生成式人工智能银行业成功：市场分析与最佳实践

引言3 人工智能 vs. 机器学习 vs. 生成式人工智能 GenAI在银行业：总体 outlookGenAI对银行业的影响潜力������������������������������������ 银行行业中 GenAI 的可能应用示例�����������11 退款减少12 交易分类13 推荐银行产品14 银行助手15 服务法规助手16 自动报告17 语义搜索18使用DataStax和Neontri实现银行GenAI解决方案19 银行用例实现20 银行中 GenAI 实施示例 22 德意志银行23澳大利亚联邦银行（CBA）24澳大利亚和新西兰银行集团有限公司（ANZ）25万事达26华侨银行27摩根士丹利28摩根大通29荷兰国际集团30 未来银行中的生成式AI的机遇与挑战31 GenAI在银行的潜在未来应用32 自动化文档处理和报告32 合规性保障32 预测性洞察33 即时验证33 挑战和注意事项34 内容合规性35 安全35 幻觉36 偏见36 微调模型37 结论38 霓虹三角—您银行GenAI转型的合作伙伴39 来源40 我们最近目睹了生成式人工智能（GenAI）在日常中的兴起。GenAI 以八位谷歌科学家撰写的“Attention Is All YouNeed”研究论文为开端。该论文介绍了一种名为“transformer”的新型深度学习架构。该研究论文被认为是现代人工智能的基础性论文，因为 transformer 方法是大型语言模型（LLM）的主要架构。 引言 人工智能系统的繁荣发生在2020年代初，当时像ChatGPT这样的聊天机器人和像Midjourney这样的图像生成工具开始向公众开放使用。如今，每个人都可以尝试最新的GenAI工具，这些工具会对用户的提示做出反应并返回特定的生成结果。生成式人工智能的可用性导致了越来越多的组织和行业开始探索GenAI的能力。 通用人工智能正成为在许多领域用于个人和专业用途的通用技术。除了营销、写作、设计和软件开发等领域外，银行业和金融科技细分领域也在拥抱其卓越的分析能力。随着新工具的发展和崛起，生成式人工智能的使用也在增加。像 OpenAI、Anthropic、微软、谷歌等科技巨头以及其他许多小型公司都在研发他们的生成式人工智能模型，并正在开发他们已发布的工具以供广泛使用。 GenAI中的创造过程是如何运作的？ 什么是GenAI 生成式人工智能，也称为GenAI，是一种利用生成模型创建不同输出类型的人工智能，例如文本、视频、图像和其他数据。GenAI使用先进的算法和模型，基于一些输入上下文（通常包括用户提示）来生成响应。生成式人工智能具有不同的能力，可用于传统人工智能以外的其他目的。它使用在数据源上训练的模型，并将它们转化为新的原创输出。 获取模型 行业内可用的模型由亚马逊、谷歌或OpenAI 等大型科技公司进行训练，并且可以进行微调以用于特定的商业用途。 生成新内容 生成式人工智能可以根据其训练数据得出的模式和洞察来生成新内容。 匹配和纠正 用户然后可以精炼和调整生成的内容，以便更好地符合他们的偏好和需求。 AI 与 ML 与 GenAI 稍作简化，AI 了解特定规则即可执行各种任务。这可以与电脑棋手作比较。AI 了解规则和可能的走法。基本上，它可以遵循特定规则并完成一系列任务。 理解通用人工智能（GenAI）、机器学习（ML）和大型语言模型（LLMs）的核心概念对于应对这些变化至关重要。以下是对GenAI基础知识的简要概述。人工智能与GenAI的区别在于它们的范围和能力 生成式人工智能 人工智能的一个子集，得益于其对机器学习和更具体地说是对大型语言模型的访问，可以根据输入生成某些内容。机器学习使用模型来进行预测，这些预测作为生成所需内容的基础—文本、图像、视频等。生成式AI使用各种模型，包括神经 网络和深度学习，所有这些都针对理解、学习和生成类似人类的响应而定制。 