Північноамериканський регіон, як і очікувалося, займає лідируючі позиції.
Автор: Самора Каріукі
Компілятор: Deep Tide TechFlow
Глобальна хвиля ШІ
Як банки насправді використовують генеративний ШІ?
Якщо відкинути заголовки новин та розголос, суть питання полягає в тому: як найбільші банки у світі використовують генеративний ШІ? Не потенціал майбутнього, і не реклама постачальників, а де вже реалізовані практичні застосування?
Протягом останніх двох років світова фінансова галузь непомітно увійшла в еру генеративного ШІ. Однак цей процес не є однорідним, а має різні аспекти: стримане впровадження внутрішніх інструментів, обережні експерименти для клієнтів і кілька сміливих інновацій поступово перетворюють внутрішню структуру банківської справи.
Починаючи зсередини, поступово розширюючись назовні
Застосування штучного інтелекту має одну спільну рису: вони починаються з інструментів внутрішньої продуктивності.
Основне застосування генеративного штучного інтелекту зосереджено на підвищенні внутрішньої продуктивності – інструментів, які допомагають співробітникам робити більше з меншими витратами. Від асистента аналітика JPMorgan, який розкриває дослідження акцій, до інструменту Morgan Stanley на основі GPT, який забезпечує роботу консультантів з управління капіталом, спочатку основна увага була зосереджена на розширенні прав і можливостей банкірів, а не на їх заміні.
Goldman Sachs розробляє AI асистента для розробників; AI інструмент підсумування Citi допомагає співробітникам обробляти меморандуми та писати електронні листи; «SC GPT» Standard Chartered вже запущений серед 70 тисяч співробітників для всіх аспектів, від написання пропозицій до питань людських ресурсів.
З огляду на те, що ми перебуваємо в умовах високого регулювання, впровадження внутрішніх інструментів виглядає особливо обґрунтовано. Це дозволяє банкам експериментувати та підвищувати AI-можливості без порушення регуляторних меж. Якщо врахувати недавні дії CBN (Центрального банку Нігерії) проти Zap, то "обережність є найкращим вибором" явно є більш розумним вибором.
Спостереження за бізнес-лінією: де цінність?
Різні департаменти мають різну швидкість впровадження AI. Існують відмінності у швидкості прийняття генеративного AI в різних бізнес-департаментах. Зокрема, роздрібні банки займають лідируючу позицію за обсягом транзакцій. У цій сфері чат-боти, такі як Fargo від Wells Fargo та Erica від Bank of America, які працюють на базі генеративного AI, щорічно обробляють сотні мільйонів взаємодій. У Європі комерційний банк Німеччини (Commerzbank) нещодавно запустив свого чат-бота Ava.
Проблема, однак, полягає в тому, що деякі з цих інструментів насправді не використовують генеративний штучний інтелект, а натомість покладаються на традиційні методи машинного навчання. Erica з Bank of America, наприклад, працює більше як «механічний турок» (ілюзія автоматизації за допомогою ручних операцій). Проте важливі самі експерименти, а не технічні етикетки.
У сфері корпоративного та інвестиційного банківництва трансформація є більш прихованою. Внутрішні інструменти JPMorgan в основному підтримують дослідницькі та торгові команди, а не безпосередньо орієнтовані на клієнтів. Deutsche Bank використовує AI для аналізу журналів комунікації з клієнтами, що не є обслуговуванням клієнтів, а є наданням даних, що допомагає банкірам швидше і краще розуміти та обслуговувати клієнтів.
Управління капіталом знаходиться між двома цими підходами. AI-інструменти Morgan Stanley не спілкуються безпосередньо з клієнтами, але забезпечують консультантам повну підготовленість перед кожною зустріччю. Deutsche Bank та First Abu Dhabi Bank проводять пілотні проекти з асистентами для провідних клієнтів, які мають на меті в реальному часі відповідати на складні інвестиційні питання.
Різниця в регіонах: хто попереду?
!
Джерело: Evident AI Index
Північноамериканський регіон, як і очікувалося, займає провідну позицію. Банки США, такі як JPMorgan, Capital One, Wells Fargo, Citi та Royal Bank of Canada (RBC), перетворили штучний інтелект на движок продуктивності. Завдяки співпраці з OpenAI та Microsoft, вони першими отримали доступ до найсучасніших моделей штучного інтелекту.
Європа діє більш обережно. Banco Bilbao Vizcaya Argentaria (BBVA), Deutsche Bank та HSBC проводять внутрішнє тестування AI-інструментів і встановлюють більше заходів безпеки. Загальний регламент захисту даних Європейського Союзу (GDPR) має глибокий вплив. Як і раніше, Європа більше зосереджена на регулюванні, ніж на технологічному прогресі, що може стати для неї дорогою ціною.
