*Переслати оригінальний заголовок ‘#81 - За межами галасу: чому Gen AI є наступним справжнім платформним зсувом у банківській справі (безкоштовно для читання)’

Спонсоровано Triage

Створено керівниками

У фінансовому секторі Африки нішеві знання в таких сферах, як ризик, кредит, комплаєнс і технології, можуть визначити успіх або провал компанії. Операції в умовах складних регуляцій і інтеграція нових технологій вимагають від лідерів розуміння нюансів фінансових продуктів, очікувань зацікавлених сторін і реалій ринку. Без цієї глибини знань навіть добре профінансовані установи ризикують зазнати витратних помилок, які тривожать інвесторів, гальмують зростання та підривають довіру клієнтів.

Triage приносить суміш практичного досвіду як операторів у банківській справі та фінансових послугах, а також глобальний досвід роботи з деякими з найбільших фінансових компаній у світі. Наша команда працювала з керівниками в понад 35 країнах Африки, підтримуючи ряд стратегій зростання та змін для різноманітних клієнтів, від стартапів до масштабування, цифрових трансформацій і відновлень. Цей широкий досвід дозволяє нам розпізнати різницю між тимчасовою експертизою та справжньою здатністю, забезпечуючи ваше залучення до керівників, які справді розуміють, що потрібно для досягнення успіху в швидко змінюваному світі фінансових послуг.

Вступ

Скептицизм — це те, що потрібно, щоб зазирнути за баланс, останній диво фінансового інжинірингу або історію, яку не можна пропустити. . . . Тільки скептик може відокремити те, що звучить добре і є таким, від того, що звучить добре і не є таким. Найкращі інвестори, яких я знаю, втілюють цю рису. Це абсолютна необхідність. - Говард Маркс

Як молода людина у фінансах, важливо розвивати здорову дозу скептицизму. У банківській справі зокрема, скептицизм виправдовує себе, оскільки найуспішніші банки - це ті, які уникають втрат, а не ті, що переслідують виграші. Це негативне мистецтво. Проте, скептицизм не є те саме, що й песимізм. Це просто означає мати розуміння того, що є рекламним шумом, а що ні. Виклик для багатьох людей у фінансах полягає в тому, що вони потрапляють у пастку бути скептичними задля соціального сигналізування, що ви розумні.

Як сказав Джон Коллісон або, можливо, Навал Равікант: «Песимісти звучать розумно, оптимісти заробляють гроші». Скептичний розум є цінним. Однак, щоб він був цінним, його потрібно поєднувати з аналітичною строгістю і, що найважливіше, здатністю змінювати свою думку, коли факти змінюються.

Це корисний контекст для поточної дискусії про генеративний ШІ, особливо в банківській справі та фінансах. Важливо чітко посилатися на генеративний ШІ, на відміну від машинного навчання, яке існує вже деякий час, особливо в банківському секторі. Генеративний ШІ — це тип інтелекту, який може створювати нові речі, такі як текст, зображення, аудіо чи відео, навчаючись на величезних обсягах даних. Лінива скептичність змушує багатьох людей передчасно називати ШІ хайпом, тоді як безмежний оптимізм може призвести до передчасних інвестицій. Щоб ухвалювати розумні рішення щодо ШІ, важливо поставити його в контекст, особливо його економічний контекст. Це означає аналізувати ШІ як платформену зміна і ставити його на історичне місце в порівнянні з іншими платформеними змінами. ШІ в його історичному контексті має змусити банкірів і фінансову індустрію в цілому ухвалювати правильні рішення.

У сьогоднішній статті ми зрозуміємо, що таке зміна платформи, переглянемо минулі зміни платформ і їхній вплив на індустрію фінансових послуг, розглянемо ШІ в його контексті як зміну платформи, подивимося на глобальні ініціативи банків і фінтех-компаній щодо ШІ та оцінюємо ключові уроки для лідерів у фінансовій індустрії.

