生成式人工智能會否改變銀行的遊戲規則?(第一部分)
生成式人工智能或將徹底改變銀行業,焦點從「人工智能如何有助節省成本」變為「人工智能如何助我們與客戶建立更緊密的關係?」
- 銀行擁有大量數據,促使他們採用機器學習、數據分析和迴歸分析等早期人工智能技術。
- 直至目前,銀行主要利用人工智能來提高效率和節省成本,但各家銀行做法一樣,這意味著每家銀行的費用都會降低。
- 生成式人工智能可以透過與客戶建立更深入、更有意義的關係來幫助銀行業擺脫這種惡性循環。
數十年來,銀行在科技方面一直壓力重重。若不持續投資新工具,就有可能在其他銀行提供更便宜、更容易使用的金融產品時落後於同行,成為受害者。當然,每個行業都會出現這種情況,但就銀行費用而言,這是一場「低處未算低」的競爭。每家銀行都變得更有效率,同樣的服務總能找到價格更便宜的。
正是在這種背景下,我們思考了下一個主要科技浪潮 — 人工智能 — 及其對銀行業的影響。多年來,人工智能在銀行和金融服務領域中發揮著重要作用。但生成式人工智能不同,它有潛力使銀行業擺脫科技—價格循環,領先的採用者能夠與客戶建立更深入、更有意義的關係。
人工智能在銀行業的傳統應用
銀行擁有大量數據,在數碼渠道及分行與客戶交流,處理數十億項客戶交易。大量數據是人工智能的命脈,這就是為什麼銀行多年來一直大力投資人工智能工具,例如:
- 人工智能化的交易演算法和策略
- 專有的人工智能支付處理方法
- 可以偵測欺詐並提高金融法規合規性的風險管理工具
- 人工智能驅動的聊天機械人及其他支援服務
- 「推薦」系統根據客戶的偏好及過往行為個人化優惠和產品
這種以數據為中心的本質是銀行廣泛採用人工智能及其他數碼科技的原因。事實上,在科技和通訊行業以外,金融服務公司(銀行業是其中的主要行業)較任何其他行業僱用更多人工智能相關專業人員(見圖表)。
需要人工智能專才:銀行和其他金融機構正在大舉招聘
大型股中人工智能相關職位的招聘廣告佔比(按行業劃分)
資料來源:RavenPack,實證研究合作夥伴分析,截至2023年6月,根據過往12個月的招聘廣告。
生成式人工智能可以做到傳統人工智能能力以外的事情
這些新聘請的員工需要做什麼?我們知道,在新一代人工智能出現之前,銀行專注於人工智能的早期形式,包括機器學習、數據分析和迴歸分析。這些方法較接近模式匹配系統,例如,支付授權系統透過將特定交易與經過驗證的實際欺詐實例進行比較,將其標記為潛在欺詐。
但生成式人工智能帶來模式轉變,有助銀行更充分地釋放數據的力量。透過分析跨部門的大量結構化和非結構化數據,了解它們之間的聯繫和影響,生成式人工智能系統能幫助主管更佳地預見和洞察銀行內外的風險和機會,其將決策從模式匹配的單一過程,提升為如何優化銀行營運和客戶關係的系統化視角。
在下一部分,我們將深入探討其中一些領域。