Африка та Латинська Америка все ще перебувають на ранніх стадіях розвитку ШІ, але прогрес відбувається швидко. Бразильський Nubank демонструє видатні результати, співпрацюючи з OpenAI, спочатку впроваджуючи інструменти ШІ в компанії, а згодом розширюючи їх на обслуговування клієнтів. У Південній Африці Standard Bank та Nedbank проводять пілотні проекти у сфері ШІ, охоплюючи управління ризиками, підтримку сервісу та розробку.
Китай: побудова автономного технологічного стеку AI
Банки Китаю не лише використовують ШІ, а й розробляють технологічний стек ШІ.
Китайський промисловий банк (ICBC) запустив «智涌», великий мовний модел з 1000 мільярдами параметрів, розроблений внутрішньо. Ця модель була викликана більше мільярда разів, підтримуючи 200 бізнес-сценаріїв, від аналізу документів до автоматизації маркетингу. Це не просто застосування внутрішніх інструментів, а основна зміна в способах роботи банку.
Ант Груп (Ant Group) представила дві великі мовні моделі в фінансовій сфері — Zhixiaobao 2.0 та Zhixiaozhu 1.0. Перша призначена для звичайних користувачів Alipay і має на меті пояснення фінансових продуктів; друга надає підтримку радникам з управління активами, може підсумовувати ринкові звіти та генерувати інсайти для інвестиційних портфелів.
Ping An Group, фінтех-гігант, який об'єднує страхування, банківську справу та технології, пішов далі. Вона розробила AskBob, помічника з генеративним штучним інтелектом, який обслуговує як клієнтів, так і менеджерів по роботі з клієнтами. Для клієнтів AskBob може відповісти на питання інвестицій та страхування природною китайською мовою; Для консультантів він витягує та узагальнює історію клієнтів, дані про продукти та маркетингові матеріали, перетворюючи кожного агента на фінансового експерта з цифровим вдосконаленням. Мета Ping An полягає в тому, щоб переосмислити фінансовий консалтинг за допомогою штучного інтелекту не лише для відповідей на запитання, а й для того, щоб заздалегідь передбачити попит.
У Китаї, де нормативно-правова база настійно заохочує локалізацію даних і прозорість моделей, ці установи обрали довший шлях: створення індивідуального штучного інтелекту, який може адаптуватися до внутрішніх нормативних, лінгвістичних та ринкових середовищ. Крім того, Китай має достатню щільність кадрів, щоб дозволити банкам розробляти власні фундаментальні моделі, що може стати унікальним досягненням у світі.
Хто надає технічну підтримку?
Деякі відомі компанії часто з'являються в усьому світі: Microsoft через Azure OpenAI став найпоширенішою платформою на сьогодні. Від Morgan Stanley до Standard Chartered, багато банків працюють зі своїми моделями в безпечному середовищі Microsoft.
LLM (великі мовні моделі) Google також використовуються, наприклад, Wells Fargo використовує Flan. А в Китаї основна залежність від місцевих технологій, таких як DeepSeek, Hunyuan тощо.
Деякі банки, такі як JPMorgan Chase, Промислово-торговий банк Китаю та група Ping An, навчають свої власні моделі. Але більшість банків здійснюють доопрацювання на основі вже існуючих моделей. Ключовим моментом є не наявність самої моделі, а контроль над рівнем даних і скоординованою роботою моделей.
Дослідження різноманітних застосувань AI у світі
!
Оригінал дивіться в оригінальному тексті, переклад: ShenChao TechFlow
І що з того?
У жорстко регульованій галузі обережність має вирішальне значення, тому банки залучають штучний інтелект, а не перебувають безпосередньо на передовій. Однак, як ми спостерігали в інших змінах платформи, ключовими є рішуче прийняття рішень та швидкі експерименти. Регулювання ніколи не випереджає правозастосування, і нерозумно чекати, поки регулювання почне діяти, перш ніж експериментувати зі штучним інтелектом. Я пам'ятаю, як більше десяти років тому заснував агентство банківського обслуговування в країні, де не було регулювання. Як тільки ми закінчимо, ми стаємо тими, хто пояснює бізнес центральному банку. Якби я був членом правління банку, я б запитав: «Скільки експериментів ми проводимо?». Скільки інсайтів ми генеруємо?»