Зміни платформ і фінансові послуги

Що таке зміна платформи

Фінанси, як і будь-яка інша галузь, підлягають примхам, які приносить технологія. Чи то телеграма та її вплив на банківську діяльність на основі відділень, чи то міні-комп'ютер та його вплив на банкомати. Фінанси завжди адаптувались до змін платформ. У технології зміна платформи означає фундаментальну зміну в основній технологічній архітектурі, яка дозволяє нові можливості завдяки стрибку в основній структурі витрат. Часто це дозволяє новим бізнес-моделям та способам створення вартості. Ключовим є те, що має відбутися фундаментальна зміна в структурі витрат чогось, тобто витрати на виконання X повинні зменшитися в 10 разів або більше, щоб щось справді вважалося зміною платформи. Ключові характеристики можна описати як;

• Зміна основної архітектури: Зміни платформи передбачають радикальні зміни в тому, як структурована та доступна технологія, а не лише покращення існуючих систем.
• Експоненційні поліпшення співвідношення вартості та продуктивності: Вони зазвичай забезпечують поліпшення в порядку величини (в 10 разів або більше) у вартості, продуктивності чи можливостях, а не лише інкрементальні виграші.
• Нові моделі створення вартості: зміни платформ дозволяють створювати абсолютно нові бізнес-моделі та моделі створення вартості, які раніше були неприйнятними.
• Формування екосистеми: Вони створюють багаті екосистеми доповнюючих продуктів, послуг та бізнесів. Це часто є наслідком, а не визначальною рисою.
• Ринкові збурення: Зміни на платформах часто порушують існуючі галузі та створюють абсолютно нові ринки.
• Демократизація: Вони зазвичай роблять технології доступними для ширших аудиторій, що дозволяє новим учасникам.

Ми розглянемо деякі історичні зміни платформ і, що важливо, проаналізуємо;

1. Про що йшлося в зміні платформи;
2. Його вплив на структуру витрат;
3. Переможці з цього зсуву та те, як вони використали цю технологію;

1. Головні системи: централізація обчислень (1950-ті – початок 1970-х)

Історичний контекст та ключові характеристики
До 1950-х років банки вели бухгалтерські книги вручну або за допомогою електромеханічних табуляторів. Обробка чека означала, що клерк вводив рядок, зберігав папери та зводив підсумки наприкінці дня. Головні процесори, такі як IBM System / 360, запровадили обчислення з збереженими програмами, розпізнавання символів магнітного чорнила та пакетну обробку. Уперше одна машина могла читати десятки тисяч чеків за годину, автоматично застосовувати правила рахунків і публікувати результати вночі.

Кривий витрат
Капітальний рахунок був значним, кілька мільйонів доларів, але гранична вартість розміщення транзакції впала приблизно в сто разів порівняно з ручним введенням. Помилки скоротилися, вікна відсікання звузилися, а масштаб став проблемою програмного забезпечення, а не проблемою з кадрами.

Історія переможця
У післявоєнній Америці, середній клас США процвітав, і попит на банківські послуги, зокрема на чеки, зростав. У Bank of America кількість чекових рахунків зростала на 23 000 рахунків на місяць, і банк змушений був закриватися о 14:00 лише для обробки чеків. Bank of America впровадивЕлектронна облікова машина(ERMA) система в 1959 році. Вона обробляла близько 36 000 чеків на годину (близько 10 за секунду) в порівнянні з ~245 чеками на годину від людського бухгалтерa. Вона обробляла три чверті мільярда записів на рік і звільнила банк для розширення за межі Каліфорнії без потреби в наймі тисяч клерків. Для Bank of America, значно покращивши пропускну здатність (понад 100× швидше), вона різко знизила вартість обробки кожного чека і масштабувалася для обслуговування більшої кількості клієнтів. Автоматизація завдань в бек-офісі дала раннім прихильникам, таким як BofA, перевагу в витратах, стимулюючи їхній ріст у національних лідерів.

2. Мінікомп'ютери: Автоматизація відділів (1970-ті – середина 1980-х)

Історичний контекст та ключові характеристики
Поява мінікомп'ютерів – менших і набагато дешевших за великі системи – демократизувала обчислення за межами Fortune 500. Банки, брокерські компанії та постачальники послуг могли впроваджувати міні- і середньорозмірні системи (від постачальників, таких як DEC, Data General, лінія AS/400 від IBM тощо) на рівні відділів або філій. Ця ера стала свідком народження електронних мереж та фінансових технологій, які могли працювати на менш дорогій інфраструктурі, що дозволяло з'являтися новим спеціалізованим гравцям.

