Na razie SI jest wykorzystywana przez banki w procesach wewnętrznych, ale to podejście będzie się zmieniać wraz z udoskonalaniem technologii
Mastercard podzielił się wnioskami z raportu "Generative AI: The transformation of banking". Jak wskazuje tytuł opracowania, poruszono tam kwestie wpływu generatywnej sztucznej inteligencji na branżę finansową. Autorzy dokumentu przekonują, że technologia ta może w wielu obszarach poprawić funkcjonowanie instytucji finansowych, ale niesie też ze sobą szereg wyzwań.
Pojęcie "generatywna sztuczna inteligencja" odnosi się do rozwiązań, które potrafią tworzyć nowe treści, w tym m.in. tekst czy obraz. Mastercard dowodzi, że banki na razie prezentują konserwatywne podejście do innowacji tego typu, są one stosowane wewnętrznie, np. do przeprowadzania analiz. Z czasem powinno się to jednak zmienić, a potencjał SI może być wykorzystany w przynajmniej kilku segmentach branży w ciągu najbliższych pięciu do siedmiu lat.
SI nadal w coraz większym stopniu może być wykorzystywana do analizowania danych, co powinno np. zauważalnie skrócić czas potrzebny do wyszukiwania informacji. Z pomocą danych łatwiej będzie testować nowe rozwiązania, identyfikować zagrożenia i odpowiednio szybko na nie reagować. W opracowaniu Mastercarda mowa jest też m.in. o lepszym zarządzaniu zasobami ludzkimi i komunikacją z klientami.
Wykorzystanie SI w bankowości to także szansa na usprawnienie zarządzania dokumentacją i automatyzacji formalności. Z jej pomocą rozwijane mogą być boty, które lepiej będą odpowiadać na pytania klientów. Ci ostatni powinni uzyskać wartościowe porady finansowe, które nie będą obciążone emocjami albo kredyt bez nadmiaru formalności. Mowa jest wreszcie o programach lojalnościowych, które w lepszy sposób zostaną dopasowane do potrzeb konsumentów.
Co z wyzwaniami? W pierwszej kolejności Mastercard zwraca uwagę na poufność danych i tworzenie rozwiązań w taki sposób, by nie została ona zagrożona. Kolejna kwestia to przekłamania i nieścisłości, którym może podlegać generatywna SI. Jej odpowiedzi muszą być precyzyjne i właściwie ukierunkowane, a nadzór nad tym musi sprawować człowiek. Biorąc to wszystko od uwagę, problemem może być odpowiedni przepływ danych, który umożliwi np. tworzenie nowych funkcji w aplikacjach.
