كيف تستخدم البنوك الذكاء الاصطناعي التوليدي بشكل فعلي؟
إذا تجاهلنا الأخبار العاجلة والدعاية، فإن جوهر المشكلة هو: كيف تستخدم أكبر البنوك في العالم الذكاء الاصطناعي التوليدي؟ ليس الإمكانات المستقبلية، وليس إعلانات الموردين، ولكن أين هي التطبيقات العملية التي تم تنفيذها بالفعل؟
على مدار العامين الماضيين، دخلت الصناعة المالية العالمية بهدوء إلى عصر الذكاء الاصطناعي التوليدي. ومع ذلك، فإن هذه العملية ليست موحدة، بل تتسم بنمطين مختلفين: النشر المتواضع للأدوات الداخلية، والتجارب الحذرة الموجهة نحو العملاء، بالإضافة إلى بعض الابتكارات الجريئة، والتي تعيد تشكيل الهيكل الداخلي للبنوك تدريجياً.
ابدأ من الداخل ثم قم بالتوسع تدريجياً
تتمتع تطبيقات الذكاء الاصطناعي بميزة مشتركة: تبدأ من أدوات الإنتاجية الداخلية.
تتركز التطبيقات الرئيسية للذكاء الاصطناعي التوليدي على تعزيز الإنتاجية الداخلية - تساعد هذه الأدوات الموظفين على إنجاز المزيد من العمل بموارد أقل. من مساعد المحلل في JPMorgan الذي يحلل أبحاث الأسهم، إلى أدوات مدعومة بـ GPT تقدم الدعم لمستشاري إدارة الثروات في Morgan Stanley، كان التركيز المبكر على تمكين العاملين في البنوك بدلاً من استبدالهم.
يعمل جولدمان ساكس على بناء مساعد ذكاء اصطناعي للمطورين؛ أداة ملخص الذكاء الاصطناعي من سيتي تساعد الموظفين في معالجة المذكرات وكتابة الرسائل الإلكترونية؛ تم إطلاق "SC GPT" من ستاندرد تشارترد بين موظفيها البالغ عددهم 70000، لتغطية جميع جوانب من كتابة الاقتراحات إلى مسائل الموارد البشرية.
نظرا للبيئة شديدة التنظيم التي نعيش فيها ، فإن نشر الأدوات الداخلية أمر منطقي تماما. ويسمح ذلك للبنوك بتجربة قدرات الذكاء الاصطناعي وتكثيفها دون المساس بالخطوط الحمراء التنظيمية. إذا أشرنا إلى الإجراءات الأخيرة التي اتخذها البنك المركزي النيجيري (CBN) ضد Zap ، فمن الواضح أن "الحذر يسود" هو خيار أكثر منطقية.
مراقبة خط الأعمال: أين القيمة؟
تختلف سرعة تقدم تطبيقات الذكاء الاصطناعي بين الأقسام المختلفة. هناك اختلافات في سرعة اعتماد الذكاء الاصطناعي التوليدي بين أقسام الأعمال المختلفة. في هذا السياق، تتصدر البنوك التجزئة من حيث حجم المعاملات. في هذا المجال، تتعامل روبوتات الدردشة المدعومة بالذكاء الاصطناعي التوليدي مثل Fargo من ويلز فارجو وErica من بنك أمريكا مع مئات الملايين من التفاعلات سنويًا. في أوروبا، أطلق بنك كوميرز مؤخراً روبوت الدردشة الخاص به Ava.
ومع ذلك ، تكمن المشكلة في أن بعض هذه الأدوات لا تستخدم في الواقع الذكاء الاصطناعي التوليدي وتعتمد بدلا من ذلك على تقنيات التعلم الآلي التقليدية. على سبيل المثال ، تعمل إيريكا من بنك أوف أمريكا مثل "الترك الميكانيكي" (وهم الأتمتة من خلال العمليات اليدوية). ومع ذلك ، فإن التجارب نفسها هي المهمة ، وليس الملصقات الفنية.
