금융 부문에서 생성 AI의 응용

소개

금융 산업은 효율적인 거래 및 신용 가용성을 촉진함으로써 경제 성장을 주도하기 때문에 모든 국가 개발의 초석입니다. 거래가 발생하고 신용을 이용할 수 있으면 시장의 유동성이 결정됩니다. 또한 투자를 장려하고 혁신을 장려합니다. 또한 금융 서비스에 대한 수요가 증가함에 따라 이러한 서비스와 관련된 기술을 지속적으로 업데이트하는 것이 중요합니다. 이와 관련하여 최신 트렌드는 금융 부문에서 생성 AI (Genai)의 사용입니다.

McKinsey Global Institute (MGI)는 글로벌 뱅킹 부문에서 Genai는 주로 생산성 증가를 통해 매년 2 천억 달러에서 3,400 억 달러, 또는 총 업계 매출의 2.8 ~ 4.7 %를 추가 할 수 있다고 추정합니다.

이로 인해 금융 산업이 기존 AI에서 생성 AI로 전환되는지 궁금해 할 수 있습니다. 글쎄, 금융 업계에서 생성 AI의 일부 응용 프로그램을 살펴 보겠습니다.

개요

• 금융 부문에서 생성 AI의 다양한 사용을 탐색하십시오.
• 금융 서비스의 Genai 모델이 시나리오 분석, 사기 탐지 등에 어떻게 도움이되는지 이해하십시오.
• PayPal, BlackRock 및 MasterCard와 같은 회사가 워크 플로우에 생성 AI를 사용하여 생산성을 높이고 개인화하는 커뮤니케이션을 강화하는 방법을 알아보십시오.

목차

• 시나리오 분석 및 사기 탐지를위한 합성 데이터 생성
• Genai 통합으로 생산성 향상
• 고객 만족을위한 과다 개인 커뮤니케이션
• 생성 AI를 통한 자산/포트폴리오 관리
• 자주 묻는 질문

시나리오 분석 및 사기 탐지를위한 합성 데이터 생성

금융 기관에는 방대한 양의 고객 데이터가 있습니다. 따라서 모델을 훈련하는 것이 쉽게 심하게 될 것이라고 가정하는 것이 공정합니다. 그러나 말보다 쉽습니다.

사기 탐지 또는 시나리오 분석을위한 교육을받는 동안 금융 기관이 직면 한 한 가지 문제는 그러한 사건의 충분한 사례가 없다는 것입니다. 수백만 건의 거래 데이터 세트가있는 시나리오를 상상해보십시오. 사기 탐지 모델이 교육 데이터 세트의 클래스 불균형으로 인해 사기 사례를 예측하지 못할 가능성이 높습니다.

마찬가지로 그 금융 서비스 회사에서 전에는 한 번도 일어난 적이없는 시나리오는 어떻습니까? 모든 금융 서비스는 모델이 교육을받지 못할 비참한 재무 시나리오를 예측하기를 원할 것입니다. 그러나 기존 모델은 이러한 극단적 인 시나리오에 대해 훈련되지 않았기 때문에 시나리오 분석조차도 멀리 떨어진 꿈처럼 보입니다. 합성 데이터가 작동하는 곳입니다.

이전에 발생한 적이없는 시나리오에 대한 모델을 훈련시키기 위해 합성 데이터를 생성 할 수 있습니다. 이는 가장 중요한 금융 사기부터 거시 경제 재난이 발생할 때 은행이 수행하는 방식에 이르기까지 다양합니다. 따라서 Genai를 금융 서비스에 적절히 채택하는 것은 모든 경제의 게임 체인저가 될 수 있습니다.

이를 채택한 금융 서비스의 두드러진 예는 MasterCard이며, 이는 합성 데이터를 사용하여 사기 탐지 모델을 개선합니다.

또한 읽기 : Visa의 최첨단 AI Shields Cyber ​​Thrats에 대한 신용 카드 사용자

Genai 통합으로 생산성 향상

금융 서비스의 압박 지점 중 하나는 가능한 빨리 결과를 제공하는 것입니다. 따라서 생성 AI를 워크 플로에 통합하는 것이 시스템에 최대한의 효율성을 가져 오기 위해 필수적입니다.