Кривої витрат
Гілка тепер могла мати власну обчислювальну потужність за частку вартості великого комп'ютера. Інтерактивні сеанси замінили пакетні звіти, а нові канали, такі як банкомати, стали економічними. Міні-комп'ютери знизили ціну обчислень. Міні-комп'ютер середини 1970-х міг коштувати десятки тисяч, що знизило вартість обчислень на одиницю на порядок у порівнянні з великими комп'ютерами 1960-х років. Ця доступність розширила впровадження ІТ у фінансах. Як наслідок, до 1980-х років навіть середні фінансові компанії почали комп'ютеризувати операції, що призвело до швидшого обслуговування та зниження одиничних витрат.

Історія переможця

Міні-комп'ютер DEC - Джерело DEC

Citibank придбав сотні комп'ютерів Tandem NonStop та DEC mini, з'єднав їх з банкоматами і запустив свою маркетингову кампанію "Citi Never Sleeps" у 1977 році. Коли у 1978 році снігопад закрив Нью-Йорк, банкомати Citi продовжували обслуговувати клієнтів, обсяги транзакцій зросли на двадцять відсотків, а частка депозитів у місті подвоїлася протягом трьох років. Витрати на касирів, приблизно один долар за візит, впала до приблизно тридцяти центів на банкоматі.

3. Клієнт-серверні та реляційні бази даних: Розподілене оброблення (кінець 1980-х – 1990-ті)

Історичний контекст та ключові характеристики
Перед ерою клієнт-серверу база даних знаходилася всередині комп'ютера, поєднуючи як дані, так і інтерфейс. Ера клієнт-серверу принесла розділення між шаром даних і шаром інтерфейсу. Було два елементи: клієнт (ПК) і сервер. ПК на базі Windows або Mac обробляв презентацію, сервер середнього класу зберігав дані, а SQL спілкувався між ними через локальну мережу. Готові реляційні бази даних означали нове розуміння: мільйони рядків можна було запитувати за секунди, що дозволяло створювати статистичні моделі маркетингу та ризику.

Крива витрат
Комп'ютери за ціною менше 2000 доларів і Unix-системи за ціною менше 100 000 доларів дозволяють банкам запитувати мільйони рядків за секунди.

Історія переможця
Capital One, що відокремилася від Signet Bank у 1994 році, використовувала клієнт-серверну решітку на базі Oracle для паралельного тестування тисяч кредитних карток. Вона оцінювала ризик на індивідуальному рівні та збільшила кількість клієнтів на сорок відсотків у 1997 році, тоді як incumbents покладалися на широкі FICO категорії. Віддача на капітал постійно перевищувала двадцять відсотків, оскільки аналітика замінила загальне ціноутворення. Іншими переможцями стали Charles Schwab, які зрозуміли, що ера клієнт-сервера може демократизувати фондовий ринок.

В Африці, хоча був незначний затримка, переможцями стали;

1. Банк Equity, який використав клієнт-серверну архітектуру та міні-комп'ютери для розширення своїх транзакційних можливостей, оновивши систему Finacle (клієнт-серверна основна банківська система), одночасно розширивши свою мережу банкоматів, використовуючи ті ж системи. Це зрештою перетворилося на агентське банківництво. Вони перейшли від статусу невідомого у 90-х до найбільшого банку Східної Африки за ринковою капіталізацією;
2. GT Bank - Використано клієнт-серверну архітектуру для покращення обробки транзакцій у відділенні, що дозволило забезпечити кращий сервіс для клієнтів. До цього клієнти змушені були чекати годинами для обробки простого депозиту або зняття.

4. Хмара 1.0: Інфраструктура як сервіс (2006–початок 2010-х)

Джерело: Бізнес і фінансовий журнал - Брати Коллісон

Історичний контекст та ключові характеристики

Веб все ще вимагав від компаній володіти серверами. Amazon Web Services перетворив обчислення, зберігання та бази даних на послуги з обліком споживання. Застосунок міг масштабуватися від десяти користувачів до десяти мільйонів без замовлення обладнання.

Витратна крива
Замість мільйонів капітальних витрат, розробнику потрібна була кредитна картка, і він міг платити копійки за годину за обчислення. Еластична ємність означала, що витрати приблизно пропорційні використанню, усуваючи великі стрибки. Це було далеким від ери реляційних баз даних, де потрібно було заздалегідь оцінити свій ріст, що призводило до значних початкових капітальних витрат.

