Pendekatan industri keuangan terhadap kecerdasan buatan mengungkapkan pragmatisme yang cukup besar.
Gagasan populer AI generatif, dipandu oleh pertumbuhan eksplosif chatgpt Openai, sering kali berpusat pada chatbot yang menghadap konsumen. Tetapi lembaga keuangan lebih condong ke alat AI internal yang merampingkan tugas sehari-hari.
Ini membutuhkan program pelatihan dan desain pengalaman pengguna yang membantu seluruh organisasi bank-dari bankir hubungan yang mengarahkan akun bernilai tinggi kepada rekanan-memahami teknologi AI terbaru.
Dari klasifikasi AI hingga generasi AI
Bank telah lama menggunakan AI tradisional dan teknik pembelajaran mesin untuk berbagai fungsi, seperti bot layanan pelanggan dan algoritma keputusan yang memberikan respons yang lebih cepat dari manusia terhadap ayunan pasar.
Tetapi AI generatif modern berbeda dari metode AI/mL sebelumnya, dan memiliki kekuatan dan kelemahannya sendiri. Hari Gopalkrishnan, kepala petugas informasi Bank of America dan kepala ritel, lebih disukai, bisnis kecil, dan teknologi kekayaan, mengatakan AI generatif adalah alat baru yang menawarkan kemampuan baru, daripada penggantian untuk upaya AI sebelumnya.
“Kami memiliki kerangka kerja empat lapis yang kami pikirkan sehubungan dengan AI,” kata Gopalkrishnan kepada Business Insider.
Lapisan pertama adalah otomatisasi berbasis aturan yang mengambil tindakan berdasarkan kondisi tertentu, seperti mengumpulkan dan melestarikan data tentang transaksi kartu kredit yang menurun ketika seseorang terjadi. Yang kedua adalah model analitik, seperti yang digunakan untuk deteksi penipuan. Lapisan ketiga adalah klasifikasi bahasa, yang digunakan Bank of America untuk membangun Erica, asisten keuangan virtual, pada tahun 2016.
“Perjalanan kami di Erica dimulai dengan memahami bahasa untuk keperluan klasifikasi,” kata Gopalkrishnan. Tetapi perusahaan tidak menghasilkan apa pun dengan Erica, ia menambahkan: “Kami mengklasifikasikan pertanyaan pelanggan ke dalam ember maksud dan menggunakan maksud tersebut untuk membawa pelanggan ke bagian yang tepat dari aplikasi atau situs web untuk membantu mereka melayani diri mereka sendiri.”
Lapisan keempat, tentu saja, adalah AI generatif.
Koren Picariello, seorang direktur pelaksana Morgan Stanley dan kepala manajemen kekayaan AI, mengatakan Morgan Stanley mengambil jalan yang sama. Sepanjang tahun 2010, perusahaan menggunakan pembelajaran mesin untuk beberapa tujuan, seperti mencari peluang investasi yang memenuhi kebutuhan dan preferensi klien tertentu. Banyak dari teknik ini masih digunakan.
“Secara historis, saya bekerja dalam analitik, data, dan inovasi dalam ruang kekayaan. Di ruang itu, Morgan Stanley memang fokus pada alat AI/ML yang lebih tradisional,” kata Picariello kepada BI. “Kemudian pada tahun 2022, kami memulai dialog dengan Openai sebelum mereka menjadi nama rumah tangga. Dan itu memulai perjalanan generatif-Ai kami.”
Bagaimana bank menggunakan AI
Mengingat sejarahnya, masuk akal untuk berpikir bahwa bank akan mengubah alat generatif-AI menjadi chatbots baru yang lebih atau kurang berfungsi sebagai versi yang lebih baik dari Erica Bank of America, atau sebagai penasihat keuangan yang otonom. Tetapi perubahan yang paling segera terjadi pada proses dan alat internal.
Alat generatif utama pertama Morgan Stanley, Asisten Morgan Stanley, diluncurkan pada September 2023 untuk karyawan seperti penasihat keuangan dan staf pendukung yang membantu klien mengelola uang mereka. Didukung oleh Openai’s GPT-4, dirancang untuk memberikan tanggapan yang didasarkan pada perpustakaan perusahaan yang terdiri dari lebih dari 100.000 laporan penelitian dan dokumen.
Alat kedua, Morgan Stanley Debrief, diluncurkan pada bulan Juni. Ini membantu penasihat keuangan membuat, meninjau, dan merangkum catatan dari pertemuan dengan klien.
