Didelės finansų įmonės daugelį metų išbandė dirbtinį intelektą mažuose projektuose, dažnai apsiribodamos duomenų analize ar klientų aptarnavimo įrankiais. Atrodo, kad kitas etapas apima kažką labiau veikiančio: sistemos, kurios gali imtis veiksmų verslo darbo eigoje. Kanados draudikas „Manulife“ juda ta kryptimi, nes savo vidaus operacijose diegs agentais pagrįstas AI sistemas.
Bendrovė kuria šiuos gebėjimus naudodama vykdymo laiko platformą, skirtą palaikyti agentinį AI – sistemos tipą, galintį atlikti užduotis įvairiuose programinės įrangos įrankiuose ir duomenų rinkiniuose. „Manulife“ teigė, kad pastangos yra platesnio plano, skirto automatizuoti didelės apimties darbą ir padėti priimti vidinius sprendimus versle, dalis.
Bendrovės pranešime apie projektą, bendrovė teigė, kad tikisi, kad dirbtinio intelekto iniciatyvos iki 2027 m. sukurs daugiau nei 1 milijardą JAV dolerių vertės didinant našumą ir automatizuojant darbo eigą. Draudikas jau kelerius metus investuoja į dirbtinį intelektą, tačiau šiuo metu pagrindinis dėmesys skiriamas technologijos integravimui į kasdienes operacijas. „Manulife“ jau plečia vidinį generuojamųjų AI įrankių naudojimą. Bendrovė teigė, kad šiuo metu gamyboje yra daugiau nei 35 generatyvaus AI naudojimo atvejai ir artimiausiais metais planuojama padidinti šį skaičių iki maždaug 70. Ji taip pat pranešė, kad maždaug 75% jos pasaulinės darbo jėgos tam tikra forma jau naudoja generatyvius AI įrankius, remiantis bendrovės atskleidimu.
AI perkėlimas į operacijas
Draudimo bendrovės tvarko didelius struktūrizuotų duomenų kiekius. Politikos informacija, žalų įrašai, rizikos prisiėmimo vertinimai ir finansinės ataskaitos dažnai keliauja per kelias sistemas ir komandas prieš priimant sprendimą. Šie procesai sukuria aplinką, kurioje automatizavimo įrankiai gali padėti atlikti tokias užduotis kaip dokumentų peržiūra ir vidinės ataskaitos. „Manulife“ teigė, kad naujoji platforma leis komandoms dislokuoti AI agentus, kurie gali sąveikauti su vidinėmis sistemomis ir duomenimis. Užuot atsakę į vieną raginimą, kaip pokalbių robotas, šie agentai yra skirti atlikti užduočių sekas įvairiuose programinės įrangos įrankiuose ir darbo eigose.
Pavyzdžiui, dirbtinio intelekto agentas gali rinkti duomenis iš kelių vidinių sistemų ir parengti suvestines darbuotojams, kurie peržiūri bylas ar rengia ataskaitas. Tikslas – sumažinti laiką, kurį darbuotojai praleidžia rinkdami informaciją prieš priimdami sprendimą.
Per pastaruosius dvejus metus daugelis kompanijų eksperimentavo su generuojančiais dirbtinio intelekto įrankiais tokioms užduotims kaip rašyti, koduoti ar apibendrinti dokumentus. Analitikai teigia, kad kitas iššūkis – tuos gebėjimus paversti sistemomis, kurios gali palaikyti operatyvinį darbą didelėse organizacijose.
„McKinsey“ 2024 m. pasaulinio AI tyrimo ataskaitoje nustatyta, kad maždaug 65 % organizacijų teigia, kad dabar naudoja generatyvųjį AI bent vienoje verslo funkcijoje, palyginti su maždaug vienu trečdaliu praėjusiais metais. Tačiau tame pačiame tyrime pažymima, kad tik nedidelė dalis šių diegimų pasiekė visišką gamybą didelėje verslo dalyje, o daugelis vis dar apsiriboja bandomaisiais projektais arba konkrečiomis komandomis.
