生成AI在金融部门的应用

介绍

金融业是任何国家发展的基石，因为它通过促进有效的交易和信贷可用性来推动经济增长。交易的便利性和信贷的使用确定了市场的流动性。它还鼓励投资并促进创新。此外，对金融服务的需求不断增长，至关重要的是要不断更新这些服务所涉及的技术。这方面的最新趋势是在金融领域使用生成AI（Genai）。

麦肯锡全球研究所（MGI）估计，在全球银行业中，Genai每年可能增加2000亿至3400亿美元的价值，占行业总收入的2.8％至4.7％，主要是通过提高生产率。

这可能会让您想知道金融业是否从传统的AI转换为生成AI。好吧，让我们探索金融行业中生成AI的一些应用。

概述

• 探索金融部门生成AI的各种用途。
• 了解金融服务中的Genai模型如何帮助方案分析，欺诈检测等。
• 了解PayPal，BlackRock和MasterCard等公司如何在工作流程中使用生成AI，以提高生产力和超级个性化的交流。

目录

• 方案分析和欺诈检测的合成数据生成
• Genai整合提高生产率
• 超级个性化沟通以达到客户满意
• 具有生成AI的资产/投资组合管理
• 常见问题

方案分析和欺诈检测的合成数据生成

金融机构有大量的客户数据。因此，可以公平地假设训练模型很容易。但是说起来容易做起来难。

金融机构面临的一个问题在欺诈检测或场景分析的培训模型时面临的一个问题是缺乏足够的此类事件实例。想象一个场景，其中您拥有数百万笔交易的数据集，其中只有100件交易是欺诈性的。由于培训数据集中的阶级失衡，欺诈检测模型很可能无法预测欺诈性实例。

同样，该金融服务公司以前从未发生过的方案呢？任何金融服务都希望其模型预测可能无法培训的灾难性财务情况。但是，由于现有模型没有在这种极端情况下进行训练，因此即使是场景分析似乎是一个牵强的梦想。这是合成数据发挥作用的地方。

您可以生成合成数据，以训练模型以获取以前从未发生过的方案。这些可能从最重要的财务欺诈到宏观经济灾难袭击时的表现范围。因此，对于任何经济体而言，适当地采用Genai都可以改变游戏规则。

采用此产品的金融服务的一个突出的例子是万事达卡，它使用合成数据来改善其欺诈检测模型。

另请阅读：Visa的尖端AI Shields信用卡用户免受网络威胁

Genai整合提高生产率

金融服务的紧迫性痛点之一是尽快提供结果。因此，必须将生成AI的集成到其工作流程中，必须将最大的效率带入系统。

PayPal的Genai平台Cosmos.ai，为AI驱动的操作提供了支持，启用了诸如欺诈检测和个性化客户服务之类的任务。 Cosmos.ai使用诸如检索功能的生成（RAG）和语义缓存之类的技术，可增强聊天机器人功能，提高PayPal的工作流程效率并降低运营成本。

Genai集成提高生产力的另一个实例是借贷技术巨头Zest AI的Lulu。它有助于贷款机构分析投资组合绩效，访问行业的见解，并通过自然语言提示优化决策。

Lulu允许贷方提出诸如“我的批准率随着时间的看法的样子？”之类的问题。并获得即时，数据驱动的响应，增强决策和敏捷性。

超级个性化沟通以达到客户满意

想象您正在申请房屋贷款。这是您将遵循整个过程的一组粗略的步骤：

1. 您联系银行并要求房屋贷款。
2. 他们向您发送贷款的详细信息，其中包含技术书面条款和条件以及表格。
3. 您填写表格（您可能会认为，为什么银行已经拥有您的数据后不填写详细信息）并将其邮寄给银行。
4. 然后，在批准或拒绝贷款申请之前遵循正当程序。

听起来很乏味，对吗？

现在，让我们想象一个场景，通过LLM供电的生成AI工具接管了这种通信。该LLM经过微调，以了解地理的财务规则和法规。它还可以访问该银行的相关数据库和房屋贷款文件政策。这可能是该过程的流动方式：

1. 您可以在相关页面上申请房屋贷款。
2. LLM根据您的收入，信用评分和其他信息来检查您对贷款的资格。
3. 如果您有资格获得贷款，它将自动填写表格，并提供可用的详细信息。如果该工具没有特定的信息，它会发送一条消息，要求您填写该字段，最后仔细检查预先填写的表单。
4. 如果您没有资格获得贷款，则以拒绝的原因将发送给您的个性化消息。

请注意，所有这些都会在几分钟之内发生！是的，与传统方法相比，时间的一小部分。

DBS，标准包机和NCR Voyix等金融机构已经通过集成Kasisto开始使用Genai进行此过程。这个领先的数字体验平台有助于他们固定沟通和涉及组织银行互动的其他流程。此外，您还可以得到问题的答案，例如“我上个月我花了多少钱吃饭？”不创建那些excel的床单。不用说，这将是一个令人兴奋的时刻，跟踪您的费用并对您的支出进行现实检查。

具有生成AI的资产/投资组合管理

资产管理是金融中生成AI的另一种有效用例。它通过买卖股票，债券，房地产等资产来涉及最大化投资组合价值。同时根据客户的目标和时间范围最小化风险。

此前，一些金融服务正在使用Powerbi和Tableau等商业智能工具来准备图表，获取有关投资组合绩效的信息并评估风险。这是一个耗时的过程，因为必须完成许多手动工作，而工作角色仅限于使用此类工具的专业人士。

但是，使用Genai，您可以简单地编写提示并获取信息。 Efront（BlackRock的一部分）已经推出了副驾驶，从而增强了私人市场投资者的决策和数据分析。该投资组合查询工具通过使数据工作流程自动化并提供实时见解来提高效率，从而消除了对手动报告生成的需求。

人们可以问Efront Copilot：“我对制造业的接触是什么？”或用简单的提示“按国家 /地区分组数据”，瞧！您将获得输出。

结论

生成的AI是圣杯，为金融业带来了新的生活。从提高效率，决策和客户体验到欺诈检测，超级个性化客户沟通以及实时投资组合管理的合成数据生成，Genai正在重写传统流程。这种采用带来了使用先进的AI功能保持竞争力，降低成本并提供超级个性化服务的好处。看到生成AI的世界向前发展，采用如何发展将是令人兴奋的。

另请阅读：2024年的机器学习和AI在银行和金融中的应用

常见问题

Q1。如何将生成的AI用于金融？

答：目前，在采用生成AI时，金融业正处于早期阶段。它用于金融中，用于生成综合数据，以进行场景分析和风险建模。此外，它还有助于超级个性化通信和资产/投资组合管理。

Q2。金融中生物AI的未来是什么？

答：财务中生物AI的未来有望增强个性化，改善欺诈检测以及更有效的决策。 Genai具有生成实时见解和自动化工作流程的能力，将推动投资组合管理和客户服务的创新，从而重塑该行业以提高敏捷性和精度。

Q3。在金融中使用生成AI的风险是什么？

答：最突出的风险是在采用生成AI期间与监管机构的分歧，并且随着数据将与LLM共享隐私风险。此外，也需要考虑从传统系统到新的Genai系统的迁移挑战。

Q4。哪些LLM可用于构建用于融资的生成AI工具？

答：您可以使用诸如Openai的Chatgpt，Google Gemini或其他LLM等流行的LLM，并根据需要微调它们。另外，您可以使用Finetune开源LLMS或建立自己的LLMS专门培训，以满足您组织的需求。

以上是生成AI在金融部门的应用的详细内容。更多信息请关注PHP中文网其他相关文章！