Generatív mesterséges intelligencia a bankszektorban – Lehetőségek és kihívások
Itt állíthatja be, hogy a Google keresőben elsők között legyen a VilággazdaságA tőzsdén kiemelkedően teljesítenek a technológiai szektorhoz, azon belül is a mesterséges intelligenciához köthető részvények és indexek, a mindennapi életben azonban mintha még mindig nem tudnánk mit kezdeni a technológiával a ChatGPT próbálgatásán kívül.
Az Nvidia részvényárfolyama novemberre elérte eddigi legmagasabb értékét, a világ egyik legértékesebb cégének számít, piaci kapitalizációban megelőzte az Apple-t is. Tajvanban is rekordprofittal dübörög a csipgyártás, a legjelentősebb bérgyártó, a TMSC árfolyama is kilőtt. A tőzsdéken látszik, hogy a mesterséges intelligenciában rejlő potenciál és az általa generált kereslet óriási. Azonban kérdéses, hogy egy korábban már többször látott lufijelenség tetőpontja felé haladunk, amely utána lecseng, vagy a vállalatok és a fogyasztók tényleg tudják majd hasznosítani az exponenciálisan növekvő információmennyiséget, és el tudják-e érni a produktivitás egy új szintjét?
Mi is az a GenMI?
A generatív mesterséges intelligencia (GenMI) egy olyan technológiai megoldás, amely önállóan képes új és releváns tartalmak előállítására tanulási folyamatai során szerzett mintázatok alapján, legyen az szöveg, kép vagy kód. Míg a hagyományos MI-rendszerek döntési szabályok alapján működnek, a generatív MI-modellek – például a neurális hálózatok – nagy adatmennyiségből tanulnak, és képesek kreatívan reagálni különböző feladatokra adaptív módon. Ugyanabból a nagy adathalmazból tud generálni különböző tartalmakat, például egy pénzügyi jelentésből kimutatást a döntéstámogatáshoz, prezentációt, marketinganyagot vagy akár egy bejegyzést a közösségi médiába.
A vállalati döntéshozók egyetértenek abban, hogy ez a technológia megváltoztathatja a jövőt.
A technológia rendelkezésre is áll, az implementációja azonban a korábbi várakozásoknál lassabban történik.
Milyen területeken hozhat leginkább áttörést a generatív mesterséges intelligencia?
A generatív mesterséges intelligenciával elérhető potenciális növekedés óriási. A McKinsley Global Institute kutatóintézet 2023-ban átfogó kutatást jelentetett meg a legnagyobb bővülési lehetőségekről. A kutatásban több olyan iparágat azonosítottak, amelyben a lehetséges hatékonyságnövelés szemmel látható. A legnagyobb áttörést a high-tech területen hozhatja a technológia. Az itt betöltött szerepe elég logikus, de a második helyen szereplő bankszektorban már több fejtörést okoz a megfelelő használata. Az előre jelzett évi 200–340 milliárd dollár eredmény azonban határozottan arra sarkall, hogy kicsit közelebbről megnézzük, milyen konkrét területektől várják a fejlődést a szakértők.
A legnagyobb pénzügyi költségmegtakarítás nem meglepő módon az informatikai hatékonyságnövelésben mutatkozik.
A bankok évtizedek óta rengeteget áldoznak digitalizációra és a rendszereik karbantartására. Egy-egy banki rendszer fejlesztése vagy cseréje, az ezzel járó számos ügyféladat feldolgozása erőforrás-igényes feladat. A generatív MI nyelvi modelljével optimalizálható a régebbi, elavult rendszerek integrálása és az adatok szinkronizációja. Lehetővé teszi a tesztek automatikus futtatását és értelmezését, a hibák azonosítását és kezelését, ami akár felére csökkentheti a teljes tesztelési ciklust.
Jelentős javulás érhető el az ügyfélkiszolgálás terén is. A mesterséges intelligencia „feltanítása” a vállalat termékeivel, dokumentumaival, szabályzataival és folyamataival lehetővé teszi a virtuális asszisztensek, úgynevezett chatbotok létrehozását.
Ez nem csak
- az erőforrás-igényes ügyfélszolgálatok hatékonyságát növelheti,
- de az ügyfélélmény is javítható a gyorsabb és pontosabb válaszadás révén.