في مجال الشركات والبنوك الاستثمارية، فإن التحول أكثر خفاءً. أدوات جي بي مورغان (JPMorgan) الداخلية تدعم بشكل أساسي فرق البحث والمبيعات، بدلاً من أن تكون موجهة مباشرةً للعملاء. بينما تستخدم دويتشه بنك (Deutsche Bank) الذكاء الاصطناعي لتحليل سجلات اتصالات العملاء، وهذا ليس خدمة العملاء، بل تمكين البيانات، مما يساعد المصرفيين على فهم العملاء بشكل أسرع وأفضل.
تتواجد إدارة الثروات بين الجانبين. أدوات الذكاء الاصطناعي من مورغان ستانلي لا تتحدث مباشرة مع العملاء، ولكنها تضمن أن يكون المستشارون مستعدين تمامًا قبل كل اجتماع. تقوم دويتشه بنك وبنك أبوظبي الأول بتجربة مساعدين موجهين للعملاء المتميزين، تهدف إلى الإجابة على الأسئلة الاستثمارية المعقدة في الوقت الفعلي.
اختلافات المناطق: من يتصدر؟
المصدر: مؤشر الذكاء الاصطناعي الواضح
تتمتع منطقة أمريكا الشمالية بالصدارة كما هو متوقع. أصبحت البنوك الأمريكية مثل جي بي مورغان (JPMorgan) وكابيتال وان (Capital One) وويلز فارجو (Wells Fargo) وسيتي (Citi) وبنك رويال الكندي (RBC) محركات إنتاجية بفضل الذكاء الاصطناعي. وبفضل تعاونها مع أوبن إيه آي (OpenAI) ومايكروسوفت (Microsoft)، كانت قادرة على الوصول إلى نماذج الذكاء الاصطناعي المتطورة.
تتسم أوروبا بمزيد من الحذر. تقوم بنك بي بي في إيه (BBVA) وبنك دويتشه (Deutsche Bank) وبنك إتش إس بي سي (HSBC) باختبار أدوات الذكاء الاصطناعي داخلياً، وقد وضعت مزيدًا من تدابير الحماية الأمنية. اللائحة العامة لحماية البيانات في أوروبا (GDPR) لها تأثير عميق. كما هو الحال دائماً، تركز أوروبا أكثر على التنظيم بدلاً من التقدم التكنولوجي، مما قد يكلفها ثمنًا.
لا تزال إفريقيا وأمريكا اللاتينية في المراحل المبكرة من تطوير الذكاء الاصطناعي، لكن التقدم سريع. يتميز بنك نوبانك في البرازيل، حيث يتعاون مع OpenAI، حيث يقوم أولاً بنشر أدوات الذكاء الاصطناعي داخلياً، ثم تمتد إلى خدمات العملاء. في جنوب إفريقيا، يختبر بنك ستاندرد وبنك نيد في مجال الذكاء الاصطناعي، ويشمل ذلك السيطرة على المخاطر، وخدمات الدعم، والتطوير.
الصين: بناء مجموعة تقنيات الذكاء الاصطناعي المستقلة
تستخدم البنوك الصينية الذكاء الاصطناعي فحسب ، بل تقوم أيضًا ببناء تقنية الذكاء الاصطناعي.
أطلقت بنك الصين الصناعي والتجاري (ICBC) "Zhiyong"، وهو نموذج لغة كبير يحتوي على 100 مليار معلمة، تم تطويره داخلياً. تم استدعاء هذا النموذج أكثر من مليار مرة، ويدعم 200 سيناريو عملي بدءًا من تحليل الوثائق إلى أتمتة التسويق. هذه ليست مجرد تطبيقات لأدوات داخلية، بل هي تحول أساسي في طريقة تشغيل البنك.