机器学习 人工智能的重要组成部分。机器学习是一组用于预测的高级算法。它基于观察进行学习，并允许进行特征预测。 大型语言模型 深度学习算法的输出以及部分能够使用我们熟悉和理解的语言进行识别、处理和生成内容的AI。它们是机器学习的一个子集。大型语言模型在大量数据集上进行训练，例如维基百科文章、GitHub等。你们大多数人都可能知道GPT（生成式预训练变换器），它是OpenAI开发的一种流行的LLM，可在ChatGPT中使用。GPT专注于生成文本响应。大型语言模型也可用于根据文本提示生成图像（如DALL-E），但图像生成模型不一定使用LLM。 这些技术相互关联，是相互关联的，共同协作，产生曾经被认为不可能的解决方案。它们不是独立的，而是推动现代技术创新的集成系统的一部分。 人工智能在银行业：总体展望我们目前正目睹与银行业生成式AI（GenAI）崛起密切相关的重要技术进步。根据statista.com的数据，GenAI为银行业带来的总潜在增值可能介于2000亿至3400亿美元之间。Statista在软件工程领域的一个用例示例是遗留代码转换。在客户运营和营销方面——IVR和定制银行产品。 2023年生成式AI为银行业带来的潜在增值，附带示例用例 GenAI被引入以改善运营方面和客户互动。首先，人工智能驱动的聊天机器人被实施以改善客户服务，但GenAI已将功能推向实时、自然互动。这是AI在银行中最基本和最流行的用途之一。越来越多的金融机构正在引入或多或少先进的聊天机器人。 这主要是因为它能够分析大型数据集以检测异常情况和隐藏模式，而这些情况通常会被忽略。 专家见解：仅使用自动化工具重写遗留代码可能存在创建全新遗留代码的风险。此过程必须由专家监督和控制，专家将引导通用人工智能完成此过程以获得预期结果。 除了客户服务改进之外，GenAI已被应用于银行的其他领域，例如欺诈检测、反洗钱和了解你的客户流程。 生成式人工智能对银行业的影响 生成式人工智能在银行业相对较新。它在行业中的使用和潜力通过对重复的客户服务任务进行自动化并让人们将时间投入到更复杂的客户问题上，承诺提高生产力。然而，这仅仅是开始，创新银行将使用生成式人工智能进行复杂数据分析和降低风险。 这有可能为银行和金融机构带来巨大价值，大幅提高它们的效率。将 GenAI 加入到一个组织需要正确的采纳和变革管理。银行用户和员工需要学习如何使用新技术，这需要一个经过深思熟虑的变革管理计划。 它也需要时间让每个人都掌握这项技术。员工需要理解工具及其局限性，以利用它们。 一些基于人工智能的系统可以通过识别异常模式或标记可能的欺诈交易来实现安全威胁检测。潜力巨大，因为大型语言模型和机器学习算法的能力可用于彻底检查客户的财务状况并提供合适的贷款。类似的技术可以创建个性化的产品推荐，例如信用卡优惠。 总的来说，通用人工智能将在组织中增加新的角色，并将重点转移到更重要的任务上，因为它可以接替支持员工所执行的工作。人工智能的学习能力将使其有可能扩展算法的使用，并为客户和员工实施新的技术解决方案。 随着通用人工智能（GenAI）的引入，该技术在银行领域有许多潜在应用。除了提高效率、改善客户服务和体验以及一般创新之外，通用人工智能的能力还有一些特定的用途。 下面列举的GenAI应用实例可供Neontri的专家实施。Neontri可以为提出的实例准备实施计划和交付时间表。我们的专家可以分析GenAI实施的可能性，以推动贵组织的增长。Neontri在金融科技和银行软件开发方面拥有10多年的经验，包括生成式AI解决方案。 拒付减少 生成式人工智能可以增强卡片交易数据，以减少银行在收到大量客户提出的争议索赔时，错误的争议退货报告的频率。 01 使用GenAI进行数据丰富 GenAI通过添加商店名称、交易地点、产品或服务类别、价格、日期和其他相关信息来增强交易数据。 