Finansų sektoriaus lyderiams baigėsi generatyvaus AI eksperimentinis etapas, o 2026 m. pagrindinis dėmesys skiriamas veiklos integracijai.
Nors ankstyvas pritaikymas buvo sutelktas į turinio kūrimą ir efektyvumą izoliuotose darbo eigose, dabar reikalaujama, kad šios galimybės būtų pramoninės. Tikslas yra sukurti sistemas, kuriose dirbtinio intelekto agentai ne tik padėtų žmonėms, bet ir aktyviai vykdytų procesus griežtose valdymo sistemose.
Šis perėjimas kelia specifinių architektūrinių ir kultūrinių iššūkių. Tam reikia pereiti nuo skirtingų įrankių prie sujungtų sistemų, kurios vienu metu valdo duomenų signalus, sprendimų logiką ir vykdymo sluoksnius.
Finansų institucijos integruoja agentines AI darbo eigas
Pirminė kliūtis keičiant AI finansinėse paslaugose nebėra modelių ar kūrybinių programų prieinamumas, o koordinavimas. Rinkodaros ir klientų patirties komandoms dažnai sunku paversti sprendimus veiksmais dėl trinties tarp senų sistemų, atitikties patvirtinimų ir duomenų talpyklų.
Saachinas Bhattas, „Brdge“ įkūrėjas ir COO, pastebi skirtumą tarp dabartinių įrankių ir būsimų reikalavimų: „Asistentas padeda rašyti greičiau. Antrasis pilotas padeda komandoms judėti greičiau. Agentai vykdo procesus“.
Įmonės architektams tai reiškia, kad reikia sukurti Bhatto vadinamą „Moments Engine“. Šis veikimo modelis veikia penkiais skirtingais etapais:
- Signalai: Realaus laiko įvykių aptikimas kliento kelyje.
- Sprendimai: Tinkamo algoritminio atsako nustatymas.
- Pranešimas: Komunikacijos, suderintos su prekės ženklo parametrais, generavimas.
- Maršrutas: Automatinis skirstymas, siekiant nustatyti, ar reikalingas žmogaus patvirtinimas.
- Veiksmas ir mokymasis: Diegimo ir grįžtamojo ryšio kilpos integravimas.
Dauguma organizacijų turi šios architektūros komponentus, tačiau joms trūksta integracijos, kad ji veiktų kaip vieninga sistema. Techninis tikslas – sumažinti trintį, kuri lėtina klientų sąveiką. Tai apima vamzdynų kūrimą, kuriuose duomenys sklandžiai perduodami nuo signalo aptikimo iki vykdymo, sumažinant delsą ir išlaikant saugumą.
Valdymas kaip infrastruktūra
Didelėse investicijose, pvz., bankininkystėje ir draudime, greitis negali būti kontroliuojamas. Pasitikėjimas išlieka pagrindiniu komerciniu turtu. Vadinasi, valdymas turi būti traktuojamas kaip techninė savybė, o ne biurokratinė kliūtis.
Dirbtinio intelekto integravimas į finansinių sprendimų priėmimą reikalauja „apsaugų“, kurie yra griežtai užkoduoti sistemoje. Tai užtikrina, kad nors AI agentai gali atlikti užduotis savarankiškai, jie veikia pagal iš anksto nustatytus rizikos parametrus.
Farhadas Divecha, „Accuracast“ grupės generalinis direktorius, teigia, kad kūrybinis optimizavimas turi tapti nuolatine kilpa, kurioje duomenimis grindžiamos įžvalgos skatina naujoves. Tačiau norint užtikrinti, kad produkcija niekada nepakenktų prekės ženklo vientisumui, ši kilpa reikalauja griežtos kokybės užtikrinimo darbo eigos.
Techninėms komandoms tai reiškia, kad reikia keisti, kaip laikomasi reikalavimų. Užuot atlikę galutinį patikrinimą, reguliavimo reikalavimai turi būti įtraukti į greitą inžinerijos ir modelio koregavimo etapus.