أطلقت مجموعة أنت (Ant Group) نموذجين لغويين كبيرين في مجال المالية - زهيشياوبا 2.0 (Zhixiaobao 2.0) وزهيشياوزو 1.0 (Zhixiaozhu 1.0). يهدف الأول إلى توضيح المنتجات المالية لمستخدمي Alipay العاديين؛ بينما يوفر الثاني الدعم لمستشاري إدارة الثروات، حيث يمكنه تلخيص التقارير السوقية وتوليد رؤى حول المحافظ الاستثمارية.
ذهبت مجموعة Ping An Group ، وهي شركة عملاقة في مجال التكنولوجيا المالية تدمج التأمين والخدمات المصرفية والتكنولوجيا ، إلى أبعد من ذلك. طورت AskBob ، وهو مساعد الذكاء الاصطناعي التوليدي الذي يخدم كل من العملاء ومديري الحسابات. بالنسبة للعملاء ، يمكن ل AskBob الإجابة على أسئلة الاستثمار والتأمين باللغة الصينية الطبيعية. بالنسبة للمستشارين ، فإنه يستخرج ويلخص سجل العملاء وبيانات المنتج والمواد التسويقية ، ويحول كل وكيل إلى خبير مالي محسن رقميا. هدف Ping An هو إعادة تعريف الاستشارات المالية من خلال الذكاء الاصطناعي ، ليس فقط للإجابة على الأسئلة ، ولكن لتوقع الطلب مسبقا.
في الصين، تشجع الإطارات التنظيمية بشدة على توطين البيانات وشفافية النماذج، واختارت هذه المؤسسات الطريق الأطول: بناء ذكاء اصطناعي مخصص قادر على التكيف مع التنظيمات المحلية واللغة وبيئة السوق. علاوة على ذلك، تمتلك الصين كثافة كافية من المواهب، مما يمكّن البنوك من تطوير نماذج أساسية بشكل مستقل، وهو إنجاز قد يكون فريداً على مستوى العالم.
من يقدم الدعم الفني؟
تظهر بعض الشركات المعروفة بشكل متكرر على مستوى العالم: أصبحت مايكروسوفت (Microsoft) من خلال Azure OpenAI المنصة الأكثر شيوعًا حاليًا. من مورغان ستانلي إلى ستاندرد تشارترد، تعمل العديد من البنوك على تشغيل نماذجها في بيئة السندات الآمنة الخاصة بمايكروسوفت.
تم استخدام نموذج لغة كبير (LLM) من Google، مثلما تستخدمه Wells Fargo بدعم من Flan. في الصين، تعتمد بشكل أساسي على التكنولوجيا المحلية مثل DeepSeek و混元 (Hunyuan) وما إلى ذلك.
بعض البنوك، مثل جي بي مورغان وبنك الصين الصناعي والتجاري ومجموعة بينغ آن، تدرب نماذجها الخاصة. لكن معظم البنوك تقوم بتعديل النماذج الموجودة بالفعل. المفتاح ليس في امتلاك النموذج نفسه، بل في السيطرة على طبقة البيانات والتنسيق بين النموذج.
