Чому у FinTech побоюються ChatGPT?

На відміну від багатьох інших сфер, фінсектор не поспішає впроваджувати ChatGPT у свої процеси та вивчає його обережно.

Генеративний штучний інтелект “хайпує” на повну - інструменти на кшталт ChatGPT та MidJourney демонструють виняткові успіхи в обробці даних та генерації контенту, ламаючи наші традиційні уявлення про креативність та межі автоматизації типово “людської” роботи.

Та поруч із захопленням виникають й закономірні перестороги: наскільки надійним інструментом є генеративний штучний інтелект? Чи можна надавати йому автономність? Він скоро залишить людей без роботи? Чи може, навпаки, являє собою чергову “іграшку”, про яку усі забудуть вже за півроку? 

Особливо голосно ці питання звучать у сфері FinTech - на відміну від багатьох інших сфер, фінсектор не поспішає впроваджувати ChatGPT у свої процеси та вивчає такі технології обережно. Розгляньмо причини такої обережності - оцінимо перспективи генеративного ШІ у FinTech та можливі ризики.

Поступ FinTech до штучного інтелекту 

За оцінкою Всесвітнього економічного форуму, хайп навколо ChatGPT - це лише початок буму генеративного ШІ. Вже сьогодні стрімко розвиваються десятки стартапів на базі цієї технології у різних галузях: створення контенту (Jasper, Copy.ai), медицина (Atropos Health, Syntegra), освіта (Prof Jim). Експерти очікують, що застосування генеративного ШІ пошириться за межі креативних індустрій та ймовірно буде широко інтегроване у щоденні робочі процеси.

Та поруч з тим ми бачимо, що найбільші банки Уоkл Стріт, такі як JPMorgan, Bank of America Citi, Goldman Sachs та Wells Fargo, обмежили використання ChatGPT у цілях бізнесу. Аналогічно, співробітникам Deutsche Bank відключили доступ до цього надрозумного чатбота. В кращому випадку банки пілотно тестують ChatGPT для певних завдань.

Галузь рухається дуже обережно. Адже ШІ може створювати безліч регулятивних та оперативних ризиків - від порушення законів про конфіденційність інформації до ризиків втрати даних та непередбачуваних ефектів впливу ШІ на клієнтський досвід. 

Переваги нових технологій роблять ці ризики виправданими. Великі банки вже використовують ШІ та алгоритми ML задля покращення операцій бек-офісів, виявлення епізодів шахрайства та клієнтської підтримки. 

- Зокрема, Royal Bank of Canada тестує генеративний ШI аби прискорити створення свого софту. В банку зазначають, що ШІ може допомогти розробникам створити код для покращення наявних або створення нових FinTech-продуктів.

- Американський фінансовий холдинг Capital One назвав ШІ одним зі своїх ключових інженерних напрямків. Установа має патенти на використання ШІ та машинного навчання для обробки природної мови та виявлення шахрайства.

- Morgan Stanley нещодавно розпочав тестування чат-ботів на основі ChatGPT OpenAI із трьома сотнями консультантів, щоб допомогти їм легко отримувати дослідження та дані. 

Як йдеться у звіті Isider Intelligence, генеративний ШІ може здійснити революційний вплив на різні вертикалі фінансового сектору. Зокрема: 

- Обслуговування фізичних осіб (розумні чатботи зі штучним інтелектом, KYC-перевірка).

- Фінпослуги для малого та середнього бізнесу (автоматизована обробка заявок на кредити, що містять нечислові дані, наприклад, бізнес-плани).

- Операції комерційного банкінгу (прискорення та автоматизація завдань бек-офісів, фінансова аналітика, прогнозування).

- Інвестиційний банкінг та ринки капіталів (стрес-тести, моделювання, аналіз ліквідності, комплаєнс тощо).

Завдання генеративного ШІ у FinTech 

Як описати штучний інтелект простими словами? Це “губка”, що поглинає будь-які дані, розподіляє їх на окремі типові елементи (токени) та визначає характерні послідовності використання цих токенів. Це дозволяє генеративному ШІ “малювати” і “писати” - він відтворює те, що так чи інакше “бачив” та “читав”. Які завдання можна доручити такому помічнику.

1. Клієнтська підтримка. Найочевидніший сценарій використання ШІ - створення розумного чатбота, який буде здатний сприймати природну мову, розумітися у процесах та надавати консультації в режимі 24/7. Йдеться про повну автоматизацію роботи цілого кол-центру.