„Teisėtas susidomėjimas yra įdomus, tačiau čia taip pat gali suklupti daugelis įmonių“, – pastebi Jonathanas Bowyeris, buvęs „Lloyds Banking Group“ rinkodaros direktorius. Jis teigia, kad taisyklės, tokios kaip vartotojų pareiga, padeda priversti laikytis rezultatais pagrįsto požiūrio.
Techniniai lyderiai turi dirbti su rizikos grupėmis, siekdami užtikrinti, kad dirbtinio intelekto vykdoma veikla patvirtintų prekės ženklo vertybes. Tai apima skaidrumo protokolus. Klientai turėtų žinoti, kada jie sąveikauja su dirbtiniu intelektu, o sistemos turi suteikti aiškų eskalavimo kelią žmonėms operatoriams.
Duomenų architektūra suvaržymui
Dažnas personalizavimo variklių gedimo režimas yra per didelis įsitraukimas. Techninės galimybės pranešti klientui egzistuoja, tačiau dažnai trūksta logikos, leidžiančios nustatyti suvaržymą. Veiksmingas personalizavimas priklauso nuo numatymo (ty žinoti, kada tylėti, yra taip pat svarbu, kaip žinoti, kada kalbėti).
Jonathanas Bowyeris pabrėžia, kad personalizavimas perėjo į laukimą. „Dabar klientai tikisi, kad prekės ženklai žinos, kada su jais nekalbėti, o ne kada su jais kalbėtis.
Tam reikalinga duomenų architektūra, galinti atlikti kryžmines kliento konteksto nuorodas keliuose kanaluose, įskaitant filialus, programas ir kontaktų centrus, realiuoju laiku. Jei klientas patiria finansinių sunkumų, rinkodaros algoritmas, skatinantis paskolos produktą, sukuria atsijungimą, kuris griauna pasitikėjimą. Sistema turi sugebėti aptikti neigiamus signalus ir slopinti standartines reklamines darbo eigas.
„Pasitikėjimą žlugdo tada, kai eini į vieną kanalą, o paskui pereini prie kito ir vėl turi atsakyti į tuos pačius klausimus“, – sako Bowyeris. Norint tai išspręsti, reikia suvienodinti duomenų saugyklas, kad įstaigos „atmintis“ būtų prieinama kiekvienam agentui (ar skaitmeniniam, ir žmogui) sąveikos vietoje.
Generatyvinės paieškos ir SEO augimas
AI amžiuje finansinių produktų atradimų sluoksnis keičiasi. Tradicinis optimizavimas paieškos sistemoms (SEO) orientuotas į srauto nukreipimą į nuosavybės teise priklausančias nuosavybes. AI sugeneruotų atsakymų atsiradimas reiškia, kad prekės ženklo matomumas dabar atsiranda už svetainės ribų, naudojant LLM arba AI paieškos įrankio sąsają.
„Skaitmeniniai viešieji ryšiai ir SEO ne svetainėje grįžta į dėmesio centrą, nes generatyvūs AI atsakymai neapsiriboja turiniu, paimtu tiesiai iš įmonės svetainės“, – pažymi Divecha.
CIO ir CDO tai keičia informacijos struktūrizavimą ir paskelbimą. Techninis SEO turi tobulėti, kad būtų užtikrinta, jog duomenys, pateikiami į didelius kalbų modelius, būtų tikslūs ir atitiktų reikalavimus.
Organizacijos, kurios gali užtikrintai platinti aukštos kokybės informaciją visoje platesnėje ekosistemoje, pasiekia neprarasdamos kontrolės. Šiai sričiai, dažnai vadinamai „generatyviuoju variklio optimizavimu“ (GEO), reikalinga techninė strategija, užtikrinanti, kad trečiųjų šalių AI agentai rekomenduotų ir teisingai cituotų prekės ženklą.
Struktūrinis judrumas
Yra klaidinga nuomonė, kad judrumas prilygsta struktūros stokai. Reguliuojamose pramonės šakose yra atvirkščiai.