استكشاف تنوع تطبيقات الذكاء الاصطناعي عالميًا
الصورة الأصلية في النص الأصلي، الترجمة: شينتشاو TechFlow
وماذا في ذلك؟
في صناعة شديدة التنظيم ، يعد الحذر أمرا بالغ الأهمية ، وهذا هو السبب في أن البنوك تتعامل مع الذكاء الاصطناعي بدلا من أن تكون مباشرة في الخطوط الأمامية. ومع ذلك ، كما لاحظنا في تغييرات النظام الأساسي الأخرى ، فإن اتخاذ القرار الحاسم والتجريب السريع أمران أساسيان. لا يسبق التنظيم أبدا التنفيذ ، وليس من الحكمة انتظار وضع التنظيم قبل تجربة الذكاء الاصطناعي. أتذكر إنشاء وكالة مصرفية منذ أكثر من عقد من الزمان في بلد لم يكن هناك تنظيم. بمجرد الانتهاء من ذلك ، نصبح من يشرحون الأعمال للبنك المركزي. إذا كنت جزءا من مجلس إدارة البنك ، فسأسأل ، "كم عدد التجارب التي نقوم بها؟" كم عدد الرؤى التي نولثها؟ ”
لقياس التقدم بشكل حقيقي، يجب العودة إلى المبادئ الأساسية لتحول المنصة. يجب أن تستجيب استراتيجيتك للذكاء الاصطناعي للأسئلة التالية:
"هل أعادت استراتيجيتنا للذكاء الاصطناعي بناء البنية الأساسية؟ هل خفضت التكاليف بمقدار 100 مرة؟ هل أطلقت نماذج قيمة جديدة؟ هل حفزت روابط النظام البيئي؟ هل أحدثت ثورة في السوق؟ هل حققت ديمقراطية الوصول؟"
المنطق واضح - الشكوك ضرورية ، لكن كلا من المنطق والحقائق تشير إلى أن الذكاء الاصطناعي هو تغيير جديد في المنصة. بالإضافة إلى ذلك ، يظهر المنطق والحقائق أيضا أن التغييرات السابقة في المنصة أدت في كثير من الأحيان إلى تغييرات ثورية في الأسواق المالية. سيتي بنك ، على سبيل المثال ، وسع بشكل كبير أعمال البيع بالتجزئة من خلال تطبيق التكنولوجيا في السبعينيات والثمانينيات. نمت Capital One من الصفر لتصبح واحدة من أفضل 10 بنوك في السوق ولها حضور قوي في الصناعات ذات الصلة مثل قروض السيارات والرهون العقارية. في إفريقيا ، استحوذ بنك Equity Bank على موجة تكنولوجيا خادم العميل ليصبح أكبر بنك في شرق إفريقيا من حيث القيمة السوقية. وبالمثل ، قفز Access Bank و GT Bank و Capitec على الموجة في أسواقهم.
لقد حان عصر منصات الذكاء الاصطناعي ، وسيخلق الفائزين. لا يتعلق الأمر بالتركيز على الخاسرين ، بل يتعلق بكيفية حصول الفائزين على حصة سوقية كبيرة في منطقة معينة. نجاح Stripe في المدفوعات ، على سبيل المثال ، هو مثال على ذلك. غالبا ما تؤدي هذه الاختراقات المبكرة إلى مكاسب في حصتها في السوق في القطاعات المجاورة ، مثل أعمال بطاقات الائتمان في Nubank ، والتي أصبحت لاعبا مهما في قطاعي الشركات الصغيرة والمتوسطة والخدمات المصرفية للأفراد.
وجهة نظري هي أن الفائزين في عصر الذكاء الاصطناعي سيركزون على تكاليف العلاقة. لم تعد مجرد لعبة تداول. لقد حدثت المعاملات بالفعل وهي الآن لعبة تجربة العملاء وإدارة العلاقات. هذه هي الرؤية الأساسية التي يجب على قادة الخدمات المالية التركيز عليها. كيف يمكنك تحقيق تحسن بمقدار 100 مرة في تجربة العملاء والخدمات المصرفية للعلاقات بجزء بسيط من التكلفة؟ بصفتك بنكا ، كيف يمكنك الاستفادة من التكنولوجيا الذكية لمساعدة العملاء على إدارة شؤونهم المالية وأعمالهم وحياتهم بشكل أفضل؟ سيكون اللاعب القادر على الإجابة على هذه الأسئلة وتنفيذها هو الفائز النهائي.
شاهد النسخة الأصلية
المحتوى هو للمرجعية فقط، وليس دعوة أو عرضًا. لا يتم تقديم أي مشورة استثمارية أو ضريبية أو قانونية. للمزيد من الإفصاحات حول المخاطر، يُرجى الاطلاع على إخلاء المسؤولية.
