生成AI在金融部門的應用

介紹

金融業是任何國家發展的基石，因為它通過促進有效的交易和信貸可用性來推動經濟增長。交易的便利性和信貸的使用確定了市場的流動性。它還鼓勵投資並促進創新。此外，對金融服務的需求不斷增長，至關重要的是要不斷更新這些服務所涉及的技術。這方面的最新趨勢是在金融領域使用生成AI（Genai）。

麥肯錫全球研究所（MGI）估計，在全球銀行業中，Genai每年可能增加2000億至3400億美元的價值，佔行業總收入的2.8％至4.7％，主要是通過提高生產率。

這可能會讓您想知道金融業是否從傳統的AI轉換為生成AI。好吧，讓我們探索金融行業中生成AI的一些應用。

概述

• 探索金融部門生成AI的各種用途。
• 了解金融服務中的Genai模型如何幫助方案分析，欺詐檢測等。
• 了解PayPal，BlackRock和MasterCard等公司如何在工作流程中使用生成AI，以提高生產力和超級個性化的交流。

目錄

• 方案分析和欺詐檢測的合成數據生成
• Genai整合提高生產率
• 超級個性化溝通以達到客戶滿意
• 具有生成AI的資產/投資組合管理
• 常見問題

方案分析和欺詐檢測的合成數據生成

金融機構有大量的客戶數據。因此，可以公平地假設訓練模型很容易。但是說起來容易做起來難。

金融機構面臨的一個問題在欺詐檢測或場景分析的培訓模型時面臨的一個問題是缺乏足夠的此類事件實例。想像一個場景，其中您擁有數百萬筆交易的數據集，其中只有100件交易是欺詐性的。由於培訓數據集中的階級失衡，欺詐檢測模型很可能無法預測欺詐性實例。

同樣，該金融服務公司以前從未發生過的方案呢？任何金融服務都希望其模型預測可能無法培訓的災難性財務情況。但是，由於現有模型沒有在這種極端情況下進行訓練，因此即使是場景分析似乎是一個牽強的夢想。這是合成數據發揮作用的地方。

您可以生成合成數據，以訓練模型以獲取以前從未發生過的方案。這些可能從最重要的財務欺詐到宏觀經濟災難襲擊時的表現範圍。因此，對於任何經濟體而言，適當地採用Genai都可以改變遊戲規則。

採用此產品的金融服務的一個突出的例子是萬事達卡，它使用合成數據來改善其欺詐檢測模型。

另請閱讀：Visa的尖端AI Shields信用卡用戶免受網絡威脅

Genai整合提高生產率

金融服務的緊迫性痛點之一是盡快提供結果。因此，必須將生成AI的集成到其工作流程中，必須將最大的效率帶入系統。

PayPal的Genai平台Cosmos.ai，為AI驅動的操作提供了支持，啟用了諸如欺詐檢測和個性化客戶服務之類的任務。 Cosmos.ai使用諸如檢索功能的生成（RAG）和語義緩存之類的技術，可增強聊天機器人功能，提高PayPal的工作流程效率並降低運營成本。

Genai集成提高生產力的另一個實例是藉貸技術巨頭Zest AI的Lulu。它有助於貸款機構分析投資組合績效，訪問行業的見解，並通過自然語言提示優化決策。

Lulu允許貸方提出諸如“我的批准率隨著時間的看法的樣子？”之類的問題。並獲得即時，數據驅動的響應，增強決策和敏捷性。

超級個性化溝通以達到客戶滿意

想像您正在申請房屋貸款。這是您將遵循整個過程的一組粗略的步驟：

1. 您聯繫銀行並要求房屋貸款。
2. 他們向您發送貸款的詳細信息，其中包含技術書麵條款和條件以及表格。
3. 您填寫表格（您可能會認為，為什麼銀行已經擁有您的數據後不填寫詳細信息）並將其郵寄給銀行。
4. 然後，在批准或拒絕貸款申請之前遵循正當程序。