Agile metodika reikalauja griežtų sistemų, kad jos veiktų saugiai. Ingrid Sierra, Zego prekės ženklo ir rinkodaros direktorė, paaiškina: „Dažnai painiojama tarp judrumo ir chaoso. Ką nors pavadinant „vikriu“, viskas nėra gerai, kad viskas būtų improvizuota ir nestruktūrizuota.
Techniniam vadovavimui tai reiškia nuspėjamo darbo sisteminimą, kad būtų galima eksperimentuoti. Tai apima saugių smėlio dėžių kūrimą, kur komandos gali išbandyti naujus AI agentus arba duomenų modelius nerizikuodami gamybos stabilumu.
Judrumas prasideda nuo mąstysenos, reikalaujančio personalo, norinčio eksperimentuoti. Tačiau šis eksperimentas turi būti apgalvotas. Tam nuo pat pradžių reikalingas techninių, rinkodaros ir teisininkų komandų bendradarbiavimas.
Šis „atitikties pagal dizainą“ metodas leidžia greičiau iteruoti, nes saugos parametrai nustatomi prieš parašant kodą.
Kas toliau laukia dirbtinio intelekto finansų sektoriuje?
Žvelgiant į tolesnę ateitį, finansų ekosistemoje greičiausiai bus tiesioginė vartotojų vardu veikiančių dirbtinio intelekto agentų ir institucijų atstovų sąveika.
Melanie Lazarus, „Open Banking“ ekosistemų įtraukimo direktorė, įspėja: „Mes įžengiame į pasaulį, kuriame dirbtinio intelekto agentai sąveikauja tarpusavyje ir tai keičia sutikimo, autentifikavimo ir autorizacijos pagrindus.
Technikos lyderiai turi pradėti kurti sistemas, kurios apsaugotų klientus šioje tarp agentų tarpusavio tikrovėje. Tai apima naujus tapatybės tikrinimo ir API saugumo protokolus, siekiant užtikrinti, kad kliento vardu dirbantis automatizuotas finansų patarėjas galėtų saugiai bendrauti su banko infrastruktūra.
Įgaliojimas 2026 m. yra paversti AI potencialą patikimu P&L vairuotoju. Tam reikia daugiau dėmesio skirti infrastruktūrai, o ne reklamai, o lyderiai turi teikti pirmenybę:
- Duomenų srautų sujungimas: Užtikrinkite, kad signalai iš visų kanalų būtų perduodami į centrinį sprendimų variklį, kad būtų galima atlikti kontekstą suvokiančius veiksmus.
- Griežtai koduojamas valdymas: Įdėkite atitikties taisykles į AI darbo eigą, kad būtų užtikrintas saugus automatizavimas.
- Agentiška orkestruotė: Apsiribokite pokalbių robotais ir pereikite prie agentų, galinčių vykdyti visus procesus.
- Generatyvus optimizavimas: Struktūruokite viešuosius duomenis taip, kad išorinės AI paieškos sistemos galėtų juos perskaityti ir teikti pirmenybę.
Sėkmė priklausys nuo to, kaip gerai šie techniniai elementai bus integruoti su žmogaus priežiūra. Laimės organizacijos, kurios naudos dirbtinio intelekto automatizavimą, kad pagerintų, o ne pakeistų sprendimą, ypač reikalingą tokiuose sektoriuose kaip finansinės paslaugos.
Taip pat žiūrėkite: „Goldman Sachs“ sėkmingai diegia antropines sistemas
Norite daugiau sužinoti apie AI ir didelius duomenis iš pramonės lyderių? Peržiūrėkite „AI & Big Data Expo“, vykstančią Amsterdame, Kalifornijoje ir Londone. Išsamus renginys yra „TechEx“ dalis ir vyksta kartu su kitais pagrindiniais technologijų renginiais, įskaitant „Cyber Security & Cloud Expo“. Norėdami gauti daugiau informacijos, spustelėkite čia.
AI naujienas teikia TechForge Media. Čia rasite kitus būsimus įmonių technologijų renginius ir internetinius seminarus.