Щоб справді оцінити прогрес, потрібно повернутися до основних принципів трансформації платформи. Ваша стратегія ШІ повинна відповісти на такі питання:
«Чи наш стратегічний підхід до ШІ перебудував основну архітектуру? Чи зменшив він витрати в 100 разів? Чи відкрив нові ціннісні моделі? Чи стимулював він зв’язки в екосистемі? Чи перевернув він ринок? Чи забезпечив він демократизацію доступу?»
Логіка зрозуміла – скептицизм необхідний, але і логіка, і факти підказують, що ШІ – це нова зміна платформи. Крім того, логіка та факти також показують, що минулі зміни платформ часто призводили до революційних змін на фінансових ринках. Citibank, наприклад, значно розширив свій роздрібний бізнес за допомогою технологій у 70-х і 80-х роках. Capital One виріс з нуля і став одним із 10 найкращих банків на ринку та має сильну присутність у суміжних галузях, таких як автокредитування та іпотека. У Африці Equity Bank скористався хвилею технології клієнт-сервер і став найбільшим банком за ринковою капіталізацією в Східній Африці. Аналогічним чином, Access Bank, GT Bank і Capitec підхопили хвилю на своїх ринках.
Настала ера платформ штучного інтелекту, і вона створить переможців. Мова йде не про те, щоб зосередитися на тих, хто програв, а про те, як переможці мають значну частку ринку в тій чи іншій сфері. Наприклад, успіх Stripe у платежах є яскравим прикладом. Ці ранні прориви часто призводять до збільшення частки ринку в сусідніх сегментах, таких як бізнес кредитних карток Nubank, який став значним гравцем у сфері малого та середнього бізнесу та роздрібного банкінгу.
На мою думку, переможці в еру штучного інтелекту зосередяться на витратах на відносини. Це вже не просто торгова гра. Транзакції вже відбулися і тепер є грою в клієнтський досвід і управління відносинами. Це ключовий інсайт, на якому керівникам фінансових послуг слід зосередитися. Як ви можете досягти 100-кратного покращення клієнтського досвіду та банківських відносин за невелику частину вартості? Як ви як банк можете використовувати розумні технології, щоб краще допомагати клієнтам керувати своїми фінансами, бізнесом і життям? Гравець, який зможе відповісти та виконати ці запитання, стане остаточним переможцем.
Переглянути оригінал
Контент має виключно довідковий характер і не є запрошенням до участі або пропозицією. Інвестиційні, податкові чи юридичні консультації не надаються. Перегляньте Відмову від відповідальності , щоб дізнатися більше про ризики.
Гіганти банківської справи Китаю та США обіймають генеративний ШІ
Автор: Самора Каріукі
Компілятор: Deep Tide TechFlow
Глобальна хвиля ШІ
Як банки насправді використовують генеративний ШІ?
Якщо відкинути заголовки новин та розголос, суть питання полягає в тому: як найбільші банки у світі використовують генеративний ШІ? Не потенціал майбутнього, і не реклама постачальників, а де вже реалізовані практичні застосування?
Протягом останніх двох років світова фінансова галузь непомітно увійшла в еру генеративного ШІ. Однак цей процес не є однорідним, а має різні аспекти: стримане впровадження внутрішніх інструментів, обережні експерименти для клієнтів і кілька сміливих інновацій поступово перетворюють внутрішню структуру банківської справи.
Починаючи зсередини, поступово розширюючись назовні
Застосування штучного інтелекту має одну спільну рису: вони починаються з інструментів внутрішньої продуктивності.
Основне застосування генеративного штучного інтелекту зосереджено на підвищенні внутрішньої продуктивності – інструментів, які допомагають співробітникам робити більше з меншими витратами. Від асистента аналітика JPMorgan, який розкриває дослідження акцій, до інструменту Morgan Stanley на основі GPT, який забезпечує роботу консультантів з управління капіталом, спочатку основна увага була зосереджена на розширенні прав і можливостей банкірів, а не на їх заміні.
Goldman Sachs розробляє AI асистента для розробників; AI інструмент підсумування Citi допомагає співробітникам обробляти меморандуми та писати електронні листи; «SC GPT» Standard Chartered вже запущений серед 70 тисяч співробітників для всіх аспектів, від написання пропозицій до питань людських ресурсів.
З огляду на те, що ми перебуваємо в умовах високого регулювання, впровадження внутрішніх інструментів виглядає особливо обґрунтовано. Це дозволяє банкам експериментувати та підвищувати AI-можливості без порушення регуляторних меж. Якщо врахувати недавні дії CBN (Центрального банку Нігерії) проти Zap, то "обережність є найкращим вибором" явно є більш розумним вибором.
Спостереження за бізнес-лінією: де цінність?
