Aditi Subbarao, responsable mondiale des services financiers chez INSTABASE, lors de la conférence « AI for Financial Services NYC » – L'adoption de l'IA générative dans le processus d'octroi de prêts

Aditi Subara, responsable des services financiers chez Instabase, utilise un petit quiz pour mettre en parallèle les contributions scientifiques de Michael Faraday et les applications technologiques révolutionnaires d’Elon Musk. Cela met en évidence l’objectif consistant à transformer le potentiel de l’IA en valeur commerciale concrète pour le secteur des services financiers, à l’image de l’impact qu’a eu Musk avec Tesla.

Instabase aide les organisations à transformer data non structurées data informations exploitables, résolvant ainsi le problème de la dispersion data. L'IA, à l'instar d'un moteur électrique, repose sur data. La plupart data d'entreprise data non structurées. Au début, l'IA dans les services financiers se concentrait sur l'optimisation des processus, en automatisant des tâches auparavant effectuées par des humains. Au départ, l'IA extrayait data documents, mais l'IA générative intègre et analyse désormais data plusieurs documents. Cela s'illustre notamment dans le domaine de l'octroi de prêts, où l'IA compile data fiches de paie, des relevés bancaires et des lettres d'embauche pour déterminer les revenus d'un emprunteur.

Le potentiel de l'IA va au-delà du simple traitement de documents pour permettre la création de vues globales grâce à l'intégration data internes et externes. Cette nouvelle phase vise à mettre en place une prise de décision automatisée assortie de mesures de sécurité. Les organisations disposent de vastes data et de nombreuses applications potentielles de l'IA ; elles se concentrent sur les domaines à fort impact où data mobilise le plus de temps. Un cadre reposant sur trois piliers est présenté : data opérationnelles, data spécifiques et la recherche de connaissances, ce qui permet d'identifier de manière systématique les applications de l'IA dans l'ensemble des fonctions organisationnelles.

L'automatisation data et de la structuration data issues de divers documents améliore l'efficacité de processus tels que la mise en place de prêts. L'IA peut créer des chatbots capables d'interroger des ensembles de données statiques, comme les directives de souscription ou les politiques en matière de dépenses, démontrant ainsi sa flexibilité. Des avancées telles que ChatGPT permettent à l'IA d'interagir avec data, de répondre à des requêtes complexes et de fournir des informations plus approfondies, améliorant ainsi data . Pour être efficaces, les solutions d'IA doivent intégrer des modèles linguistiques capables de prendre en compte les éléments visuels et la mise en page afin de traiter data d'entreprise complexes.

Ces éléments sont essentiels pour garantir la précision et la fiabilité de l'IA. Les systèmes d'IA doivent être soumis à un contrôle rigoureux et dotés de scores de confiance ainsi que de mécanismes de vérification humaine. Toutes les tâches ne nécessitant pas de solutions d'IA sophistiquées, les organisations doivent déterminer où Postuler en fonction des avantages et des risques, en évitant de trop s'appuyer sur les grands modèles linguistiques. La mise en œuvre de l'IA implique d'identifier les cas d'utilisation appropriés, d'appliquer systématiquement l'IA aux fonctions opérationnelles, de recherche et de gestion des connaissances, et de garantir des tests approfondis ainsi qu'une gouvernance rigoureuse.

Les capacités de l'IA en matière d'octroi de prêts comprennent data automatisée data à partir de documents complexes, afin de les transformer en data structurées data des systèmes en aval tels que les systèmes d'octroi de prêts, les moteurs de tarification ou les systèmes de gestion des risques. Un exemple tiré d'Instabase pendant la pandémie de COVID-19 illustre ce point : une banque américaine a dû faire face à une forte augmentation des demandes de prêt dans le cadre du programme de prêts PPP et a utilisé Instabase pour mettre au point une solution en six jours, faisant passer la capacité de traitement de 10 000 prêts par jour à 10 000 prêts par heure, ce qui démontre le potentiel de l'IA pour améliorer considérablement la productivité des processus opérationnels.

Créer des chatbots dédiés à des fonctions spécifiques au sein d'une organisation, comme la consultation des directives de souscription. Les chatbots traitent data fixes et fournissent des réponses précises. Grâce à l'IA conversationnelle, les utilisateurs peuvent interagir avec data, poser des questions sur des documents ou des ensembles de données spécifiques et obtenir des réponses détaillées et contextualisées.

Un cadre de gouvernance solide, des politiques data et des protocoles de test rigoureux sont indispensables pour valider les résultats générés par l'IA. Les organisations doivent s'assurer que les modèles d'IA sont précis, transparents et responsables, capables d'expliquer leur fonctionnement et de retracer data et les calculs.

Une mise en œuvre stratégique de l'IA implique une sélection rigoureuse des cas d'utilisation, son application à différentes fonctions organisationnelles, ainsi que la mise en place de tests approfondis et d'un cadre de gouvernance. En se concentrant sur les domaines ayant le plus grand impact sur l'activité, en tirant parti de l'IA pour améliorer l'efficacité opérationnelle et data spécifiques data , et en intégrant des cadres de gouvernance solides, les organisations peuvent exploiter pleinement le potentiel de l'IA.