عمالقة البنوك في الصين والولايات المتحدة، يحتضنون الذكاء الاصطناعي التوليدي
المؤلف: سامورا كاريكي
ترجمة: شينتشاو تك فلو
عصر الذكاء الاصطناعي العالمي
كيف تستخدم البنوك الذكاء الاصطناعي التوليدي بشكل فعلي؟
إذا تجاهلنا الأخبار العاجلة والدعاية، فإن جوهر المشكلة هو: كيف تستخدم أكبر البنوك في العالم الذكاء الاصطناعي التوليدي؟ ليس الإمكانات المستقبلية، وليس إعلانات الموردين، ولكن أين هي التطبيقات العملية التي تم تنفيذها بالفعل؟
على مدار العامين الماضيين، دخلت الصناعة المالية العالمية بهدوء إلى عصر الذكاء الاصطناعي التوليدي. ومع ذلك، فإن هذه العملية ليست موحدة، بل تتسم بنمطين مختلفين: النشر المتواضع للأدوات الداخلية، والتجارب الحذرة الموجهة نحو العملاء، بالإضافة إلى بعض الابتكارات الجريئة، والتي تعيد تشكيل الهيكل الداخلي للبنوك تدريجياً.
ابدأ من الداخل ثم قم بالتوسع تدريجياً
تتمتع تطبيقات الذكاء الاصطناعي بميزة مشتركة: تبدأ من أدوات الإنتاجية الداخلية.
تتركز التطبيقات الرئيسية للذكاء الاصطناعي التوليدي على تعزيز الإنتاجية الداخلية - تساعد هذه الأدوات الموظفين على إنجاز المزيد من العمل بموارد أقل. من مساعد المحلل في JPMorgan الذي يحلل أبحاث الأسهم، إلى أدوات مدعومة بـ GPT تقدم الدعم لمستشاري إدارة الثروات في Morgan Stanley، كان التركيز المبكر على تمكين العاملين في البنوك بدلاً من استبدالهم.
يعمل جولدمان ساكس على بناء مساعد ذكاء اصطناعي للمطورين؛ أداة ملخص الذكاء الاصطناعي من سيتي تساعد الموظفين في معالجة المذكرات وكتابة الرسائل الإلكترونية؛ تم إطلاق "SC GPT" من ستاندرد تشارترد بين موظفيها البالغ عددهم 70000، لتغطية جميع جوانب من كتابة الاقتراحات إلى مسائل الموارد البشرية.
نظرا للبيئة شديدة التنظيم التي نعيش فيها ، فإن نشر الأدوات الداخلية أمر منطقي تماما. ويسمح ذلك للبنوك بتجربة قدرات الذكاء الاصطناعي وتكثيفها دون المساس بالخطوط الحمراء التنظيمية. إذا أشرنا إلى الإجراءات الأخيرة التي اتخذها البنك المركزي النيجيري (CBN) ضد Zap ، فمن الواضح أن "الحذر يسود" هو خيار أكثر منطقية.
مراقبة خط الأعمال: أين القيمة؟
تختلف سرعة تقدم تطبيقات الذكاء الاصطناعي بين الأقسام المختلفة. هناك اختلافات في سرعة اعتماد الذكاء الاصطناعي التوليدي بين أقسام الأعمال المختلفة. في هذا السياق، تتصدر البنوك التجزئة من حيث حجم المعاملات. في هذا المجال، تتعامل روبوتات الدردشة المدعومة بالذكاء الاصطناعي التوليدي مثل Fargo من ويلز فارجو وErica من بنك أمريكا مع مئات الملايين من التفاعلات سنويًا. في أوروبا، أطلق بنك كوميرز مؤخراً روبوت الدردشة الخاص به Ava.
