GenAI 在金融服务领域的三个宏观趋势
快速阅读: 据《PYMNTS.com》最新报道，AWS高管称生成式AI正革新金融服务，改善用户体验、欺诈检测及支付创新。强调端到端体验、数据现代化与嵌入式金融，同时关注代理型AI应用及成本控制策略。
根据亚马逊云科技（AWS）金融服务市场开发负责人约翰·凯恩的说法，生成式人工智能（生成式AI）和代理型AI正在彻底革新金融服务，改善用户体验、欺诈检测、支付创新以及合规流程。“AI在过去十年中一直是行业现代化的核心组成部分。它实际上贯穿了金融服务价值链的每一个环节，”这位前摩根大通高管在接受PYMNTS采访时说道。“过去两年里，生成式AI对所有这些流程的影响发生了巨大变化。”
凯恩认为银行业、资本市场、保险业和支付领域有三大趋势：
**端到端用户体验**：AI实现了无缝的用户注册、产品推荐、服务以及后台处理。它还推动了高度个性化体验，使企业能够根据用户数据和行为实时定制优惠、建议和沟通。
**数据现代化**：传统系统正在升级以解锁核心数据，从而提供更个性化的服务和更好的分析能力。
**嵌入式金融服务**：公司正在将金融工具嵌入更广泛的业务链条中，在任何渠道（无论是电子商务、社交平台还是移动应用）与用户互动。
在支付领域，凯恩强调了全球范围内实时支付系统的兴起，从印度的统一支付接口（UPI）到巴西的Pix，这些系统提供即时结算且费用低廉。根据PYMNTS Intelligence去年12月的一份报告，美国银行现在正在引领这一潮流。“这些变化正在改变客户的期望，”凯恩说，并补充道，像“先买后付”和稳定币通道这样的创新正在为基础设施和欺诈预防带来新的挑战。机器学习被部署来提高欺诈检测——特别是在几乎没有犯错余地的即时支付中。AWS也在看到分布式模型训练技术和用于跨机构共享欺诈数据的清洁室环境的采用。
**机器学习与欺诈检测**
机器学习正在被广泛应用于提升欺诈检测能力，尤其是在即时支付中，这类交易需要极高的准确性。AWS也观察到分布式模型训练技术和用于跨机构共享欺诈数据的清洁室环境的应用。
**代理型AI的关注度上升**
凯恩表示，AI代理——研究、与其他代理交互并为用户完成任务的人工智能系统——“绝对是行业发展的方向”。一个常见的用例是访问内部信息以更有效地服务于客户。代理型AI获得关注。
**代理型AI的实际应用**
凯恩引用了Remitly的例子，这是一家处理18种语言交易的汇款公司。其中95%的汇款可以顺利进行。但Remitly指出，剩下的5%可能会由于客户身份识别等问题而延迟，这会损害信任。该公司使用生成式AI通过找到合适的内部信息来帮助客户解决问题。
其他用例包括：
– **呼叫中心自动化**：实时转录、情感检测和路由到数字渠道。
– **合规性**：加速反洗钱（AML）调查，例如在一个案例中使用大型语言模型（LLMs）将调查时间缩短80%至90%。
– **个性化**：银行可以不仅为客户定制产品营销，还可以优化支付方式。
当涉及到财务服务机构的关键响应准确性和幻觉时，凯恩表示，基于检索增强生成（RAG）和其他技术以及可信信息的知识库，模型在这方面有了改进。此外，AWS的生成式AI平台Bedrock具有使用生成式AI检测幻觉的护栏，成功率为75%。然而，“当涉及重要的财务决策时，仍然存在大量的人类因素，”凯恩说。
**成本控制与灵活选择**
承认对生成式AI成本的担忧，凯恩详细介绍了AWS通过定制芯片（Inferentia和Trainium）、模型蒸馏和灵活的模型比较工具降低费用的努力。针对特定任务的小型化模型降低了成本，同时保持高性能。凯恩还表示，客户可以选择Nova等模型，这是AWS自己的大型语言模型（LLMs）家族，去年12月推出时比竞争对手的类似模型便宜75%。AWS上还提供DeepSeek R1，这是中国AI初创公司DeepSeek的产品，因其经济模型在硅谷和华尔街掀起波澜。凯恩表示，公司可以在不担心数据被发送到海外的情况下使用DeepSeek。因为它托管在AWS上，数据会保留在客户手中。“我们让客户测试不同的模型和价格点，以便他们可以优化性能和成本，”他说。
例如，纳斯达克曾使用LLM进行反洗钱（AML）任务，但发现成本太高。结果发现，他们无必要地使用了超大规模模型，既用于总结又用于撰写最终报告提交给监管机构或内部审计部门。凯恩说，纳斯达克发现，通过使用一个小得多的语言模型来总结事实，而使用大模型撰写报告，他们仍然可以保持相同的质量并降低成本。“通过混合这两种方法，他们找到了一种兼具经济效益的解决方案。”更多客户将会找到适合自己的最佳方案。“我认为未来会看到更多灵活性，”凯恩说。
**订阅与合作**
订阅订阅以接收每日新闻简报。与PYMNTS合作我们一直在寻找与创新者和颠覆者的合作机会。了解更多推荐金融服务业的三大生成式AI宏观趋势。
(以上内容均由Ai生成)