AI reguliuojamose finansų sistemose
Finansų įstaigos susiduria su papildomomis kliūtimis, kai bando perkelti dirbtinį intelektą į gamybą. Šis sektorius veikia pagal griežtą reguliavimo priežiūrą, todėl reikia griežtai kontroliuoti duomenų naudojimą ir sprendimų skaidrumą. Sistemos, naudojamos rizikos pasirašymui, rizikos analizei ar investiciniams sprendimams priimti, turi būti audituojamos ir paaiškinamos. Dėl šios aplinkos valdymas ir stebėjimas yra pagrindiniai bet kokio AI diegimo elementai. Deloitte atliktame tyrime dėl dirbtinio intelekto finansinių paslaugų srityje pažymima, kad bankai ir draudikai didina investicijas į modelių priežiūros priemones, vidines AI strategijas ir rizikos peržiūros procesus, nes plečia automatizavimą. Organizacijos stengiasi suderinti efektyvumo padidėjimą su reguliavimo lūkesčiais, susijusiais su atskaitomybe ir sąžiningumu.
„Manulife“ teigė, kad platformoje yra valdymo ir saugumo kontrolės priemonės, skirtos valdyti AI agentų sąveiką su vidinėmis sistemomis. Valdikliai padeda stebėti, kaip priimami sprendimai, stebėti, kaip naudojami duomenys, ir užtikrinti, kad sistemos veiktų pagal įmonės politiką. Tokios apsaugos priemonės yra svarbios draudimo srityje, kur automatizuotos sistemos dažnai palaiko procesus, susijusius su žalų valdymu ir reguliavimo ataskaitų teikimu.
AI agentų atvejis
AI agentų patrauklumas yra jų gebėjimas sumažinti rankų darbą atliekant dideles administracines operacijas. Pretenzijų apdorojimas, politikos valdymas, vidinių ataskaitų teikimas ir klientų aptarnavimas apima pasikartojančias užduotis, dėl kurių darbuotojai turi rinkti duomenis iš skirtingų šaltinių. AI sistemos, galinčios rinkti ir tvarkyti informaciją sistemose, gali leisti darbuotojams sutelkti dėmesį į kitą vietą.
Kitos finansų įmonės tiria panašius metodus. JAV ir Europos bankai pradėjo bandyti dirbtinio intelekto agentus sukčiavimo aptikimo ir vidinių tyrimų užduotims atlikti. Daugeliu atvejų tikslas yra padėti darbuotojams atlikti daug laiko reikalaujančią analizę arba rinkti duomenis.
„Accenture“ bankininkystės technologijų vizijos ataskaitoje atliktas tyrimas rodo, kad dirbtiniu intelektu pagrįsta automatizacija galėtų padėti finansų įstaigoms laikui bėgant sumažinti veiklos sąnaudas iki 30 %, priklausomai nuo susijusių procesų. Didelė dalis naudos gaunama iš įprastų užduočių pagreitinimo ir duomenų tvarkymo tikslumo. Perėjimas nuo pilotų prie veikiančių sistemų kelia pavojų. AI modeliai gali sukelti klaidų, o automatizuotos darbo eigos gali padidinti klaidas, jei jos nėra stebimos. Ši rizika yra viena iš priežasčių, kodėl daugelis finansų įmonių imasi laipsniško diegimo strategijų, pradedant nuo vidinių įrankių, o vėliau į klientus skirtas sistemas.
„Manulife“ planas savo veikloje diegti agentais pagrįstą AI rodo, kaip didelės įmonės išbando kitą įmonių AI pritaikymo etapą. Svarbus klausimas bus, ar šios sistemos gali duoti patikimų rezultatų ir tenkinti reguliavimo lūkesčius. Jei gali, dirbtinio intelekto agentai gali tapti nuolatine finansinių operacijų dalimi, atliekantys įprastus darbus, kuriems kažkada reikėjo didelių darbuotojų komandų.
Įmonėms peržengiant ankstyvuosius eksperimentus, dėmesys sutelkiamas į tai, kad technologijos veiktų kasdienėse sistemose, kuriose valdomos didelės organizacijos.
(Joshua nuotrauka)
Taip pat žiūrėkite: Agentinis AI finansų srityje pagreitina operacijų automatizavimą
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. Norėdami gauti daugiau informacijos, spustelėkite čia.
AI naujienas teikia TechForge Media. Čia rasite kitus būsimus įmonių technologijų renginius ir internetinius seminarus.
