Sen käytännön sovellutukset menetetään usein keskusteluissa uudesta teknologiasta. Tekoäly (AI) ei eroa siitä huolimatta, että se vangitsee analyytikoiden, institutionaalisten ja yksityissijoittajien mielikuvituksen (ja lompakon).
Monille amerikkalaisille käsite tekoälyn olevan “seuraava iso asia” on edelleen abstrakti käsite, ja yksittäisiä käyttötapauksia on edelleen vaikea ymmärtää. Saadakseen lisätietoa TheStreet haastatteli PwC:n yhdysvaltalaista tekoälyjohtajaa Dan Priestiä, joka tarjoaa joitain “kentällä olevia” näkemyksiä siitä, kuinka pankit ja rahoituspalveluyritykset ajattelevat tekoälyä.
Viime viikkoina tekoälyä koskevat pelot ovat aiheuttaneet myyntiä useilla toimialoilla. Mikään ala ei ole ollut immuuni: ohjelmistot, rahoituspalvelut, kaupalliset kiinteistöt ja jopa vakuutusyhtiöt näyttävät kärsivän. Olen utelias tietämään, missä määrin nämä riskit ovat perusteltuja sinun näkökulmastasi.
“Markkinoiden epävakaus heijastaa suurta hämmennystä siitä, miten ja milloin tekoäly häiritsee näitä häiriintyneitä sektoreita. Ja koska tekoälyn pitkän aikavälin vaikutuksista tuloihin on enemmän epävarmuutta, sijoittajat nostavat diskontattujen kassavirtamalleissaan käytettyjä diskonttokorkoja, millä on suuri vaikutus pääomasijoitussuhteisiin. On tapauksia, joissa sijoittajat uskovat, että jotkut perinnölliset liiketoimintayritykset ovat selvästi haavoittuvaisia ja haluavat haavoittuvia sijoituksia. strategioita, jotka harkitsevat tekoälyä Yhteenvetona voidaan todeta, että volatiliteetti on merkki siitä, että sijoittajat uskovat tekoälyyn.
Sukellaan ja tehdään pieni todellisuustarkistus tekoälyn menneisyydestä, nykyisyydestä ja tulevaisuudesta: Miten tekoälyä käytetään pankki- ja pääomamarkkinasektorilla? Miten se nyt muuttuu? Miten se voisi muuttua tulevaisuudessa?
Tekoälyä käytetään jo pankki- ja pääomamarkkinoilla rutiiniprosessien automatisointiin, asiakaskokemusten parantamiseen sekä riski- ja vaatimustenmukaisuustoimintojen vahvistamiseen. Keskeisiä käyttökohteita ovat petosten havaitseminen, asiakaspalvelu, robo-neuvojat sekä back-office- ja pankkitoimintojen parantaminen. Tekoälystä hyötyvät myös riski- ja vaatimustenmukaisuustiimit, jotka käyttävät sitä poikkeamien tunnistamiseen, valvonnan parantamiseen ja sääntelyraportoinnin tehostamiseen. Näillä alueilla yritykset käyttävät tekoälyä tehostaakseen ja parantaakseen suorituskykyä.
Samaan aikaan pankit ovat olleet varovaisia ottamaan tekoälyä laajemmin käyttöön sääntelyn odotusten vuoksi. Esimerkiksi valvontaohjeet, kuten SR 11-7, edellyttävät pankkeja hallitsemaan malliriskiä ja varmistamaan, että kvantitatiiviset päätöksentekomenetelmät ovat tarkkoja, hyvin hallittuja ja asianmukaisesti validoituja. Tämän seurauksena tekoälymallien on yhä enemmän oltava selitettävissä ja tarkastettavissa, jotta ne täyttäisivät sääntelystandardit.
Nyt muuttuu sovellusten laajuus ja kehittyneisyys: Yritykset ovat siirtymässä sääntöihin perustuvan automatisoinnin jälkeen kohti kehittyneempiä generatiivisia ja koneoppimismalleja, jotka voivat tulkita jäsentämätöntä dataa, tukea vivahteikkaampaa päätöksentekoa ja personoida asiakasvuorovaikutusta laajasti. Tulevaisuudessa sääntelyn monimutkaisuus, järjestelmä- ja datahaasteet sekä organisatoriset esteet otetaan huomioon kilpailupaineen lisääntyessä. Pankkitoiminnan tulevaisuus lupaa olla älykkäämpi, tehokkaampi ja kilpailukykyisempi.