PayPal의 Genai 플랫폼 인 Cosmos.ai, AI 중심 운영 권한은 사기 탐지 및 개인화 된 고객 서비스와 같은 작업을 가능하게합니다. Cosmos.ai는 rag (Retrieval-Augmented Generation) 및 시맨틱 캐싱과 같은 기술을 사용하여 챗봇 기능을 향상시켜 페이팔의 워크 플로 효율성을 향상시키고 운영 비용을 줄입니다.

Genai Integration이 생산성을 높이는 또 다른 사례는 Lending Tech Giant Zest AI의 Lulu입니다. 대출 기관이 포트폴리오 성과를 분석하고 업계 통찰력에 액세스하며 자연어 프롬프트로 의사 결정을 최적화하는 데 도움이됩니다.

Lulu는 대출 기관이 "시간이 지남에 따라 내 승인 속도가 어떻게 보이는가?"와 같은 질문을 할 수 있도록합니다. 즉각적인 데이터 중심의 응답을 받고 의사 결정 및 민첩성을 향상시킵니다.

고객 만족을위한 과다 개인 커뮤니케이션

주택 융자를 신청한다고 상상해보십시오. 다음은 프로세스를 통해 따라야 할 대략적인 단계 세트입니다.

1. 은행에 연락하여 주택 융자를 요청하십시오.
2. 그들은 당신에게 기술적으로 서면 이용 약관을 포함하여 양식과 함께 대출의 세부 사항을 보냅니다.
3. 당신은 양식을 작성하고 (당신은 생각할 수 있습니다. 왜 은행이 이미 데이터를 가지고있을 때 세부 사항을 채우지 않습니까?) 은행에 우편으로 우송합니다.
4. 그런 다음 대출 신청을 승인하거나 거부하기 전에 적법 절차를 따릅니다.

지루한 소리?

이제 LLM으로 구동되는 생성 AI 도구에 의해이 커뮤니케이션이 인수되는 시나리오를 상상해 봅시다. 이 LLM은 지리의 재무 규칙과 규정을 이해하도록 미세 조정되었습니다. 또한 은행의 관련 데이터베이스 및 주택 융자 문서 정책에도 액세스 할 수 있습니다. 잠재적으로 프로세스가 흐르는 방법은 다음과 같습니다.

1. 관련 페이지에서 주택 융자를 신청할 수 있습니다.
2. LLM은 소득, 신용 점수 및 기타 정보에 따라 대출 자격을 확인합니다.
3. 대출을받을 자격이있는 경우 사용 가능한 세부 정보로 양식을 자동으로 작성합니다. 도구에 특정 정보가없는 경우 해당 필드를 채우고 사전에 채워진 양식을 다시 확인하도록 요청하는 메시지를 보냅니다.
4. 대출을받을 자격이없는 경우 거부 이유를 인용하여 개인화 된 메시지가 귀하에게 전송됩니다.

이 모든 것은 몇 분 안에 발생합니다! 예, 전통적인 방법에 비해 시간의 일부입니다.

DBS, Standard Chartered 및 NCR Voyix와 같은 금융 기관은 이미 Kasisto를 통합 하여이 프로세스에 Genai를 사용하기 시작했습니다. 이 주요 디지털 경험 플랫폼은 커뮤니케이션 및 조직 은행 상호 작용과 관련된 기타 프로세스를 확장시키는 데 도움이됩니다. 또한“지난 달에 식사하는 데 얼마를 썼는가?”와 같은 질문에 대한 답변을 얻을 수 있습니다. 그 대담한 엑셀 시트를 만들지 않고. 말할 것도없이, 그것은 당신의 비용을 추적하고 지출에 대한 현실 점검을받는 것은 흥미 진진한 시간이 될 것입니다.

