疑 GenAI 是否会让他们现有的人工智能战略和计划变得过时。明确的答案是否定的。事实上，恰恰相反，GenAI 补充了已经嵌入现有金融策略中的人工智能。 金融领域的许多人非正式地使用人工智能一词来指代专注于预测决策模型的人工智能技术的子集。（参见图表 2。）在过去的十年中，这种形式的人工智能在金融机构中脱颖而出，主要是因为它解决了对银行和保险业至关重要的各种预测 丹麦手机号码数据 和分类挑战，例如风险监控、最优定价和产品倾向建模。我们将这种形式的人工智能称为预测人工智能。 GenAI 和预测人工智能都是强大的工具，但它们的用途根本不同。因此，使用它们不是一个非此即彼的问题。银行的人工智能战略需要将两者纳入其中，以不同的方式利用各自的优势。 思考预测人工智能和生成人工智能如何相互补充的一种方法是建立人脑的两半模型。（参见图表 3。）预测人工智能相当于大脑的左侧，专门用于逻辑、测量和计算。左脑包含分配概率、对结果进行分类和支持决策的算法。就其本身而言，GenAI 充当右脑，擅长创造力、表达力和整体视角，这些技能是在自动聊天中生成听起来像人类的响应所需的技能。 GenAI 并没有否定现有人工智能策略的基本原理，而是添加了一套新的技能。



导者应该关注并考虑 GenAI 如何通过为人工智能驱动的影响力开辟新的机会来增强和扩展他们当前的人工智能方法。 许多人最初可能会将银行和保险领域的 GenAI 与客户服务聊天机器人联系起来，但该技术的多功能性远远超出了这些应用程序，涵盖了自动化财务分析和人工智能辅助代码开发等任务。许多全球银行正在探索 GenAI 模型（内部构建或作为服务采购）的此类用途，高盛、德意志银行、美国运通和富国银行等行业巨头已经开始使用他们的解决方案。 在考虑 GenAI 的新机遇以及现有的预测性人工智能驱动解决方案时，领导者应该记住，经过充分验证的潜在人工智能应用程序现在几乎涵盖了金融工作流程的各个方面，从面向客户的角色到后端操作。（参见图表 4。） 为了充分利用这些新的 GenAI 机会，金融机构必须改进其识别、优先排序和孵化计划的方法，这些计划可能对价值生成、客户和员工以及质量产生最大的积极影响。领导者有两条指导原则：清楚人工智能的优点和缺点，并采取严格的方法进行人工智能实验。 人工智能能力的边界 与任何工具一样，在合适的应用程序中使用人工智能非常重要。例如，就预测人工智能而言，当面对简单的信用卡应用程序时，基于机器学习的信用风险评分系统将比大多数人做出更好的贷款决策。但如果任务是评估涉及复杂结构性金融交易的贷款，其中每个应用程序都是独一无二的，那么最好让人类来决定。 GenAI 也是如此。BCG 亨德森研究所最近与顶尖学者合作进行的一项研究发现，GenAI 擅长创造性产品创新等任务，而人类在这些领域改进或增强模型输出的努力往往会适得其反，并导致更糟糕的结果。