Історія переможця
Stripe запустився в 2010 році, через чотири роки після запуску AWS у 2006 році, з API для платежів, який став доступним за кілька хвилин. Його семи‑рядковий код абстрагував підбір торговців, розрахунок та відповідність. До 2024 року Stripe обробляв близько 1,4 трильйона доларів США у платежах, обсяги яких раніше оброблялися банківськими покупцями та застарілими процесорами, а його вартість підключення залишалася незначною завдяки оплаті за використання в хмарі. API стали новою формою створення цінності, що підтверджує хмару як істинний платформний зсув.

5. Мобільна & Хмарно-орієнтована ера (2010-ті – 2020-ті)

Джерело: [itweb.co.za]

Історичний контекст & ключові характеристики
Смартфони поміщають в інтернет-комп'ютер, біометричний датчик і захищений елемент у кожну кишеню, перетворюючи «розповсюдження» на запис у магазині додатків. Крім того, публічні хмарні платформи (AWS, GCP, Azure) забезпечили інфраструктуру рівня банків як комунальну послугу; мікросервіси та CI/CD пайплайни дозволили випускати функції щотижня — навіть щодня. Мобільні мережі подвоїлися як платіжні шляхи; QR-коди та віртуальні рахунки замінили спеціальне обладнання POS і мережі відділень.

Кривa витрат
У цій новій структурі клієнти постачали термінал, пропускну здатність і автентифікацію; витрати на поступове підключення зменшилися до частки витрат на підключення як клієнта, що базується на відділенні, так і торговця. Комісійні збори за транзакції на платформах на основі додатків знижуються нижче 1%, відкриваючи прибутковий доступ до малих платежів і рахунків без комісій.

Переможці & їхні плейбуки

• Nubank (Бразилія, заснована 2013)
  • Придбання тільки через мобільні пристрої за допомогою вірусного списку очікування; понад 2000 мікросервісів AWS для аналізу кредиту в реальному часі.
  • Розгорнутий код десятки разів на день, впроваджуючи функції швидше, ніж регулятори могли затверджувати підвищення цін у традиційних банках.
  • До 2023 року: 100 мільйонів клієнтів в Латинській Америці; 11 мільярдів доларів США заощаджено на старих комісійних для користувачів; двозначна частка на ринку карток Бразилії при збереженні одного з найнижчих співвідношень витрат і доходів у глобальному банківському секторі.
  • Їхній дохід зростає вдвічі швидше за витрати, і вони на шляху до того, щоб стати найбільш прибутковим банком у Бразилії до 2028 року.
• TymeBank (Південна Африка, заснована 2019)
  • Хмарне ядро на AWS; миттєва, безпаперова KYC через біометричні кіоски всередині продуктових мереж (Pick n Pay, Boxer).
  • Немає власних філій, компактна технологічна команда; крос-продаж заощаджень, кредитів та страхування в додатку.
  • До 2024 року: 8 мільйонів клієнтів; досягнутоприбутковість менш ніж за п'ять років, демонструючи, що фізичне розподілення може бути передане на аутсорсинг, поки ядро залишається чисто цифровим.
• Інші приклади включають компанії, такі як Flutterwave, Stitch, MNT Halan, Paystack та Paymob.

Чому вони виграли

• Розподіл без інфраструктури ;
• Еластична економіка
• Першочергові поверхні для розробників;
• Швидкі цикли ітерації;

В цілому ці учасники ілюструють, як пристрої, що належать клієнтам, у поєднанні з архітектурою, що базується на хмарних технологіях, створюють структурну цінову перевагу — і зробили швидкість, а не спадкову масштабованість, вирішальним зброєю як в африканському, так і в глобальному банкінгу.

