Агентный ИИ в финансовых услугах: роль данных в успехе

В сотрудничестве с Elastic

У компаний, работающих в сфере финансовых услуг, есть уникальные потребности в отношении бизнес-ИИ. Они работают в одном из наиболее строго регулируемых секторов и реагируют на внешние события, которые обновляются каждую секунду. В результате успех агентного ИИ в сфере финансовых услуг зависит не столько от сложности системы, сколько от качества, безопасности и доступности данных, на которые она опирается.

«Все начинается с данных», — говорит Стив Мейзак, глобальный управляющий директор подразделения Search AI в компании Elastic.

Агентный ИИ — системы, способные самостоятельно планировать и выполнять действия для решения задач, а не просто генерировать ответы, — обладает огромным потенциалом для финансовых услуг благодаря своей способности учитывать данные в реальном времени и оптимизировать сложные рабочие процессы. По данным Gartner, более половины команд в сфере финансовых услуг уже внедрили или планируют внедрить агентный ИИ.

Однако внедрение автономного ИИ в любую организацию усиливает как сильные, так и слабые стороны используемых данных. Для быстрого, уверенного и контролируемого развертывания агентного ИИ компаниям, работающим в сфере финансовых услуг, необходимо сначала иметь возможность осуществлять поиск, защиту и контекстуализацию своих данных в больших масштабах. «Агентный ИИ усиливает самое слабое звено в цепочке: доступность и качество данных», — говорит Майзак. «А ваши системы хороши настолько, насколько хорошо их самое слабое звено».

Таким образом, компаниям, работающим в сфере финансовых услуг, необходимо надежное и централизованное хранилище данных, к которому легко получить доступ, которое является надежным и может управляться в масштабах предприятия.

Высокие ставки в вопросе качества информации

Регулирование в секторе финансовых услуг требует высокой степени подотчетности в отношении всех инструментов обработки данных. Как говорит Мейзак: «Нельзя просто ограничиваться объяснением того, откуда взялись данные и во что они были преобразованы: „Вот данные, которые поступили, а вот что получилось“. Необходим поддающийся аудиту и управлению способ объяснить, какую информацию обнаружила модель и почему эти данные были правильными для следующего шага». То есть, необходимо иметь возможность видеть, понимать и описывать лежащие в основе процессы.

В то же время компаниям, предоставляющим финансовые услуги, необходимы скорость и точность, чтобы соответствовать ожиданиям клиентов и опережать конкурентов. Рынки постоянно меняются, и риски и возможности перемещаются вместе с ними. Если модель ИИ может анализировать естественный язык (неструктурированные данные) из сложных источников — в дополнение к структурированным данным в электронных таблицах, которые легче анализировать, — это предоставляет пользователям более релевантную информацию.

В такой среде недопустимы ошибки, включая галлюцинации, которые преследовали ранние попытки внедрения ИИ. Агентные системы ИИ зависят от быстрого доступа к высококачественным, хорошо управляемым данным, которые являются безопасными и доступными. В сфере финансовых услуг эти данные охватывают транзакции, взаимодействие с клиентами, сигналы риска, политику и исторический контекст. Не следует недооценивать задачу подготовки этих данных для ИИ. «Естественный язык гораздо сложнее, чем структурированные данные, и это делает процесс его организации и очистки гораздо более важным и одновременно гораздо более сложным», — говорит Майзак.

Данные должны быть хорошо проиндексированы и консолидированы в разных местах, а не храниться в разрозненных системах внутри организации. В противном случае, агенты ИИ будут работать с задержками, давать противоречивые ответы и принимать решения, которые сложнее отследить и объяснить, что подорвет доверие со стороны регулирующих органов, клиентов и внутренних заинтересованных сторон.

Как говорит Майзак: «Существует множество различных способов описать, как совершить сделку в банке. В мире, управляемом агентами, нам нужны детерминированные описания — чтобы они давали одинаковые результаты каждый раз. Однако мы строим модели на основе мощных, но недетерминированных алгоритмов. Это невероятно сложно, но выполнимо».

Для финансовых компаний управление этим процессом может быть очень сложной задачей. Исследование Forrester показало, что 57% финансовых организаций все еще развивают необходимые внутренние возможности для полного использования агентного ИИ. « Данные существуют во многих различных форматах, созданных за всю историю банка», — говорит Майзак. «Возьмите любой банк, существующий 50 лет: у него может быть 60 различных типов PDF-файлов для одной и той же информации. И в то же время мы хотим, чтобы результаты работы этих систем были на 100% точными. Во многих случаях нет понятия «достаточно хорошо»». То есть компаниям нужно сделать все правильно, и с первого раза.