Різні департаменти мають різну швидкість впровадження AI. Існують відмінності у швидкості прийняття генеративного AI в різних бізнес-департаментах. Зокрема, роздрібні банки займають лідируючу позицію за обсягом транзакцій. У цій сфері чат-боти, такі як Fargo від Wells Fargo та Erica від Bank of America, які працюють на базі генеративного AI, щорічно обробляють сотні мільйонів взаємодій. У Європі комерційний банк Німеччини (Commerzbank) нещодавно запустив свого чат-бота Ava.
Проблема, однак, полягає в тому, що деякі з цих інструментів насправді не використовують генеративний штучний інтелект, а натомість покладаються на традиційні методи машинного навчання. Erica з Bank of America, наприклад, працює більше як «механічний турок» (ілюзія автоматизації за допомогою ручних операцій). Проте важливі самі експерименти, а не технічні етикетки.
У сфері корпоративного та інвестиційного банківництва трансформація є більш прихованою. Внутрішні інструменти JPMorgan в основному підтримують дослідницькі та торгові команди, а не безпосередньо орієнтовані на клієнтів. Deutsche Bank використовує AI для аналізу журналів комунікації з клієнтами, що не є обслуговуванням клієнтів, а є наданням даних, що допомагає банкірам швидше і краще розуміти та обслуговувати клієнтів.
Управління капіталом знаходиться між двома цими підходами. AI-інструменти Morgan Stanley не спілкуються безпосередньо з клієнтами, але забезпечують консультантам повну підготовленість перед кожною зустріччю. Deutsche Bank та First Abu Dhabi Bank проводять пілотні проекти з асистентами для провідних клієнтів, які мають на меті в реальному часі відповідати на складні інвестиційні питання.
Різниця в регіонах: хто попереду?
!
Джерело: Evident AI Index
Північноамериканський регіон, як і очікувалося, займає провідну позицію. Банки США, такі як JPMorgan, Capital One, Wells Fargo, Citi та Royal Bank of Canada (RBC), перетворили штучний інтелект на движок продуктивності. Завдяки співпраці з OpenAI та Microsoft, вони першими отримали доступ до найсучасніших моделей штучного інтелекту.
Європа діє більш обережно. Banco Bilbao Vizcaya Argentaria (BBVA), Deutsche Bank та HSBC проводять внутрішнє тестування AI-інструментів і встановлюють більше заходів безпеки. Загальний регламент захисту даних Європейського Союзу (GDPR) має глибокий вплив. Як і раніше, Європа більше зосереджена на регулюванні, ніж на технологічному прогресі, що може стати для неї дорогою ціною.
Африка та Латинська Америка все ще перебувають на ранніх стадіях розвитку ШІ, але прогрес відбувається швидко. Бразильський Nubank демонструє видатні результати, співпрацюючи з OpenAI, спочатку впроваджуючи інструменти ШІ в компанії, а згодом розширюючи їх на обслуговування клієнтів. У Південній Африці Standard Bank та Nedbank проводять пілотні проекти у сфері ШІ, охоплюючи управління ризиками, підтримку сервісу та розробку.
Китай: побудова автономного технологічного стеку AI
Банки Китаю не лише використовують ШІ, а й розробляють технологічний стек ШІ.
Китайський промисловий банк (ICBC) запустив «智涌», великий мовний модел з 1000 мільярдами параметрів, розроблений внутрішньо. Ця модель була викликана більше мільярда разів, підтримуючи 200 бізнес-сценаріїв, від аналізу документів до автоматизації маркетингу. Це не просто застосування внутрішніх інструментів, а основна зміна в способах роботи банку.
Ант Груп (Ant Group) представила дві великі мовні моделі в фінансовій сфері — Zhixiaobao 2.0 та Zhixiaozhu 1.0. Перша призначена для звичайних користувачів Alipay і має на меті пояснення фінансових продуктів; друга надає підтримку радникам з управління активами, може підсумовувати ринкові звіти та генерувати інсайти для інвестиційних портфелів.
Ping An Group, фінтех-гігант, який об'єднує страхування, банківську справу та технології, пішов далі. Вона розробила AskBob, помічника з генеративним штучним інтелектом, який обслуговує як клієнтів, так і менеджерів по роботі з клієнтами. Для клієнтів AskBob може відповісти на питання інвестицій та страхування природною китайською мовою; Для консультантів він витягує та узагальнює історію клієнтів, дані про продукти та маркетингові матеріали, перетворюючи кожного агента на фінансового експерта з цифровим вдосконаленням. Мета Ping An полягає в тому, щоб переосмислити фінансовий консалтинг за допомогою штучного інтелекту не лише для відповідей на запитання, а й для того, щоб заздалегідь передбачити попит.