聽起來很乏味，對嗎？

現在，讓我們想像一個場景，通過LLM供電的生成AI工具接管了這種通信。該LLM經過微調，以了解地理的財務規則和法規。它還可以訪問該銀行的相關數據庫和房屋貸款文件政策。這可能是該過程的流動方式：

1. 您可以在相關頁面上申請房屋貸款。
2. LLM根據您的收入，信用評分和其他信息來檢查您對貸款的資格。
3. 如果您有資格獲得貸款，它將自動填寫表格，並提供可用的詳細信息。如果該工具沒有特定的信息，它會發送一條消息，要求您填寫該字段，最後仔細檢查預先填寫的表單。
4. 如果您沒有資格獲得貸款，則以拒絕的原因將發送給您的個性化消息。

請注意，所有這些都會在幾分鐘之內發生！是的，與傳統方法相比，時間的一小部分。

DBS，標準包機和NCR Voyix等金融機構已經通過集成Kasisto開始使用Genai進行此過程。這個領先的數字體驗平台有助於他們固定溝通和涉及組織銀行互動的其他流程。此外，您還可以得到問題的答案，例如“我上個月我花了多少錢吃飯？”不創建那些excel的床單。不用說，這將是一個令人興奮的時刻，跟踪您的費用並對您的支出進行現實檢查。

具有生成AI的資產/投資組合管理

資產管理是金融中生成AI的另一種有效用例。它通過買賣股票，債券，房地產等資產來涉及最大化投資組合價值。同時根據客戶的目標和時間範圍最小化風險。

此前，一些金融服務正在使用Powerbi和Tableau等商業智能工具來準備圖表，獲取有關投資組合績效的信息並評估風險。這是一個耗時的過程，因為必須完成許多手動工作，而工作角色僅限於使用此類工具的專業人士。

但是，使用Genai，您可以簡單地編寫提示並獲取信息。 Efront（BlackRock的一部分）已經推出了副駕駛，從而增強了私人市場投資者的決策和數據分析。該投資組合查詢工具通過使數據工作流程自動化並提供實時見解來提高效率，從而消除了對手動報告生成的需求。

人們可以問Efront Copilot：“我對製造業的接觸是什麼？”或用簡單的提示“按國家 /地區分組數據”，瞧！您將獲得輸出。

結論

生成的AI是聖杯，為金融業帶來了新的生活。從提高效率，決策和客戶體驗到欺詐檢測，超級個性化客戶溝通以及實時投資組合管理的合成數據生成，Genai正在重寫傳統流程。這種採用帶來了使用先進的AI功能保持競爭力，降低成本並提供超級個性化服務的好處。看到生成AI的世界向前發展，採用如何發展將是令人興奮的。

另請閱讀：2024年的機器學習和AI在銀行和金融中的應用

常見問題

Q1。如何將生成的AI用於金融？

答：目前，在採用生成AI時，金融業正處於早期階段。它用於金融中，用於生成綜合數據，以進行場景分析和風險建模。此外，它還有助於超級個性化通信和資產/投資組合管理。

Q2。金融中生物AI的未來是什麼？

答：財務中生物AI的未來有望增強個性化，改善欺詐檢測以及更有效的決策。 Genai具有生成實時見解和自動化工作流程的能力，將推動投資組合管理和客戶服務的創新，從而重塑該行業以提高敏捷性和精度。

Q3。在金融中使用生成AI的風險是什麼？

答：最突出的風險是在採用生成AI期間與監管機構的分歧，並且隨著數據將與LLM共享隱私風險。此外，也需要考慮從傳統系統到新的Genai系統的遷移挑戰。

Q4。哪些LLM可用於構建用於融資的生成AI工具？

答：您可以使用諸如Openai的Chatgpt，Google Gemini或其他LLM等流行的LLM，並根據需要微調它們。另外，您可以使用Finetune開源LLMS或建立自己的LLMS專門培訓，以滿足您組織的需求。

以上是生成AI在金融部門的應用的詳細內容。更多資訊請關注PHP中文網其他相關文章！