Ключові уроки з минулих змін платформ

Деякі ключові уроки з минулих змін платформ

1. Усі зміни платформи дозволили фінансовим послугам здійснюватися іншим способом. Основною ідеєю була структура витрат конкретної проблеми, або ж витрати на транзакцію, або витрати на розподіл.
2. Бенефіціари змін на платформі були або банки, які швидко впровадили технології (BoFA, Citi), або нові учасники, які зрозуміли, що ці зміни дозволяють (Stripe, Nubank);

Контекст для Генеративного ШІ

Для мене минулі зміни платформ зосереджувалися на витратах і розподілі, оскільки ці сфери були справді специфічними для програмного забезпечення, тобто детермінованими. Генеративний ШІ може не бути обов'язково проблемою вартості та розподілу. На мою думку, генеративний ШІ призведе до зниження витрат на 10 000 разів для надання індивідуальних відносин. В даний час банки та фінансові технології розподіляють транзакції за допомогою технологій, і ця тенденція продовжиться. Майже всі здійснюють транзакції на своєму телефоні, з дуже малою кількістю транзакцій, що відбуваються у відділеннях. Це стосується як фізичних осіб, так і корпоративних клієнтів. Проте залишкове вузьке місце для подальшого розподілу фінансових послуг полягає в можливості банківських відносин в масштабах. Це пов'язано з тим, що це залишається справою людських істот, оскільки управління відносинами є високо контекстуальним і вимагає судження.

Генеративний ШІ може забезпечити преміум «банкінг у відносинах» за копійки на клієнта. Сьогодні топовий RM в Африці коштує приблизно 6000 доларів на місяць для обслуговування ~30 клієнтів, що становить близько 300 доларів на кожного після накладних витрат. Перемістивши цю роботу на ШІ, витрати можуть впасти до копійок, що відкриває можливість високоякісних порад для масового ринку і трансформує фінансовий доступ по всьому континенту. На мою думку, це наступний рубіж, враховуючи, що транзакційний фінансовий технології вже вирішені.

Відносини все ще матимуть значення в банківській справі, але вони зрушать з людських відносин на відносини людини з ШІ. Грошові розмови часто несуть сором; багато клієнтів приховують основні питання від погляду банкіра. Неживий, невтомний ШІ знижує цей соціальний бар'єр, запрошуючи до відвертості та нескінченних «тупих» запитань. Більша чесність плюс цілодобове керівництво роблять ШІ потужним, масштабованим керівником відносин.

Глобальні ініціативи штучного інтелекту

Як банки світу насправді використовують генеративний ШІ

Якщо ви відкинете заголовки та галас, питання залишається: що насправді роблять найбільші банки світу з генеративним ШІ? Не майбутні можливості. Не те, що пропонують постачальники. Що насправді впроваджено, і де?

Протягом останніх двох років глобальний фінансовий сектор тихо увійшов в еру генеративного ШІ. Але картина, що виникає, не є однорідною. Це суміш тихого внутрішнього інструментування, обережних експериментів з клієнтами та кількох справді сміливих кроків, які натякають на те, як банківська справа може бути перебудована зсередини. Я наводжу огляд нижче;

Спочатку внутрішні, потім клієнти

Якщо є одна послідовна тема, то це: ШІ починається зсередини.

Основна частина впровадження генеративного ШІ була зосереджена на внутрішній продуктивності — інструментах, які допомагають співробітникам робити більше з меншими витратами. ЗАсистент аналітика JPMorganякий аналізує дослідження капіталу, щобІнструмент Morgan Stanley на базі GPT для управителів капіталом, рання ставка робиться на надання можливостей банкірам, а не на їх заміну.

Goldman Sachs є створення співпілотів для розробників.Citi має AI-резюме, які допомагають співробітникам обробляти мемо та складати електронні листи. Standard Chartered's " SC GPT” працює серед 70 000 співробітників, допомагаючи з усім, починаючи від написання пропозицій до запитів з HR.

Оскільки ми живемо в умовах високого регуляторного контролю, внутрішні інструменти мають сенс, оскільки банки можуть експериментувати та вдосконалювати свої навички роботи з ШІ, не стикаючись із жодними регуляторними правопорушеннями. Якщо нещодавнє рішення ЦБН проти Zap є чимось, на що можна звернути увагу, тоді краще бути у безпеці, ніж шкодувати.

Сегмент за сегментом: де знаходиться цінність

Різні підрозділи рухаються з різними швидкостями. Роздрібний банкінг лідирує за обсягом. У цьому відношенні, Wells Fargo'sФарго або Bank of AmericaЕріка, чат-боти на базі генеративного ШІ тепер обробляють сотні мільйонів взаємодій щорічно. У Європі Commerzbank нещодавно запустивАва, свій власний чат-бот.

