Sztuczna inteligencja zmienia rzeczywistość wokół nas, ale czy zmienia bankowość? Profesor Marcin Kawiński ze Szkoły Głównej Handlowej w Warszawie w rozmowie z Szymonem Glonkiem z "Obserwatora Finansowego" szczegółowo omawia tę kwestię.
Dalsza część artykułu pod materiałem wideo
Uczenie maszynowe jako fundament AI. Banki bezpieczniejsze
Jak wyjaśnia, do tej pory pod pojęciem AI kryły się dwa mechanizmy: uczenie maszynowe oraz generatywna sztuczna inteligencja. Uczenie maszynowe stanowi bazową część, na której opierają się bardziej zaawansowane procesy typowe dla samouczącej się AI generatywnej.
Prof. Kawiński podkreśla, że algorytmy uczenia maszynowego doskonale radzą sobie z wyodrębnianiem istotnych informacji z dużej masy danych. Jak mówi, są szczególnie przydatne przy ocenie zdolności kredytowej klienta, określaniu jego ryzyka ubezpieczeniowego czy wykrywaniu fraudów. Natomiast generatywna AI wkracza do gry, gdy oczekujemy od algorytmu stworzenia czegoś nowego, a nie tylko kategoryzacji danych.
Modelowanie ryzyka i ograniczenia automatyzacji
Ekspert wspomina, że instytucje finansowe już wcześniej, bez AI, z powodzeniem modelowały ryzyko, opierając się na zaawansowanej analizie statystycznej. Jednak na razie w bankowości uczenie maszynowe, choć szeroko stosowane, nie jest w stanie w pełni zautomatyzować całego procesu decyzyjnego.
Przykładowo, jak zauważa prof. Kawiński, algorytm potrafi odróżnić na zdjęciu psa od kota, ale już narysować psa na polecenie nie umie. Podobnie byłoby z autonomicznymi decyzjami dotyczącymi klientów - AI musiałaby być intensywnie zasilana odpowiednimi danymi. Poza tym, bank czy inna instytucja musiałaby wykazać np. przed KNF, że zautomatyzowany proces ofertowania był właściwy i zgodny z oczekiwaniami klienta, co byłoby trudne, gdyby opierał się tylko na surowych danych, a nie na wywiadzie przeprowadzonym przez doradcę.
AI przełomem również dla bankowości
Jak zauważa Alex Kreger, strateg UX i założyciel agencji projektowania UX UXDA dla sektora finansowego, pojawienie się GPT można porównać z wprowadzeniem internetu pod względem jego wpływu na przyszłość ludzkości. Umożliwia maszynom zrozumienie języka i generowanie interakcji językowych w rewolucyjny sposób. Sztuczna inteligencja GPT może zakłócić sposób, w jaki angażujemy się w technologię, podobnie jak zrobił to internet.
Jak czytamy, GPT-3 zasilany przez ChatGPT w ciągu zaledwie dwóch miesięcy od swojej premiery osiągnął 100 milionów aktywnych użytkowników miesięcznie, stając się najszybciej rozwijającą się aplikacją w historii, według raportu UBS. ChatGPT jest modelem językowym, który wykorzystuje przetwarzanie języka naturalnego i techniki uczenia maszynowego AI do rozumienia i generowania odpowiedzi podobnych do ludzkich na zapytania użytkowników.
Alex Kreger podkreśla, że aby zapewnić przewagę konkurencyjną, doświadczenie klienta powinno być kontekstowe, spersonalizowane i dopasowane. I właśnie tutaj AI stanie się przełomową technologią wspierającą ten cel. Jak wynika z badania The Economist Intelligence Unit, 77 proc. bankierów uważa, że umiejętność wykorzystania wartości AI będzie różnicą między sukcesem lub porażką banków. W ankiecie McKinseya z 2021 r. 56 proc. respondentów zgłasza wykorzystanie AI w co najmniej jednej funkcji swoich organizacji.
S&P: AI kluczowe dla gospodarki
O roli sztucznej inteligencji w swoim niedawnym raporcie pisze też S&P Global. Eksperci analitycznego giganta wskazują, że banki przyjmują różne podejścia do wdrażania generatywnej sztucznej inteligencji. Wells Fargo wykorzystuje Dialogflow, konwersacyjną AI Google, do wzmocnienia swojego wirtualnego asystenta o nazwie Fargo. Używa również dużego modelu językowego (LLM), aby pomóc wyjaśnić, jakie informacje klienci muszą dostarczyć organom regulacyjnym.
S&P podkreśla, że eksperci od bankowości wciąż szukają sposobu na najbardziej efektywne wykorzystanie AI. Japoński bank Mizuho ogłosił próbę z technologią generatywnej AI firmy Fujitsu w celu usprawnienia utrzymania i rozwoju swoich systemów. Morgan Stanley z kolei opracowuje usługę wykorzystującą technologię GPT-4 OpenAI, aby pomóc pracownikom znaleźć istotne informacje firmowe, takie jak spostrzeżenia dotyczące firm w różnych sektorach i regionach, informacje o klasach aktywów, a także dane z rynków kapitałowych.
Sztuczna inteligencja w bankowości może pełnić wiele funkcji. Wspomagać decyzje z zakresu bezpieczeństwa, pomagać w dopasowaniu usług, wspierać obsługę klienta. Wszystko to będzie prowadzić do lepszego standardu obsługi, krótszego czasu oczekiwania i większej satysfakcji z relacji z bankiem.