Поиск и получение результатов

Эффективная поисковая платформа является ключом к решению проблемы фрагментированных, плохо индексированных и недоступных данных. Компании, предоставляющие финансовые услуги, которые могут легко обрабатывать как структурированные, так и неструктурированные данные, обеспечивать их безопасность и применять в нужном контексте, получат максимальную выгоду от агентного ИИ. Зачастую это требует проектирования систем ИИ с учетом доступа к данным и их полезности, чтобы они могли работать быстрее и давать более точные результаты, а также снижать риски. «Поиск — это основополагающая технология, которая делает ИИ точным и основанным на реальных данных», — говорит Майзак. «Поисковые платформы стали авторитетными хранилищами контекста и памяти, которые будут питать эту революцию в области ИИ».

После внедрения эти усовершенствованные с помощью ИИ поисковые системы и автономные системы могут служить компаниям финансового сектора для решения широкого спектра задач. При мониторинге рисков клиентов агентный ИИ может непрерывно сканировать транзакции, рыночные сигналы и внешние данные для выявления возникающих рисков; затем платформы могут автоматически отмечать или передавать проблемы на рассмотрение вышестоящим инстанциям в режиме реального времени. При мониторинге сделок агенты ИИ могут анализировать рабочие процессы сделок, выявлять несоответствия в различных форматах и поэтапно устранять исключения с минимальным участием человека. В сфере нормативной отчетности ИИ может собирать данные из различных систем, генерировать необходимые отчеты и отслеживать, как был создан каждый результат. Эти приложения ИИ экономят время, одновременно поддерживая потребности аудита и соответствия требованиям благодаря отслеживаемости и объяснимости.

Хотя подобные возможности уже существуют, они часто носят ручной характер, фрагментарны и трудно масштабируемы. Агентный ИИ позволяет финансовым организациям переходить к более автоматизированным, эффективным и масштабируемым процессам, сохраняя при этом точность и прозрачность, необходимые в их строго регулируемой среде. Как говорит Мейзак: «Это не так уж сильно отличается от того, как сегодня работают люди, просто делается это гораздо быстрее и в гораздо большем масштабе».

Создание экосистемы агентного искусственного интеллекта

Запуск агентного ИИ может быть непростой задачей, особенно если другие проекты в области ИИ застопорились внутри компании. Мэйзак рекомендует выбрать управляемый сценарий использования и позволить ему развиваться со временем. «Успех может строиться на успехе», — говорит он. «Хотя компании могут стремиться автоматизировать 70-шаговый бизнес-процесс, они обнаруживают, что с чего-то нужно начинать. На рынке работает подход, при котором проблема решается шаг за шагом. Как только вы освоите первый шаг, вы сможете перейти к следующему, и так далее».

Лидерами среди своих конкурентов в сфере финансовых услуг станут те организации, которые интегрируют агентный ИИ в более широкую экосистему, включающую надежные средства контроля безопасности, эффективное управление данными и действенное управление производительностью системы. Как говорит Мэйзак, «Умелое внедрение этих технологий создаст замкнутый цикл обратной связи в сфере ИИ, в рамках которого руководители будут получать новые сигналы от этих систем для оценки эффективности своих инвестиций и генерировать надежные, действенные аналитические данные». Путем итеративного совершенствования пилотных проектов и постоянного улучшения компании будут создавать агентные системы, которые можно измерять, управлять ими и масштабировать. Это превратит агентный ИИ в долгосрочное конкурентное преимущество.

Узнайте больше о том, как Elastic поддерживает финансовые услуги.

Данный контент был подготовлен подразделением Insights, занимающимся созданием контента на заказ для MIT Technology Review. Он не был написан редакционным персоналом MIT Technology Review. Исследование, разработка и написание материала осуществлялись людьми — авторами, редакторами, аналитиками и иллюстраторами. Это включает в себя написание опросов и сбор данных для опросов. Инструменты искусственного интеллекта, которые могли быть использованы, ограничивались вторичными процессами производства, прошедшими тщательную проверку человеком.

Источник: www.technologyreview.com