2. Персоналізований маркетинг. Генеративний ШІ може допомогти у створенні таргетованих меседжів для просування нових чи наявних продуктів для найбільш релевантної аудиторії - при тому зробити це за секунди, з урахуванням та контексту ситуації окремого користувача. Це вочевидь працюватиме на продажі фінансових послуг та конверсію.

3. Обробка та перевірка інформації. Одним зі стовпів надання фінансових послуг є ітеративне введення даних та їхня покрокова верифікація. Генеративний ШІ буде корисний для усіх можливих перевірок та KYC-практик, автоматично збираючи та надаючи на вимогу дані з попередньо обробленої бази даних - можливо навіть з документами, рахунками та контрактами.

4. Юридична підтримка. У такі зарегульованій царині як фінанси, автоматизація юридичних оцінок та консультацій може істотно полегшити та прискорити бюрократичні процедури й процеси ухвалення рішень. Прецеденти такого застосування ШІ вже відомі: у Колумбії суддя застосував ChatGPT при підготовці судового вироку у справі про медичне страхування. За його словами, чатбот фактично виконав роль його секретаря. 

5. Комплаєнс. Генеративний ШІ може стати важливим компонентом у системі дотримання вимог фінансового нагляду. Наприклад - через спрощення або автоматизацію моніторингу регулятивних актів.

6. Боротьба з шахрайством. Алгоритми ШІ вже давно використовуються для моніторингу підозрілої активності та протидії злочинним схемам. Однак генеративний ШІ може допомогти зі створенням синтетичних даних, необхідних для перспективного навчання ML-алгоритмів за принципово новими сценаріями. Це допоможе фахівцям з безпеки бути на крок попереду шахраїв.

7. Автоматизоване керування взаємовідносинами. Страхові брокери, фінансові консультанти та комерційні банкіри старанно вибудовують та підтримують відносини зі своїми клієнтами, аби надати їм найкращий досвід та отримати максимум віддачі з фінансових продуктів. Генеративний ШІ допоможе частково автоматизувати цей процес - як на стороні клієнта, так і на стороні менеджера.  

8. Оцінка ризиків та предиктивна аналітика. Можливості моделювання, прогнозування та “стрес-тестів” ринкової ситуації методами ML можуть бути обмежені браком релевантних даних. Генеративний ШІ може розв'язати цю проблему, генеруючи синтетичні дані на базі певної вибірки. 

Це лише найочевидніші завдання генеративного ШІ у FinTech. Оскільки технологія робить лише перші кроки, її впровадження може набувати будь-яких форм.

Чи варто боятися ChatGPT

Отже, генеративний штучний інтелект може принести фінансовому сектору величезну користь - спростити та прискорити рутинні щоденні завдання, забезпечити високий рівень безпеки та точності операцій, покращити сервіс. Тож чому галузь не поспішає кидатись йому на зустріч?

Спершу варто наголосити на очевидному моменті - точність і надійність даних має визначальну роль у фінансових послугах. Світ фінансів не любить помилок, і як показують нещодавні демонстрації генеративного ШІ від Google та Microsoft, точність зараз точно не є його сильною стороною. Звісно, помилок щодня припускаються й люди - але людям притаманна відповідальність, якої тому ж ChatGPT наразі бракує. 

Другий момент стосується відсутності регулятивної бази для використання генеративного ШІ у фінансах. Чи можна довіряти таким інструментам конфіденційну інформацію та особисті дані клієнтів? Наскільки добре вони захищені? Це величезний новий фронт робіт для RegTech.

Нарешті, є й моменти, пов’язані з етикою та емоційною складовою взаємодії людини з ШІ. Справа навіть не в тому, що спілкування з ChatGPT подобається не усім. Критики побоюються, що ШІ зробить ланцюжок ухвалення рішень в системі фінпослуг менш гуманістичним: адже алгоритми будуть вирішувати, чи отримає ваш бізнес кредит.  

Та цей антиутопічний сценарій вкрай малоймовірний. У царині фінансів, де вартість помилок завжди буде високою, останнє слово завжди залишатиметься за людьми, а не за роботами. Бізнесу не варто боятися штучного інтелекту. Скоріше варто боятися нездатності скористатися можливостями ШІ собі на користь.