Generatiivisen AI:n käyttöönotto pankkitoiminnassa: käyttötapaukset ja mahdolliset haasteet

GenAI-mallit, kuten GANit, simuloivat vilpillisiä liiketoimia ja auttavat pankkeja tehostamaan petosten havaitsemista ja riskienhallintaa. Esimerkiksi Citin Payment Outlier Detection käyttää kehittynyttä tilastollista ML:ää tunnistamaan ennakoivasti poikkeavat maksut. Deutsche Bank testaa yhdessä NVIDIAn kanssa Finformers-nimisiä LLM-malleja, jotka antavat varhaisia riskivaroituksia ja nopeuttavat tiedonhakua. Ja HSBC on kehittänyt yhdessä Google Cloud:n kanssa AML AI:n - itsenäisen ratkaisun, joka on koulutettu asiakastietoihin rahanpesun estämiseksi.

GenAI:n kyky käsitellä valtavia tietomääriä tekee siitä loistavan työkalun taloudelliseen ennustamiseen. Pankit pitävät tästä, koska tarkat ennusteet nopeasti muuttuvilla markkinoilla ovat avainasemassa älykkäiden päätösten tekemisessä. Esimerkiksi JPMorgan Chase hyödyntää syväoppimista ja vahvistusoppimista havaitakseen markkinatrendejä ja hienosäätääkseen kaupankäyntistrategioitaan. Goldman Sachs turvautuu Kenshoon, AI-alustaan, joka tutkii rahoitusasiakirjoja neuroverkkojen ja NLP:n avulla ja auttaa heitä ennustamaan omaisuuserien hintoja varmemmin.

GenAI-työkalut nopeuttavat asiakirjojen käsittelyä pankkialalla huomattavasti: ne havaitsevat helposti kaavat, poimivat tarvittavat tiedot paljon nopeammin ja ovat paljon vähemmän alttiita virheille. Lisäksi ne kehittyvät ajan myötä entistä älykkäämmiksi. Hyvä esimerkki tästä on JPMorgan Chasen COiN (Contract Intelligence) - AI-alusta, joka pystyy käsittelemään tuhansia asiakirjoja sekunneissa. Se käyttää NLP:tä juridisen jargonin ymmärtämiseen ja tunnistaa riskit, kuten säännösten noudattamatta jättämisen tai sopimuksiin kätkeytyvät epämääräiset ehdot. Tämä vähentää virheitä ja manuaalisen työn tarvetta, mikä vapauttaa resursseja ja auttaa välttämään kalliita oikeusriitoja.

Yksi GenAI:n parhaista puolista on se, että se pystyy hoitamaan asioita itsenäisesti, mikä tekee siitä erittäin hyödyllisen työkalun tutkimuksissa. Se voi seuloa tietoja, löytää kuvioita ja jopa ehdottaa tai ryhtyä toimiin, mikä on hieno asia talousrikosten kaltaisissa hankalissa tapauksissa. Esimerkiksi Barclays käyttää Darktracea - tämä AI jäljittää, miten huijarit tekivät suunnitelmansa, ja näyttää tietoturvaryhmälle tarkalleen, mikä meni pieleen, mihin järjestelmiin kohdistettiin hyökkäys ja miten puolustusta voidaan tehostaa. Jos petoksia tapahtuu reaaliajassa, se voi myös puuttua asiaan estääkseen epäilyttävät maksutapahtumat tai jäädyttääkseen tilejä ilman, että se häiritsee tavanomaista liiketoimintaa.

GenAI auttaa pankkeja luomaan yksilöllisiä rahoitustuotteita, hienosäätämään ominaisuuksia ja jopa havaitsemaan riskejä ennen kuin ne iskevät ja pysymään joustavana markkinoiden muuttuessa. Hyvä esimerkki on Standard Chartered, joka käyttää Peltarionin ja AWS AI:n kaltaisia alustoja markkinatietoihin ja asiakkaiden käyttäytymiseen syventymiseen. Tämä auttaa heitä ennustamaan trendejä ja luomaan räätälöityjä tuotteita, kuten ESG-painotteisia sijoituksia ja yksilöllisiä pankkiratkaisuja, ja samalla simuloimaan tuotteiden suorituskykyä.

Perinteisistä luottopisteytysmenetelmistä poiketen GenAI käyttää kattavampaa lähestymistapaa ja ottaa huomioon muutkin tekijät kuin vain luottotiedot. Se tarkastelee kulutustottumuksia, elämäntapahtumia ja markkinamuutoksia tarjotakseen tarkemman ja oikeudenmukaisemman arvion asiakkaan luottokelpoisuudesta. Esimerkiksi JPMorgan Chase ja Wells Fargo käyttävät FICO Falcon Platformia, joka hyödyntää GenAI:tä. Se simuloi erilaisia skenaarioita, kuten sitä, miten asiakas voisi käsitellä työpaikan menettämistä tai talouden laskusuhdannetta, ja auttaa pankkeja ymmärtämään asiakkaan kykyä maksaa lainoja takaisin ja luomaan yksilöllisemmän luottopistemäärän.

GenAI auttaa pankkeja paljastamaan piilossa olevia investointimahdollisuuksia ja tehostamaan vaikeita päätöksiä, mikä helpottaa älykkäiden ja oikea-aikaisten strategioiden avulla pysymistä kärjessä myös epävakailla markkinoilla. JPMorganin LOXM-alusta käyttää GenAI-malleja markkinatietojen analysointiin, henkilökohtaisten kauppasuositusten laatimiseen ja erilaisten kaupankäyntiskenaarioiden simulointiin. Morgan Stanleyn Next Best Action -alusta käyttää GenAI:tä antaakseen neuvonantajille sijoitusneuvoja, jotka perustuvat kunkin asiakkaan taloudellisiin tavoitteisiin ja riskinsietokykyyn.