ومع ذلك ، تكمن المشكلة في أن بعض هذه الأدوات لا تستخدم في الواقع الذكاء الاصطناعي التوليدي وتعتمد بدلا من ذلك على تقنيات التعلم الآلي التقليدية. على سبيل المثال ، تعمل إيريكا من بنك أوف أمريكا مثل "الترك الميكانيكي" (وهم الأتمتة من خلال العمليات اليدوية). ومع ذلك ، فإن التجارب نفسها هي المهمة ، وليس الملصقات الفنية.
في مجال الشركات والبنوك الاستثمارية، فإن التحول أكثر خفاءً. أدوات جي بي مورغان (JPMorgan) الداخلية تدعم بشكل أساسي فرق البحث والمبيعات، بدلاً من أن تكون موجهة مباشرةً للعملاء. بينما تستخدم دويتشه بنك (Deutsche Bank) الذكاء الاصطناعي لتحليل سجلات اتصالات العملاء، وهذا ليس خدمة العملاء، بل تمكين البيانات، مما يساعد المصرفيين على فهم العملاء بشكل أسرع وأفضل.
تتواجد إدارة الثروات بين الجانبين. أدوات الذكاء الاصطناعي من مورغان ستانلي لا تتحدث مباشرة مع العملاء، ولكنها تضمن أن يكون المستشارون مستعدين تمامًا قبل كل اجتماع. تقوم دويتشه بنك وبنك أبوظبي الأول بتجربة مساعدين موجهين للعملاء المتميزين، تهدف إلى الإجابة على الأسئلة الاستثمارية المعقدة في الوقت الفعلي.
اختلافات المناطق: من يتصدر؟
المصدر: مؤشر الذكاء الاصطناعي الواضح
تتمتع منطقة أمريكا الشمالية بالصدارة كما هو متوقع. أصبحت البنوك الأمريكية مثل جي بي مورغان (JPMorgan) وكابيتال وان (Capital One) وويلز فارجو (Wells Fargo) وسيتي (Citi) وبنك رويال الكندي (RBC) محركات إنتاجية بفضل الذكاء الاصطناعي. وبفضل تعاونها مع أوبن إيه آي (OpenAI) ومايكروسوفت (Microsoft)، كانت قادرة على الوصول إلى نماذج الذكاء الاصطناعي المتطورة.
تتسم أوروبا بمزيد من الحذر. تقوم بنك بي بي في إيه (BBVA) وبنك دويتشه (Deutsche Bank) وبنك إتش إس بي سي (HSBC) باختبار أدوات الذكاء الاصطناعي داخلياً، وقد وضعت مزيدًا من تدابير الحماية الأمنية. اللائحة العامة لحماية البيانات في أوروبا (GDPR) لها تأثير عميق. كما هو الحال دائماً، تركز أوروبا أكثر على التنظيم بدلاً من التقدم التكنولوجي، مما قد يكلفها ثمنًا.
لا تزال إفريقيا وأمريكا اللاتينية في المراحل المبكرة من تطوير الذكاء الاصطناعي، لكن التقدم سريع. يتميز بنك نوبانك في البرازيل، حيث يتعاون مع OpenAI، حيث يقوم أولاً بنشر أدوات الذكاء الاصطناعي داخلياً، ثم تمتد إلى خدمات العملاء. في جنوب إفريقيا، يختبر بنك ستاندرد وبنك نيد في مجال الذكاء الاصطناعي، ويشمل ذلك السيطرة على المخاطر، وخدمات الدعم، والتطوير.
الصين: بناء مجموعة تقنيات الذكاء الاصطناعي المستقلة
تستخدم البنوك الصينية الذكاء الاصطناعي فحسب ، بل تقوم أيضًا ببناء تقنية الذكاء الاصطناعي.
أطلقت بنك الصين الصناعي والتجاري (ICBC) "Zhiyong"، وهو نموذج لغة كبير يحتوي على 100 مليار معلمة، تم تطويره داخلياً. تم استدعاء هذا النموذج أكثر من مليار مرة، ويدعم 200 سيناريو عملي بدءًا من تحليل الوثائق إلى أتمتة التسويق. هذه ليست مجرد تطبيقات لأدوات داخلية، بل هي تحول أساسي في طريقة تشغيل البنك.