생성 AI를 통한 자산/포트폴리오 관리

자산 관리는 재무에서 생성 AI의 또 다른 효과적인 사용 사례입니다. 고객의 목표와 시간 지평에 따라 위험을 최소화하면서 주식, 채권, 부동산 등과 같은 자산을 구매하거나 판매하여 포트폴리오 가치를 극대화합니다.

이전에 일부 금융 서비스는 Powerbi 및 Tableau와 같은 비즈니스 인텔리전스 도구를 사용하여 차트를 준비하고 포트폴리오 성과에 대한 정보를 얻고 위험을 평가하는 것이 었습니다. 많은 수동 작업을 수행해야했기 때문에 시간이 많이 걸리는 과정이었으며, 직무 역할은 그러한 도구를 사용하는 전문가들에게 제한되었습니다.

그러나 Genai를 사용하면 프롬프트를 작성하고 정보를 얻을 수 있습니다. Efront (BlackRock의 일부)는 사본을 출시하여 민간 시장 투자자의 의사 결정 및 데이터 분석을 향상 시켰습니다. 이 포트폴리오 쿼리 도구는 데이터 워크 플로우를 자동화하고 실시간 통찰력을 제공하여 효율성을 향상시켜 수동 보고서 생성을 제거합니다.

Efront Copilot에게“제조업 부문에 대한 노출은 무엇입니까?”라고 물을 수 있습니다. 또는 간단한 프롬프트와 함께“국가별로 그룹화”및 voila !! 당신은 당신의 출력을 얻을 것입니다.

결론

생성 AI는 성배이며 금융 산업에 새로운 삶을 제공합니다. Genai는 효율성, 의사 결정 및 고객 경험을 향상시켜 사기 탐지, 하이퍼 개인 고객 커뮤니케이션 및 실시간 포트폴리오 관리를위한 합성 데이터 생성에 이르기까지 전통적인 프로세스를 다시 작성하고 있습니다. 이 채택은 고급 AI 기능을 사용하여 경쟁력을 유지하고 비용을 줄이며 하이퍼 개인 서비스를 제공함으로써 제공됩니다. 생성 AI의 세계가 발전함에 따라 채택이 어떻게 진행되는지 보는 것은 흥미로울 것입니다.

또한 읽기 : 2024 년 은행 및 금융에서 기계 학습 및 AI 응용

자주 묻는 질문

Q1. 재무에 생성 AI를 어떻게 사용할 수 있습니까?

A. 현재, 금융 산업은 생성 AI의 채택과 관련하여 초기 단계에 있습니다. 시나리오 분석 및 위험 모델링을위한 합성 데이터를 생성하는 데 금융에 사용됩니다. 또한 커뮤니케이션 및 자산/포트폴리오 관리를 과다 개인화하는 데 도움이됩니다.

Q2. 금융에서 생성 AI의 미래는 무엇입니까?

A. 재무에서 생성 AI의 미래는 향상된 개인화, 사기 탐지 개선 및보다 효율적인 의사 결정을 약속합니다. Genai는 실시간 통찰력을 창출하고 워크 플로우를 자동화 할 수있는 능력으로 포트폴리오 관리 및 고객 서비스의 혁신을 주도하여 업계를 민첩성과 정밀도로 재구성 할 것입니다.

Q3. 금융에서 생성 AI를 사용하는 위험은 얼마입니까?

A. 가장 두드러진 위험은 생성 AI를 채택하는 동안 규제 당국과의 의견 불일치이며 데이터가 LLM과 공유 될 때 개인 정보 보호 위험이 있습니다. 또한 기존 시스템에서 새로운 Genai 시스템으로의 마이그레이션 문제도 고려해야 할 사항입니다.

Q4. 금융을위한 생성 AI 도구를 구축하는 데 어떤 LLM을 사용할 수 있습니까?

A. OpenAi의 ChatGpt, Google Gemini 또는 기타 LLM과 같은 인기있는 LLM을 사용하여 필요에 따라 미세 조정할 수 있습니다. 또는 오픈 소스 LLM을 미세하게하거나 조직의 요구에 맞게 훈련 된 자체 LLM을 구축 할 수 있습니다.

위 내용은 금융 부문에서 생성 AI의 응용의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!