Voimmeko puhua LLM:stä, sillä kun ihmiset puhuvat tekoälystä, he viittaavat pääasiassa siihen (toisin kuin koneoppimisesta, josta on tullut olennainen petostentorjunta). Mihin LLM:t mielestäsi sopivat yrityksiin, joiden kanssa työskentelet PwC:llä?
Koneoppiminen on ollut upotettuna petosten havaitsemiseen, luottomallinnukseen ja riskienhallintaan useiden vuosien ajan, eikä tämä perusta ole katoamassa. LLM:t eroavat toisistaan niiden kyvyssä työskennellä strukturoidun ja strukturoimattoman tiedon kanssa, ja niiden päättelykyky mahdollistaa tekoälyagenttien toimia paitsi tieto- ja sovelluskerroksilla, myös toimintamallin jatkeena. Vaikka ihmiset pysyvät vastuussa, tekoälyagentit suorittavat monenlaisia tehtäviä, jotka lisäävät tuottavuutta ja parantavat suorituskykyä pankki- ja pääomamarkkinoiden arvoketjussa.
Käytännössä näemme LLM:t esiintyvän sisäisinä tietoavustajina, asiakirjojen tarkistus- ja yhteenvetotyökaluina, koodauksen apupilotteina, asiakaspalvelutukena ja tekoälyagentteina, jotka voivat ohjata useita vaiheita työnkulussa sen sijaan, että vastaisivat kysymykseen.
Tärkeää on, että LLM:t peittävät tyypillisesti olemassa olevat järjestelmät eivätkä korvaa ydinriski- tai petosmalleja. Ajattele niitä käyttöliittymänä ja sidekudoksena: ne auttavat työntekijöitä pääsemään oikeaan dataan ja mallintamaan tuloksia nopeammin, tulkitsemaan tapahtumia ja toimimaan sen mukaisesti. Perinteinen koneoppiminen soveltuu edelleen parhaiten hyvin rakenteellisiin ennakoiviin tehtäviin. LLM:t laajentavat kykyjäsi; Ne eivät korvaa taustalla olevaa analyyttistä infrastruktuuria.
Suurin osa markkinoiden tekoälyyn liittyvästä uudesta ahdistuksesta näyttää perustuvan erilaisten yritystyökalujen (Anthropic) ja lisäosien (OpenAI) lanseeraukseen, joita sijoittajat pitävät mahdollisina häiriötekijöinä. Päinvastoin, on kuitenkin vahva argumentti, että monet näistä tekoälytyökaluista lopulta otetaan käyttöön näillä aloilla. Kuinka häiritseviä tekoälyyritykset ovat verrattuna resursseihin, jotka antavat voiman vakiintuneille yrityksille?
Tekoäly on epäilemättä häiritsevä voima. Aika ratkaisee, nopeuttaako tekoäly yrityksiä vai antaako häiritseville tekijöille vaikutusta epäsuotuisiin perinteisiin yrityksiin. Johtajat eivät odota: he muuttavat itseään estääkseen muita keskeyttämästä heitä.
Säännellyillä aloilla, kuten pankkitoiminnassa, suuret laitokset pyrkivät ottamaan käyttöön ja integroimaan uusia teknologioita sen sijaan, että ne syrjäyttäisivät heidät nopeasti. Vakiintuneilla yrityksillä on jo asiakassuhteita, dataa ja sääntelykehystä, mikä antaa niille vankan perustan edetä nopeasti tekoälyominaisuuksien kehittyessä. Tekoälytyökalut, olivatpa ne kehitettyjä talon sisällä tai hankittu kolmansilta osapuolilta, voivat parantaa tuottavuutta, personointia ja toiminnallista tehokkuutta näissä rakenteissa.
Tässä mielessä monet tekoälyyritykset toimivat teknologian mahdollistajina. Kilpailuetu tulee usein siitä, kuinka tehokkaasti vakiintuneet operaattorit ottavat tekoälyn käyttöön olemassa olevissa toimintamalleissaan sen sijaan, että käyttäisivät sitä yksin.