أطلقت مجموعة أنت (Ant Group) نموذجين لغويين كبيرين في مجال المالية - زهيشياوبا 2.0 (Zhixiaobao 2.0) وزهيشياوزو 1.0 (Zhixiaozhu 1.0). يهدف الأول إلى توضيح المنتجات المالية لمستخدمي Alipay العاديين؛ بينما يوفر الثاني الدعم لمستشاري إدارة الثروات، حيث يمكنه تلخيص التقارير السوقية وتوليد رؤى حول المحافظ الاستثمارية.
ذهبت مجموعة Ping An Group ، وهي شركة عملاقة في مجال التكنولوجيا المالية تدمج التأمين والخدمات المصرفية والتكنولوجيا ، إلى أبعد من ذلك. طورت AskBob ، وهو مساعد الذكاء الاصطناعي التوليدي الذي يخدم كل من العملاء ومديري الحسابات. بالنسبة للعملاء ، يمكن ل AskBob الإجابة على أسئلة الاستثمار والتأمين باللغة الصينية الطبيعية. بالنسبة للمستشارين ، فإنه يستخرج ويلخص سجل العملاء وبيانات المنتج والمواد التسويقية ، ويحول كل وكيل إلى خبير مالي محسن رقميا. هدف Ping An هو إعادة تعريف الاستشارات المالية من خلال الذكاء الاصطناعي ، ليس فقط للإجابة على الأسئلة ، ولكن لتوقع الطلب مسبقا.
في الصين، تشجع الإطارات التنظيمية بشدة على توطين البيانات وشفافية النماذج، واختارت هذه المؤسسات الطريق الأطول: بناء ذكاء اصطناعي مخصص قادر على التكيف مع التنظيمات المحلية واللغة وبيئة السوق. علاوة على ذلك، تمتلك الصين كثافة كافية من المواهب، مما يمكّن البنوك من تطوير نماذج أساسية بشكل مستقل، وهو إنجاز قد يكون فريداً على مستوى العالم.
من يقدم الدعم الفني؟
تظهر بعض الشركات المعروفة بشكل متكرر على مستوى العالم: أصبحت مايكروسوفت (Microsoft) من خلال Azure OpenAI المنصة الأكثر شيوعًا حاليًا. من مورغان ستانلي إلى ستاندرد تشارترد، تعمل العديد من البنوك على تشغيل نماذجها في بيئة السندات الآمنة الخاصة بمايكروسوفت.
تم استخدام نموذج لغة كبير (LLM) من Google، مثلما تستخدمه Wells Fargo بدعم من Flan. في الصين، تعتمد بشكل أساسي على التكنولوجيا المحلية مثل DeepSeek و混元 (Hunyuan) وما إلى ذلك.
بعض البنوك، مثل جي بي مورغان وبنك الصين الصناعي والتجاري ومجموعة بينغ آن، تدرب نماذجها الخاصة. لكن معظم البنوك تقوم بتعديل النماذج الموجودة بالفعل. المفتاح ليس في امتلاك النموذج نفسه، بل في السيطرة على طبقة البيانات والتنسيق بين النموذج.
