瑞銀報告：金融服務領域中的生成式人工智慧
在金融服務業，生成式人工智慧（ AI）是一類旨在自主生成新的原創內容的人工智慧系統，它正在部署以自動化客戶服務、詐欺預防、編碼和資訊等領域的耗時、乏味的工作分析。
然而，麻省理工學院技術評論洞察與瑞銀集團合作開發的一份新報告（下載報告中文版請見文末）稱，由於監管障礙和技術本身的弱點，它在更接近金融服務商業模式核心的更敏感任務中的使用仍然有限。
該報告基於2023 年6 月至9 月對高階主管和專家進行的六次深度訪談，探討了生成式人工智慧在金融領域的早期影響以及從長遠來看部署成功需要克服的障礙。
該報告稱，銀行已開始靈活部署生成式人工智慧，重點關注圍繞削減成本並將員工從低價值、重複性工作中解放出來的用例。然而，儘管提高生產力和提高效率具有潛在的好處，但由於根深蒂固的遺留系統、監管風險以及與偏見和問責制相關的挑戰，金融服務公司在採用這些新技術時面臨挑戰。
客戶服務
該報告稱，迄今為止，金融服務公司的生成式人工智慧部署工作主要集中在客戶服務、詐欺防制、編碼和軟體開發以及資訊分析。
在客戶服務方面，報告指出，最常見的創新是創建供客戶或公司服務代理直接使用的聊天機器人。這些由人工智慧驅動的生成式聊天機器人和虛擬助理用於提供全天候客戶支持，創建即時準確的回應，並提供高度個人化的客戶互動。
Betterment 是一家美國金融投顧公司，基於預測人工智慧的聊天機器人已經“極大地減少了我們客戶服務團隊的工作量”，Betterment 首席技術官John Mileham 在接受《麻省理工科技評論洞察》採訪時表示。
RCBC首席創新長兼執行副總裁Lito Villanueva 在接受採訪時表示，基於人工智慧的生成式聊天機器人是該銀行領先的數位優先事項之一，並指出這些工具可以實現「即時品質」客戶服務互動，並透過促進投訴的提交、滿足客戶請求以及收集相關客戶數據，為無縫的客戶體驗做出貢獻。
預防詐欺
報告中概述的另一個流行的生成式人工智慧用例是預防詐欺。報告稱，多年來，金融服務公司一直在使用包括預測性人工智慧在內的先進技術來改善風險管理和詐欺預防，但生成式人工智慧使該行業能夠走得更遠，特別是透過將非結構化數據更好地整合到這些工作中。透過使用此類訊息，公司可以在微觀層面（例如個人違約的可能性）以及更廣泛的層面（例如市場趨勢）識別相關風險的新模式和異常情況。
生成式人工智慧的使用在支付行業尤其加速， Visa 和PayPal 等公司已經部署了該技術，透過阻止可疑交易來防止詐欺交易。Datavisor、Feedzai 和Forter 等金融科技公司也將生成式人工智慧整合到其現成的解決方案中，以減少支付詐欺。
程式設計和軟體
在銀行業，生成式人工智慧也被用於程式設計和軟體開發。報告稱，如果經過適當的培訓，這些工具可以像其他人回答問題或生成圖片一樣輕鬆地產生所需的電腦程式碼，從而解決技術挑戰，加速開發流程並推動創新。
例如，高盛已開始使用生成式人工智慧工具來幫助其程式碼開發人員。在澳大利亞，西太平洋銀行(Westpac) 進行了一項使用生成式AI 來協助其編碼人員的試驗，結果發現，與對照組相比，工作效率提高了46%，且程式碼品質沒有下降。
同時， Betterment 的Mileham 表示，他的公司正在使用生成式人工智慧軟體來幫助除錯。該公司還採購了基於雲端的人工智慧工具GitHub Copilot，以幫助程式碼產生和自動完成。
資訊分析與總結
生成式人工智慧也用於資訊分析和總結，在金融服務領域提供有價值的應用，從而提高員工績效。這包括查詢全球最新公共法規、產生研究報告、宣傳資料、客戶情緒分析和說明手冊等任務，充當知識淵博的「虛擬專家」。
例如，據報道，摩根士丹利已經使用GPT-4 建立了一個人工智慧助手，幫助其數以萬計的財富經理從龐大的內部知識庫中快速找到並綜合答案。該工具還總結客戶會議的內容並產生後續電子郵件。
麥肯錫表示，另一家領先銀行報告稱，透過使用生成式人工智慧，其製作投資簡報的時間即將從9 小時縮短至30 分鐘，將製作投資簡報的時間縮短90% 以上。
在大型對沖基金英仕曼集團，經理人發現生成式人工智慧可以透過審查學術論文和發現模式來加速初步研究。
採用生成式人工智慧的挑戰
儘管生成式人工智慧帶來了許多機會和好處，但金融服務公司在採用新技術方面仍面臨挑戰。受訪者共同面臨的主要障礙之一是該行業根深蒂固的遺留系統，包括過時的軟體和過時的孤立資料儲存安排。
例如，在銀行業， COBOL（一種已有六年歷史的程式語言）的流行正在阻礙對現代技術進步的適應。截至2017 年，43% 的銀行系統依賴COBOL，它還支援80% 的信用卡交易和85% 的ATM 活動。
生成式人工智慧的採用也面臨人才和專業知識短缺的挑戰。由於該技術被認為是新技術，因此很難找到該領域經驗豐富的專業人員。但報告稱，隨著技術的不斷發展，技術人才的可用性將會增加，尤其是隨著新進入勞動市場的人才增加。
此外，生成式人工智慧應用程式雖然令人印象深刻，但被認為是通用工具，可能無法完全滿足金融服務業的特定需求。這需要進行必要的定制以滿足該行業的特定要求。
此外，重大挑戰在於確保產生輸出的可靠性，以及解決偏見和確保問責制。
最後，瑞銀的研究指出，潛在的監管是金融科技領域採用生成式人工智慧的主要障礙。對監管框架和指導方針的預期可能會影響企業如何整合生成式人工智慧，尤其是在金融科技應用中。
人工智慧的潛力
人工智慧預計將影響所有主要產業，並有望深刻改變企業開展業務的方式。麥肯錫發布的新數據顯示，在關鍵產業中，銀行業將擁有最大的機會之一，人工智慧每年可能為全球增加約1.2 兆美元的價值。
一份題為「捕捉生成式人工智慧在銀行業的全部價值」的新報告中分享的估計表明，人工智慧的經濟影響可能會使所有銀行部門和職能受益，其中風險和法律方面的絕對收益最大（ 3,850 億美元）、企業銀行業務（3,210 億美元）及零售銀行業務（3,060 億美元）。
按細分市場和功能劃分的人工智慧所創造的價值，十億美元，資料來源：捕捉銀行業生成式人工智慧的全部價值，麥肯錫， 2023 年12 月
生成式人工智慧是人工智慧的一個分支，報告中強調了它在自動化日常任務、提高效率以及增強推薦引擎和客戶體驗方面的潛力。麥肯錫估計，生成式人工智慧每年可為銀行業帶來2,000 億美元至3,400 億美元的潛力（相當於營業利潤的9% 至15%）。
本文來源：https://fintechnews.ch/
~點滴科技資訊