У Китаї, де нормативно-правова база настійно заохочує локалізацію даних і прозорість моделей, ці установи обрали довший шлях: створення індивідуального штучного інтелекту, який може адаптуватися до внутрішніх нормативних, лінгвістичних та ринкових середовищ. Крім того, Китай має достатню щільність кадрів, щоб дозволити банкам розробляти власні фундаментальні моделі, що може стати унікальним досягненням у світі.
Хто надає технічну підтримку?
Деякі відомі компанії часто з'являються в усьому світі: Microsoft через Azure OpenAI став найпоширенішою платформою на сьогодні. Від Morgan Stanley до Standard Chartered, багато банків працюють зі своїми моделями в безпечному середовищі Microsoft.
LLM (великі мовні моделі) Google також використовуються, наприклад, Wells Fargo використовує Flan. А в Китаї основна залежність від місцевих технологій, таких як DeepSeek, Hunyuan тощо.
Деякі банки, такі як JPMorgan Chase, Промислово-торговий банк Китаю та група Ping An, навчають свої власні моделі. Але більшість банків здійснюють доопрацювання на основі вже існуючих моделей. Ключовим моментом є не наявність самої моделі, а контроль над рівнем даних і скоординованою роботою моделей.
Дослідження різноманітних застосувань AI у світі
!
Оригінал дивіться в оригінальному тексті, переклад: ShenChao TechFlow
І що з того?
У жорстко регульованій галузі обережність має вирішальне значення, тому банки залучають штучний інтелект, а не перебувають безпосередньо на передовій. Однак, як ми спостерігали в інших змінах платформи, ключовими є рішуче прийняття рішень та швидкі експерименти. Регулювання ніколи не випереджає правозастосування, і нерозумно чекати, поки регулювання почне діяти, перш ніж експериментувати зі штучним інтелектом. Я пам'ятаю, як більше десяти років тому заснував агентство банківського обслуговування в країні, де не було регулювання. Як тільки ми закінчимо, ми стаємо тими, хто пояснює бізнес центральному банку. Якби я був членом правління банку, я б запитав: «Скільки експериментів ми проводимо?». Скільки інсайтів ми генеруємо?»
Щоб справді оцінити прогрес, потрібно повернутися до основних принципів трансформації платформи. Ваша стратегія ШІ повинна відповісти на такі питання:
«Чи наш стратегічний підхід до ШІ перебудував основну архітектуру? Чи зменшив він витрати в 100 разів? Чи відкрив нові ціннісні моделі? Чи стимулював він зв’язки в екосистемі? Чи перевернув він ринок? Чи забезпечив він демократизацію доступу?»
Логіка зрозуміла – скептицизм необхідний, але і логіка, і факти підказують, що ШІ – це нова зміна платформи. Крім того, логіка та факти також показують, що минулі зміни платформ часто призводили до революційних змін на фінансових ринках. Citibank, наприклад, значно розширив свій роздрібний бізнес за допомогою технологій у 70-х і 80-х роках. Capital One виріс з нуля і став одним із 10 найкращих банків на ринку та має сильну присутність у суміжних галузях, таких як автокредитування та іпотека. У Африці Equity Bank скористався хвилею технології клієнт-сервер і став найбільшим банком за ринковою капіталізацією в Східній Африці. Аналогічним чином, Access Bank, GT Bank і Capitec підхопили хвилю на своїх ринках.
Настала ера платформ штучного інтелекту, і вона створить переможців. Мова йде не про те, щоб зосередитися на тих, хто програв, а про те, як переможці мають значну частку ринку в тій чи іншій сфері. Наприклад, успіх Stripe у платежах є яскравим прикладом. Ці ранні прориви часто призводять до збільшення частки ринку в сусідніх сегментах, таких як бізнес кредитних карток Nubank, який став значним гравцем у сфері малого та середнього бізнесу та роздрібного банкінгу.
На мою думку, переможці в еру штучного інтелекту зосередяться на витратах на відносини. Це вже не просто торгова гра. Транзакції вже відбулися і тепер є грою в клієнтський досвід і управління відносинами. Це ключовий інсайт, на якому керівникам фінансових послуг слід зосередитися. Як ви можете досягти 100-кратного покращення клієнтського досвіду та банківських відносин за невелику частину вартості? Як ви як банк можете використовувати розумні технології, щоб краще допомагати клієнтам керувати своїми фінансами, бізнесом і життям? Гравець, який зможе відповісти та виконати ці запитання, стане остаточним переможцем.