“Ini seperti memiliki orang yang paling mendapat informasi di Morgan Stanley duduk di sebelah Anda,” kata Picariello. “Karena pertanyaan apa pun yang Anda miliki, apakah itu bersifat operasional atau penelitian di alam, apa yang telah kami minta model untuk dilakukan adalah sumber jawaban kepada pengguna berdasarkan konten internal kami.”
Bank of America sedang mengejar aplikasi serupa, termasuk alat call center yang menghemat waktu rekanan pelanggan dengan menyalin percakapan pelanggan secara real time, mengklasifikasikan kebutuhan pelanggan, dan menghasilkan ringkasan untuk agen.
Menjaga manusia dalam lingkaran
Keputusan untuk menggunakan AI generatif secara internal terlebih dahulu, bukan secara eksternal, sebagian karena kelemahan generatif AI yang paling menonjol: halusinasi.
Dalam AI generatif, halusinasi adalah respons yang tidak akurat atau tidak masuk akal terhadap prompt, seperti ketika AI Google Search yang terkenal merekomendasikan agar koki rumah menggunakan lem untuk menjaga keju dari meluncur dari pizza.
Bank waspada terhadap chatbots AI yang dihadapi konsumen yang dapat membuat kesalahan serupa tentang produk dan kebijakan bank.
Menyebarkan AI generatif secara internal mengurangi kekhawatiran. Ini tidak digunakan untuk secara mandiri melayani pelanggan dan klien bank tetapi untuk membantu karyawan bank, yang memiliki opsi untuk menerima atau menolak saran atau bantuannya.
Bank of America menyediakan alat AI yang dapat membantu bankir hubungan mempersiapkan rapat dengan klien, tetapi itu tidak bertujuan untuk mengotomatiskan hubungan bank-klien, kata Gopalkrishnan kepada BI.
Picariello mengatakan Morgan Stanley mengambil pendekatan yang sama untuk menggunakan AI generatif sambil mempertahankan akurasi. Ringkasan pertemuan yang dihasilkan AI perusahaan dapat secara otomatis dibagikan dengan klien, tetapi tidak. Sebaliknya, penasihat keuangan meninjau mereka sebelum dikirim.
Melatih Tenaga Kerja Keuangan untuk AI
Bank of America dan Morgan Stanley juga melatih karyawan bank tentang cara menggunakan alat generatif-AI, meskipun strategi mereka berbeda.
Gopalkrishnan mengatakan Bank of America mengambil pendekatan top-down untuk mendidik kepemimpinan senior tentang potensi dan risiko AI generatif.
Sekitar dua tahun yang lalu, dia mengatakan kepada BI, dia membantu staf tingkat atas di bank menjadi “sangat sadar” tentang apa yang mungkin terjadi dengan AI. Dia mengatakan memiliki kepemimpinan senior perusahaan yang diberi pengarahan tentang tunjangan AI generatif, serta keterbatasannya, penting untuk membuat keputusan berdasarkan informasi di seluruh perusahaan.
Sementara itu, Morgan Stanley berkonsentrasi membuat alat AI perusahaan mudah dipahami.
“Kami telah menghabiskan banyak waktu untuk memikirkan UX yang terkait dengan alat -alat ini, untuk membuatnya intuitif untuk digunakan, dan membawa pengguna melalui proses dan siklus bekerja dengan AI generatif,” kata Picariello. “Sebagian besar pelatihan dibangun ke dalam alur kerja dan pengalaman pengguna.” Misalnya, alat Morgan Stanley dapat memberi tahu karyawan tentang cara membingkai ulang atau mengubah prompt untuk menghasilkan respons yang lebih baik.
Untuk saat ini, bank memfokuskan inisiatif AI untuk mengidentifikasi dan mengotomatisasi tugas yang semakin kompleks dan bernuansa dalam organisasi daripada mengembangkan aplikasi satu kali yang ditargetkan untuk pengalaman pelanggan.
“Kami mencoba mendekati masalah bukan sebagai masalah teknologi tetapi sebagai masalah bisnis. Dan masalah bisnisnya adalah bahwa karyawan Bank of America semua melakukan banyak tugas di perusahaan,” kata Gopalkrishnan. “Kesempatannya adalah berpikir lebih holistik, untuk memahami tugas -tugas dan menemukan peluang terbesar sehingga lima dan 10 tahun dari sekarang, kami adalah organisasi yang jauh lebih efisien.”