Soveltuvatko jotkin näistä uusista suurista kielimalleista (LLM) ja tekoälytyökaluista paremmin perinteisille alan toimijoille (kuten suuret pankit tai omaisuudenhoitajat), pienemmille toimijoille (kuten aluepankit tai pienet omaisuudenhoitajat) tai fintech-yrityksille (perinteisille raiteille rakentuville yrityksille, jotka toimivat pääasiassa ohjelmistoalalla)? Kuka voittaa, jos tekoäly nykyisessä muodossaan osoittautuu hyödylliseksi?
Tekoäly on jo osoittautunut hyödylliseksi monella tapaa, ja se on herättänyt sekä jännitystä että ahdistusta seuraavasta. Kaikki pankkiekosysteemin toimijat hallitsevat häiriöriskiä. Fintechin tulee olla varovainen sen suhteen, vaikuttavatko koodigeneraattorit heidän liiketoimintamalliinsa. Pienemmät pelaajat luovat synteettisen mittakaavan tekoälyagenttien kanssa ja yrittävät hankkia osuutta suurilta toimijoilta. Suuret pankit ja varainhoitajat lisäävät sijoituksiaan ja laittavat taseensa töihin rakentaakseen seuraavan sukupolven valmiuksia, jotka laajentavat ja syventävät vallihautaa. Jokaisella on uhkia ja mahdollisuuksia, jotka heidän on hallittava; Aika näyttää kumpi voittaa.
Tässä äskettäisessä tekoälyä koskevassa keskustelussa jäi huomioimatta kustannukset. Nykyisellä investointitasolla on vaikea uskoa, että tekoäly on tulevaisuudessa paljon halvempi niukkuuden vuoksi (energia, laskenta jne.). Toki monet yritykset käyttävät liiketoimintasuunnitelmia ja hallitsevat jonkin verran kustannuksia ja toteutusta, mutta missä vaiheessa LLM-strategiasta tulee kestämätön? Puhutko siitä asiakkaille, jotka ovat huolissaan tässä vaiheessa?
Hinta on iso osa keskustelua. Samalla kun merkkien kulutus kasvaa, malleista tulee tehokkaampia, mikä tarkoittaa, että hinta per merkki laskee. Se ei kuitenkaan ole tällä hetkellä painavin este. Yritykset keskittyvät useammin siihen, ovatko heidän tekoälysijoituksensa pysynyt tahdissa muiden kanssa ja tuottavatko heidän odottamansa sijoitetun pääoman tuottoa. Vertailuarvomme viittaavat siihen, että vain pieni osa yrityksistä on ymmärtänyt tämän täysin.
Näemme asiakkaiden ajattelevan mallin valintaa, käytön hallintaa ja arkkitehtonisia päätöksiä, jotka voivat auttaa kulujen hallinnassa. Kokeiluvaihe väistyy “kurinoidulle arvonmarssille”, jossa jokainen tekoälyyn käytetty dollari on sidottu liiketoimintaan (tuottavuus, tulot, asiakaskokemus, riskinhallinta) ja sitä seurataan ajan myötä, mikä on tapa pitää LLM- ja agenttistrategia taloudellisesti kestävänä.
Lopuksi, mielestäni on iso kysymys, korvaako tekoäly työntekijöitä vai toimiiko he resurssina. Erityisesti kun otetaan huomioon toimihenkilöiden rekrytointivauhti, ihmettelen: Luuletko, että tekoäly korvaa työpaikkoja, luo uusia työpaikkoja tai täydentää olemassa olevia rooleja?
Meillä ei ole epäilystäkään siitä, etteikö tekoäly häiritsee työpaikkoja, rooleja ja työtapoja, kuten mikä tahansa muu menneisyyden häiritsevä tekniikka. Kokemuksemme mukaan ihmiset ovat ykkönen menestystekijä arvon saamisessa tekoälystä. Joten kyllä, uusia työpaikkoja syntyy, joitain työpaikkoja korvataan ja kaikkia toimintoja täydennetään tekoälyllä. Johtajat tekevät tämän ennakoivasti ja tavalla, joka hyödyntää inhimillistä arvolupausta, vaikka se näyttää tulevaisuudessa hyvin erilaiselta.
