Aditi Subbarao, Global Financial Services Lead bij INSTABASE, op AI voor financiële diensten NYC - GenAI-toepassing bij het afsluiten van leningen

Aditi Subara, leider financiële diensten bij Instabase, gebruikt een popquiz om de wetenschappelijke bijdragen van Michael Faraday af te zetten tegen de impactvolle technologische toepassing van Elon Musk. Dit benadrukt het doel om het potentieel van AI om te zetten in tastbare bedrijfswaarde voor financiële diensten, vergelijkbaar met de impact van Musk met Tesla.

Instabase helpt organisaties ongestructureerde data om te zetten in bruikbare inzichten en pakt zo het probleem van verspreide data aan. AI is, net als een elektromotor, afhankelijk van data. De meeste ondernemingswijde data is ongestructureerd. De eerste AI in de financiële dienstverlening richtte zich op procesoptimalisatie, het automatiseren van taken die voorheen door mensen werden gedaan. Aanvankelijk haalde AI data uit documenten, maar generatieve AI integreert en analyseert nu data uit meerdere documenten. Dit is bijvoorbeeld het geval bij het verstrekken van leningen, waarbij AI data van loonstrookjes, bankafschriften en arbeidsbrieven bij elkaar optelt om het inkomen van een lener te bepalen.

Het potentieel van AI gaat verder dan documentverwerking tot het creëren van uitgebreide weergaven door zowel interne als externe data te integreren. Deze volgende fase is gericht op geautomatiseerde besluitvorming met waarborgen. Organisaties beschikken over enorme data-bronnen en talloze potentiële AI-toepassingen, waarbij de focus moet liggen op gebieden met een grote impact waar de meeste tijd wordt besteed aan data-verwerking. Er wordt een raamwerk met drie pijlers geschetst: operationele data verwerking, specifieke data query's en zoeken naar kennis, dat helpt bij het systematisch identificeren van AI-toepassingen in alle organisatorische functies.

Het automatiseren van data extractie en structurering uit verschillende documenten verbetert de efficiëntie in processen zoals het afsluiten van leningen. AI kan chatbots maken voor het bevragen van statische data-sets, zoals acceptatierichtlijnen of onkostenbeleid, wat de flexibiliteit ervan aantoont. Dankzij ontwikkelingen zoals ChatGPT kan AI communiceren met data, complexe vragen beantwoorden, diepere inzichten bieden en de data-analyse verbeteren. Effectieve AI-oplossingen vereisen de integratie van taalmodellen met visueel en lay-out bewustzijn om complexe zakelijke data volledig te kunnen verwerken.

Deze zijn cruciaal om de nauwkeurigheid en betrouwbaarheid van AI te garanderen. AI-systemen moeten worden doorgelicht en voorzien van vertrouwensscores en menselijke beoordelingsmechanismen. Niet alle taken hebben geavanceerde AI-oplossingen nodig, dus organisaties moeten beslissen waar ze AI toepassen op basis van voordelen en risico's, waarbij ze niet te veel vertrouwen op grote taalmodellen. 1TP36Om AI toe te passen, moeten geschikte use cases worden geïdentificeerd, moet AI systematisch worden toegepast op operationele functies, query's en kennisfuncties en moeten grondige tests en governance worden uitgevoerd.

De mogelijkheden van AI op het gebied van het verstrekken van leningen omvatten geautomatiseerde data extractie uit complexe documenten, waarbij ze worden omgezet in gestructureerde data voor downstream systemen zoals systemen voor het verstrekken van leningen, prijsbepalingssystemen of risicobeheersystemen. Een voorbeeld van Instabase tijdens de COVID-19 pandemie illustreert dit: een Amerikaanse bank kreeg te maken met een vloedgolf aan leningaanvragen via het PPP-kredietprogramma en gebruikte Instabase om in zes dagen een oplossing te bouwen die de verwerkingscapaciteit verhoogde van 10.000 leningen per dag naar 10.000 leningen per uur, wat het potentieel van AI aantoont om de productiviteit van operationele processen aanzienlijk te verhogen.

Speciale chatbots bouwen voor specifieke functies binnen een organisatie, zoals het opvragen van acceptatierichtlijnen. Chatbots behandelen vaste data-vragen en geven nauwkeurige antwoorden. Met conversational AI kunnen gebruikers communiceren met data, vragen stellen over specifieke documenten of datasets en gedetailleerde, contextuele antwoorden krijgen.

Een robuust bestuurskader, data beveiligingsbeleid en strenge testprotocollen zijn essentieel om AI-uitvoer te valideren. Organisaties moeten ervoor zorgen dat AI-modellen accuraat, transparant en controleerbaar zijn, zodat ze hun werking kunnen uitleggen en data bronnen en berekeningen kunnen traceren.

Strategische toepassing van AI betekent een zorgvuldige selectie van use cases, het toepassen van AI in verschillende organisatorische functies en het zorgen voor grondige tests en governance. Door zich te richten op gebieden met de grootste zakelijke impact, door AI in te zetten voor operationele efficiëntie, specifieke data query's en door robuuste governanceframeworks te integreren, kunnen organisaties het volledige potentieel van AI benutten.