02 增强数据展示这丰富数据随后以清晰便捷的格式呈现给客户，通过网络门户或移动应用程序。 03 减少拒付索赔 通过获取全面且准确的交易详情，客户不太可能发起拒付，因为他们可以核实这些交易是合法的，并且符合他们的购买模式。 生成式人工智能能够快速准确地处理和分析大量数据，这意味着它可以显著增强交易细节，使其对客户更具信息量和实用性。提供清晰、详细的交易信息可以提高透明度和客户信任，从而实现更明智的决策并减少争议。类似技术已在欺诈检测、客户服务和数据丰富化等多个行业得到有效应用，这表明它在银行领域具有巨大的成功潜力。 交易分类 使用 GenAI 创建训练集可加速金融交易分类解决方案的部署。 01 创建训练集 该团队从过去的交易中收集数据，例如杂货店购买，以形成训练集。 02 GenAI 训练 这些数据随后被用来训练GenAI，它分析这些数据以识别模式，并学习如何正确地对交易进行分类，例如与“购物”相关的交易。 03 实现分类系统 一旦训练完成，分类系统就准备好集成到银行系统了。 04 对交易进行分类对于与杂货店相关的新的交易，系统将分析数据，识别这些交易，并将它们归类到“购物”类别下。 使用一个精心策划的训练集，其中包含多样且相关的示例（例如杂货店交易），可以增强模型的学习和泛化能力，从而实现更准确的分类。这项技术可以适应不同类型的交易和类别，使其在各种银行应用中具有通用性和可扩展性。 相似分类技术在其他领域（例如费用追踪和财务报告）已得到有效实施，这表明其在金融交易分类方面具有巨大的成功潜力。 建议银行产品 GenAI可以被用于在系统内推荐银行产品。 保险推荐 交易监控 GenAI然后根据交易上下文和历史提供个性化的保险产品推荐。 系统跟踪客户的交易记录，包括卡支付，并分析付款金额、位置和类型等详细信息 卡片支付交易 识别需求 从这笔交易数据中，GenAI识别出由于客户购买了航空机票，存在潜在保险需求。 客户使用他们的卡购买国际旅行的机票。 人工智能驱动的系统可以通过利用详细的交易数据来提供高度个性化的建议。例如，它可能会推荐涵盖健康、行李和其他与旅行相关的顾虑的旅行保险。这种个性化提高了产品建议的相关性，例如在本例中的旅行保险。通用人工智能系统可以通过更多的数据和反馈随着时间的推移而改进，通过从客户交互中学习来完善其建议并提高其准确性。 类似的AI技术已成功应用于个性化营销、金融咨询和产品推荐等领域，证明了其在理解客户需求和偏好方面的有效性。 银行助理 基于自然语言处理，GenAI可以被应用于一个系统，用来提供银行产品和服务方面的建议。 处理财务文件 该GenAI系统用于导入各种信用协议和其他文件。GenAI还可以协助企业客户的KYC流程，以简化提交文件的分析和风险评估。 个人银行助理 客户可以使用文本或语音指令来询问信用协议相关问题。GenAI可以分析银行的法规和客户的银行历史，从而帮助客户获取信息，或根据客户的账户和投资组合为呼叫中心员工提供具体的服务建议。 自然语言答案 GenAI处理客户的问题，在协议内搜索相关信息，并使用自然语言交互提供准确响应。 自然语言处理（NLP）在理解和解释文本方面取得了显著进展，使GenAI能够准确处理和分析信用协议。这项能力支持对客户查询做出精确和相关的回应，并可能包括引用具体条款、解释术语或提供关于还款计划、利率和抵押品的信息。 通用人工智能系统可以从新数据和交互中持续学习，随着时间的推移，在处理更多协议和客户咨询的过程中，不断提高其准确性和有效性。 类似技术在法律文件分析、客户服务和金融顾问等领域已成功实施，展示了它们处理复杂信息并提供精准见解的能力。 服务规则助手 GenAI可以帮助客户更好地理解银行的法规。 阐明共享登录详情的风险 与GenAI的交互 如果一个客户询问是否可以将用户名和密码分享给家人，GenAI会解释其中涉及的风险，并强调保持登录凭证私有的重要性。 客户通过银行的