Проблема все ж полягає в тому, що деякі з них насправді не використовують генеративний ШІ і насправді покладаються на машинне навчання. Це статтядає хороше пояснення того, як працює Erica від Bank of America, насправді це механічний турок. Проте, важливо те, що експериментування має значення.

У корпоративному та інвестиційному банківництві зміни є більш тонкими. Внутрішні інструменти JPMorgan підтримують дослідницькі та торгові команди, а не клієнтів.Deutsche Bank використовує ШІ для аналізу журналів комунікації клієнтів.Це не обслуговування клієнтів — це використання даних, що допомагає банкірам краще та швидше розуміти і обслуговувати клієнтів.

Управління багатством займає проміжне місце. Штучний інтелект Morgan Stanley не спілкується з клієнтами безпосередньо, але він забезпечує, щоб радники ніколи не приходили на зустріч непідготовленими. Deutsche Bank та First Abu Dhabi Bank тестують асистентів для клієнтів для своїх висококласних клієнтів, які призначені для відповіді на складні інвестиційні питання в режимі реального часу.

Регіональні відмінності: хто рухається швидко?

Джерело:Очевидний AI Індекс

Північна Америка, як і очікувалося, є лідером. Банки США; JPMorgan, Capital One, Wells Fargo, Citi та RBC перетворили ШІ на двигун продуктивності. І завдяки партнерству з OpenAI та Microsoft, вони отримали ранній доступ до передових моделей.

Європа більш обережна. BBVA, Deutsche та HSBC тестують інструменти всередині, часто з більшою кількістю обмежень. GDPR накладає великий відбиток. Як завжди, Європа зосереджується на регулюванні, а не на прогресі, і це може коштувати їм.

Африка та Латинська Америка перебувають на більш ранній стадії, але рухаються швидко. Nubank у Бразилії є видатним прикладом, співпрацюючи з OpenAI для впровадження інструментів внутрішньо та врешті-решт для клієнтів. У Південній Африці банки, такі як Standard Bank та Nedbank, проводять внутрішні пілотні проекти з використання штучного інтелекту в сферах ризику, підтримки та розвитку.

Китай: Створення власного AI стеку

Банки Китаю не лише використовують штучний інтелект — вони будують стек.

• ICBC запустивZhiyong, велика мовна модель з 100 мільярдами параметрів, розроблена всередині компанії. Вона була використана більше мільярда разів, забезпечуючи випадки використання від аналізу документів до автоматизації маркетингу в 200 бізнес-домена. Це не просто внутрішній інструмент, це основний зсув у тому, як працює банк.
• Ant Group запустив два фінансових LLMs -Zhixiaobao 2.0 (для роздрібних клієнтів) таZhixiaozhu 1.0 (для фінансових професіоналів). Перший призначений для пояснення фінансових продуктів звичайним користувачам у Alipay. Другий допомагає менеджерам з багатства підсумовувати ринкові звіти та генерувати інсайти портфоліо.
• Група Пінь Ань, один з моїх улюблених фінансових технологій, гібрид страхування, банківської справи та технологій, йде ще далі. Вона побудувалаAskBob, генеративний AI асистент як для клієнтів, так і для менеджерів з відносин. Для клієнтів AskBob може відповідати на питання про інвестиції та страхування природною китайською мовою. Для радників він витягує та узагальнює історію клієнта, дані про продукти та маркетингові матеріали, перетворюючи кожного агента на цифрового фінансового експерта. Амбіція Ping An полягає в переосмисленні фінансового консультування через AI, не лише відповідаючи на питання, а й передбачаючи їх.

В Китаї, де регуляторні рамки сильно заохочують локалізацію даних та прозорість моделей, ці установи обирають довгий шлях: створення спеціально навченої ШІ, яка може процвітати в умовах внутрішнього регулювання, мовних та ринкових середовищ. Більше того, Китай має достатню щільність талантів, щоб дати змогу банкам створити свої власні фундаментальні моделі, досягнення, яке, можливо, не буде повторено більше ніде у світі.

Хто це підтримує?

Кілька великих імен з'являються скрізь: Microsoft (через Azure OpenAI) є найбільш поширеною платформою. Від Morgan Stanley до Standard Chartered усі запускають свої моделі в захищеному пісочниці Microsoft.