استكشاف تنوع تطبيقات الذكاء الاصطناعي عالميًا
الصورة الأصلية في النص الأصلي، الترجمة: شينتشاو TechFlow
وماذا في ذلك؟
في صناعة شديدة التنظيم ، يعد الحذر أمرا بالغ الأهمية ، وهذا هو السبب في أن البنوك تتعامل مع الذكاء الاصطناعي بدلا من أن تكون مباشرة في الخطوط الأمامية. ومع ذلك ، كما لاحظنا في تغييرات النظام الأساسي الأخرى ، فإن اتخاذ القرار الحاسم والتجريب السريع أمران أساسيان. لا يسبق التنظيم أبدا التنفيذ ، وليس من الحكمة انتظار وضع التنظيم قبل تجربة الذكاء الاصطناعي. أتذكر إنشاء وكالة مصرفية منذ أكثر من عقد من الزمان في بلد لم يكن هناك تنظيم. بمجرد الانتهاء من ذلك ، نصبح من يشرحون الأعمال للبنك المركزي. إذا كنت جزءا من مجلس إدارة البنك ، فسأسأل ، "كم عدد التجارب التي نقوم بها؟" كم عدد الرؤى التي نولثها؟ ”
لقياس التقدم بشكل حقيقي، يجب العودة إلى المبادئ الأساسية لتحول المنصة. يجب أن تستجيب استراتيجيتك للذكاء الاصطناعي للأسئلة التالية:
"هل أعادت استراتيجيتنا للذكاء الاصطناعي بناء البنية الأساسية؟ هل خفضت التكاليف بمقدار 100 مرة؟ هل أطلقت نماذج قيمة جديدة؟ هل حفزت روابط النظام البيئي؟ هل أحدثت ثورة في السوق؟ هل حققت ديمقراطية الوصول؟"
المنطق واضح - الشكوك ضرورية ، لكن كلا من المنطق والحقائق تشير إلى أن الذكاء الاصطناعي هو تغيير جديد في المنصة. بالإضافة إلى ذلك ، يظهر المنطق والحقائق أيضا أن التغييرات السابقة في المنصة أدت في كثير من الأحيان إلى تغييرات ثورية في الأسواق المالية. سيتي بنك ، على سبيل المثال ، وسع بشكل كبير أعمال البيع بالتجزئة من خلال تطبيق التكنولوجيا في السبعينيات والثمانينيات. نمت Capital One من الصفر لتصبح واحدة من أفضل 10 بنوك في السوق ولها حضور قوي في الصناعات ذات الصلة مثل قروض السيارات والرهون العقارية. في إفريقيا ، استحوذ بنك Equity Bank على موجة تكنولوجيا خادم العميل ليصبح أكبر بنك في شرق إفريقيا من حيث القيمة السوقية. وبالمثل ، قفز Access Bank و GT Bank و Capitec على الموجة في أسواقهم.
لقد حان عصر منصات الذكاء الاصطناعي ، وسيخلق الفائزين. لا يتعلق الأمر بالتركيز على الخاسرين ، بل يتعلق بكيفية حصول الفائزين على حصة سوقية كبيرة في منطقة معينة. نجاح Stripe في المدفوعات ، على سبيل المثال ، هو مثال على ذلك. غالبا ما تؤدي هذه الاختراقات المبكرة إلى مكاسب في حصتها في السوق في القطاعات المجاورة ، مثل أعمال بطاقات الائتمان في Nubank ، والتي أصبحت لاعبا مهما في قطاعي الشركات الصغيرة والمتوسطة والخدمات المصرفية للأفراد.
وجهة نظري هي أن الفائزين في عصر الذكاء الاصطناعي سيركزون على تكاليف العلاقة. لم تعد مجرد لعبة تداول. لقد حدثت المعاملات بالفعل وهي الآن لعبة تجربة العملاء وإدارة العلاقات. هذه هي الرؤية الأساسية التي يجب على قادة الخدمات المالية التركيز عليها. كيف يمكنك تحقيق تحسن بمقدار 100 مرة في تجربة العملاء والخدمات المصرفية للعلاقات بجزء بسيط من التكلفة؟ بصفتك بنكا ، كيف يمكنك الاستفادة من التكنولوجيا الذكية لمساعدة العملاء على إدارة شؤونهم المالية وأعمالهم وحياتهم بشكل أفضل؟ سيكون اللاعب القادر على الإجابة على هذه الأسئلة وتنفيذها هو الفائز النهائي.