Persze ehhez elengedhetetlen, hogy az adott folyamatokat és dokumentumokat tisztázzák, azok tartalma megfelelő legyen.
A másik trend az ügyfélélmény javítására a hiperperszonalizáció.
Az ügyfelek adatainak intelligens modellben való feldolgozásával személyre szabott ajánlásokat tehetnek az ügyintézők a pénzügyi termékekre vonatkozóan. Továbbá célzott marketing- és salestartalmakat hozhat létre a felelős terület pillanatok alatt. A tartalom szintézisre és perszonalizált pénzügyekre kiemelkedő példával szolgálhat a Morgan Stanley vagyonkezelési OpenAI asszisztense. A GPT-4 modellre épülő eszközt azzal a céllal fejlesztették, hogy megkönnyítse a közel 16 ezer vagyonkezelő munkatárs feladatát, hogy a legjobb pénzügyi tanácsot adhassák az egyes ügyfeleknek felhasználva a Morgan Stanley közel 100 ezer saját piackutatását.
Kiemelkedő terület lehet a fentieken kívül a kockázatkezelés.
A hitelminősítés területén számos jó gyakorlat szárba szökött főként az Egyesült Államokban (ZestAI, Upstart) és Kínában (Lingxi), de ezen a területen hazai példákat is találni már. Ebben a rendkívül szabályozott szektorban hasznos segítség lehet továbbá a technológia a jogszabályoknak való megfelelésben és a csalásmegelőzésben is.
Milyen kihívásokkal kell szembenézniük az innovátoroknak?
A fenti példákból láthattuk, hogy magas fokú hatékonyságnövelés érhető el a generatív mesterséges intelligencia használatával a banki működés számos területén. De hogyan lehetséges akkor, hogy a legtöbb ilyen projekt eredménye nem találkozik a várakozásokkal, vagy esetleg el sem jut a megvalósításig?
A klasszikus bankok általánosságban rigid, lassan változó monstrumok.
A banki informatikai rendszerek és applikációk élettartama hosszú (átlagosan 14 év), és nehezen tudja követni a legfrissebb technológiai újításokat. A pénzügyi szolgáltatások nyújtása rendkívül szabályozott terület, míg a generatív mesterséges intelligenciára vonatkozó rendeletek viszonylag új keletűek (AI Act, 2024. augusztus), így azok értelmezése és adaptációja idő- és erőforrás-igényes. A legtöbb ilyen projektet a bank saját compliance osztálya akadályoz meg, pont szabályozási és adatbiztonsági szempontokra hivatkozva. Ügyféloldalról is adódhatnak olyan faktorok, amelyek megnehezítik a virtuális asszisztensek terjedését.
Az MBH Fintechlab és az MBH Bank Experience Research friss kutatása szerint a magyarországi ügyfelek egyelőre tartanak attól, hogy pénzügyi döntések meghozatalára használják a technológiát, inkább az információszerzés az elsődleges cél. Sok esetben felmerül a mesterséges intelligencia kritikájaként, hogy elveszi az emberek munkáját, de a projekteken az látszik, hogy sokszor pont a megfelelő szaktudás hiánya miatt nehéz implementálni a megoldásokat. Elengedhetetlennek tűnik az emberek képzése és az új szemléletmód vállalati kultúrába való beépítése.
Hogyan tovább?
A tőzsdén dübörög a mesterséges intelligencia. Az esettanulmányok alapján jelentős változást hozhat a banki eredményességben a technológia. De úgy tűnik, akkor lehet sikeres az ilyen jellegű befektetés, ha az innováció magas szinten kerül bele a bank stratégiájába, és átszövi az egész vállalati kultúrát, kezdve az integrációt megvalósító informatikai szakértőktől a technológia eredménytermékét használó ügyintézőkön át a kedvezményezett ügyfelekig. Érdemes feltérképezni a már létező fintech megoldásokat és jó gyakorlatokat, megosztani a tapasztalatokat és a kihívásokat és együttműködni a szektor más szereplőivel. Az innováció támogatása, a technológia megismerése és alkalmazása elengedhetetlen sarokpontja az elkövetkezendő időszaknak nem csak a bankok, de minden vállalkozás számára.