LLM Google також бере участь, Wells Fargo використовує Flan для роботи Fargo. А в Китаї це в основному місцеві розробки: DeepSeek, Hunyuan та інші.

Деякі банки, такі як JPMorgan, ICBC та PingAn, навчають свої власні моделі. Але більшість налаштовує вже існуючі. Справа не в тому, щоб володіти моделлю. Справа в тому, щоб володіти шаром даних та оркестрацією.

Огляд різних ініціатив ШІ у світі

І що з того?

У високо регульованій галузі важливо бути обережним, і саме тому банки тримають ШІ у курсі, а не на передовій. Тим не менше, як ми спостерігали в інших змінах платформ, критично важливо бути рішучими та швидко експериментувати. Регулювання ніколи не буде попереду виконання, і не буде розумно затримувати експерименти з ШІ з думкою, що потрібно чекати на регулювання. Я пам'ятаю, як більше десяти років тому ми створювали агентське банківство в країні, де таких регуляцій не було. Як тільки ми його створили, ми були тими, хто пояснив це Центральному банку. Якби я був у правлінні банку, моє запитання було б: "скільки експериментів ми проводимо і скільки висновків ми отримуємо?"

Щоб дійсно виміряти прогрес, ви повинні повернутися до основ зміни платформи. Ваша стратегія ШІ повинна відповісти на:

«Чи наша стратегія ШІ перебудовує основну архітектуру, знижує витрати на 100×, відкриває нові моделі вартості, сприяє зв'язкам в екосистемі, порушує ринки та демократизує доступ?»

Логіка зрозуміла, важливо бути скептичним, але логіка та факти вказують на те, що ШІ є новим зсувом платформи. Більше того, логіка та факти демонструють, що минулі зсуви платформи, образно кажучи, перемістили сир у фінансових ринках. Робота Citi з технологіями в 70-х і 80-х роках значно розширила її роздрібний бізнес. Capital One з'явилась з нізвідки, щоб стати однією з топ-10 банків на ринку та значним гравцем в суміжних галузях, таких як автокредити та іпотека. В Африці Equity Bank скористалася хвилею клієнт-серверів, щоб стати найбільшим банком Східної Африки за ринковою капіталізацією. Ту ж хвилю подолали Access Bank, GT Bank і Capitec у своїх відповідних ринках.

Ера платформ на базі штучного інтелекту настала, і вона створить переможців. Ідея полягає не в тому, щоб зосереджуватися на програвших, тому що те, що відбувається, - це те, що переможці займають значну частку ринку в конкретному векторі, наприклад, Stripe у платежах. Ці початкові вклади ведуть до отримання частки ринку в сусідніх областях, як Nubank використав кредитні картки, щоб стати серйозним гравцем у банківській справі для малого та середнього бізнесу та роздрібної торгівлі.

На мою думку, переможці в епоху штучного інтелекту зосередяться на вартості стосунків. Це вже не транзакційна гра. Це вже сталося. Це гра в обслуговування клієнтів та стосунки. Це основне усвідомлення, яке повинні врахувати лідери фінансових послуг. Як можна створити поліпшення в обслуговуванні клієнтів та банківських стосунках у 100 разів при значно нижчих витратах? Як ми можемо використовувати інтелект як банк, щоб допомогти вам краще управляти вашими фінансами, вашим бізнесом та вашим життям? Гравці, які дадуть відповіді на ці запитання та реалізують їх, стануть переможцями.

Відмова від відповідальності：

1. Ця стаття перепублікується з [Фронтирні фінансові технології Новини]. Переправити оригінальну назву ‘#81 - За межами хайпу: Чому Ген AI є наступним істинним платформним зсувом у банківській справі (безкоштовно для читання)’. Усі авторські права належать оригінальному автору [ Мері Могой]. Якщо є заперечення проти цього повторного друку, будь ласка, зв'яжіться з Gate Learn команда, і вони швидко з цим впораються.
2. Відмова від відповідальності: Думки та погляди, висловлені в цій статті, є виключно думкою автора і не є інвестиційною порадою.
3. Переклади статті на інші мови виконуються командою Gate Learn. Якщо не зазначено інше, копіювання, розповсюдження або плагіат перекладених статей заборонено.