A generatív mesterséges intelligencia (GenAI) megjelenése alapjaiban változtathatja meg a bankszektor működését. Damsa Andrei, a Neuron Solutions Kft. Oktatási és Tanácsadási üzletág vezetője a BankTechShow színpadán részletesen bemutatta, milyen lehetőségeket és kihívásokat hozott a GenAI a szektor számára, valamint rávilágított a technológiában rejlő potenciálra.

Lelkesedést vagy szorongást vált ki a GenAI?

A generatív AI-t övező „hype” egyszerre váltott ki lelkesedést és aggodalmat a piacon. Ez a kettős érzés – a félelem és az elkerülhetetlen cselekvés kényszere – formálja a mesterséges intelligenciához való hozzáállást számos szektorban.

„Prediktív modelleket, csalásmegelőzési eljárásokat és anomáliadetekciót már régóta alkalmazunk. Ugyanakkor a ChatGPT hozta el azt a hype-ot és tudattágítást, amely rávilágított arra, hogy az AI-ban rejlő lehetőségeket érdemes szélesebb körben kiaknázni”

– mondta Damsa Andrei előadásában.

A generatív AI nemcsak a meglévő folyamatok hatékonyabbá tételére nyújt lehetőséget. Az igazi érték hosszú távon abban rejlik, hogy a technológia integrálásával újragondoljuk és átalakítjuk a folyamatainkat. Az AI technológiák integrációja nemcsak technológiai kihívás, hanem stratégiai döntések sorozata, amely alapos tervezést és felelősségteljes megközelítést követel meg.

Fotón: Damsa Andrei, a Neuron Solutions Kft. Oktatási és Tanácsadási üzletág vezetője a BankTechShow-n | Kép forrása: FinTech Group (készítette: Kovács Dávid)

Versenyfutás az idővel: mennyi időnk van alkalmazkodni az AI-hoz?

A technológiai áttörésekhez való alkalmazkodás ideje drámaian lecsökkent. Damsa Andrei példaként említette, hogy a gőzgépek megjelenésekor a vállalatoknak körülbelül 30 évük volt arra, hogy beépítsék a technológiát és megőrizzék versenyképességüket. Mára az AI esetében ez az idő mindössze fél évre csökkent.

„Ez nem azt jelenti, hogy fél év múlva mindent mesterséges intelligenciával kell működtetnünk, de fontos, hogy kipróbáljuk a technológiát és tanuljunk.”

Chatbotot építeni könnyű, de jó chatbotot nem

A generatív AI egyik legelterjedtebb alkalmazási területe az ügyfélszolgálati chatbotok, amelyek célja az ügyfélszolgálati folyamatok egyszerűsítése. A chatbotok használatának legnagyobb kihívása, hogy a rendszer megbízhatóan és pontosan működjön, különösen az ügyfélinterakciók során.

Számos példa mutatja, hogy egy rosszul működő chatbot milyen komoly problémákat idézhet elő. Az egyik ilyen eset egy kanadai légitársaságnál történt, ahol a weboldalon működő chatbot „hallucinált”, azaz egy nem létező jegyvisszatérítési konstrukciót ajánlott fel az ügyfélnek. Az ügyfél ennek alapján beperelte a céget, amely végül jelentős kártérítést volt kénytelen fizetni.

Egy másik példa a DPD futárcég esete, ahol az ügyfelekkel kommunikáló chatbot szidalmazni kezdte saját anyavállalatát és saját magát, mint technológiát. Ez a helyzet világosan rávilágít arra, hogy egy rosszul működő chatbot nemcsak anyagi kárt okozhat, hanem a vállalat hitelességét is veszélybe sodorhatja.

„Ez nem azt jelenti, hogy nincsenek jó ügyfélszolgálati chatbotok, de fontos, hogy óvatosan közelítsünk ehhez az irányhoz, és nagy figyelmet fordítsunk arra, hogy megfelelően korlátozzuk”

– emelte ki Damsa Andrei.

Fotón: Damsa Andrei, a Neuron Solutions Kft. Oktatási és Tanácsadási üzletág vezetője a BankTechShow-n | Kép forrása: FinTech Group (készítette: Kovács Dávid)

A belső folyamataink támogatására is érdeme fókuszálni

A generatív AI alkalmazásakor nemcsak az ügyfelekkel való közvetlen kommunikációra érdemes figyelmet fordítani, hanem arra is, hogyan támogathatja a technológia a munkavállalókat. Ennek eredményeként egyre nagyobb szerepet kapnak a belső folyamatokat segítő megoldások.

A hatósági és bűnügyi adatszolgáltatás a bankszektor egyik igen összetett és időigényes feladata. Amikor egy hatóság adatokat kér egy ügyfélről, a pontos igények meghatározása és a szükséges adatok összegyűjtése komoly kihívást jelenthet a bank számára. A feladatot általában banki munkatársak végzik, ami jelentős erőforrásokat emészt fel, különösen, ha az igények nem egyértelműek, vagy a hatóság sürgeti az adatszolgáltatást.

„A hatóság nem szeret várni, illetve ha várnia kell, hajlamos büntetni”

– figyelmeztetett a szakember, kiemelve a gyors és pontos adatszolgáltatás jelentőségét.

A Neuron Solutions egy innovatív megoldást fejlesztett ki, amely a generatív mesterséges intelligenciát alkalmazza az adatszolgáltatási folyamat hatékonyabbá tételére. A megoldás központi eleme egy nagy nyelvi modell, amely a hatósági megkeresések alapján pontosan meghatározza a feladatokat; milyen adatokat kell összegyűjteni, mely ügyfelek érintettek, és milyen részletek szükségesek – lényegében a rendszer azonosítja a hatósági igényeket.

Az összegyűjtött feladatlista e-mailben vagy ticketing rendszeren keresztül továbbítható a megfelelő munkatársaknak. Ezáltal a manuálisan végzett feladatok egy részét a technológia veszi át.

A generatív AI szerepe az irodai hatékonyság növelésében

A generatív mesterséges intelligencia jelentősen javíthatja a mindennapi irodai munka hatékonyságát. A kezdeti szakaszban az AI-t többnyire önálló feladatok elvégzésére használják, mint például dokumentumok összegzésére vagy szövegek gyors generálására. Ez azonban még nem eredményez mélyebb integrációt. Az igazi áttörés akkor következik be, amikor a generatív AI szervesen beépül a meglévő munkafolyamatokba és eszközökbe.

Jelenleg két nagy piaci szereplő dominál ezen a területen: a Microsoft Copilot és a Google Gemini. Mindkét vállalat integrálta generatív AI megoldásait irodai alkalmazásaiba, lehetővé téve, hogy az AI funkciói közvetlenül a megszokott platformokon legyenek elérhetők. Ez az integráció kulcsfontosságú, mivel a technológia így természetes részévé válik a napi munkafolyamatoknak, megkönnyítve a munkavállalók alkalmazkodását és maximalizálva az AI által kínált előnyöket.

Hogyan válasszunk AI-megoldást?

A GenAI bevezetése előtt a vállalatok számos kérdést tesznek fel, amelyek közül az egyik legfontosabb az, hogy milyen szempontok alapján válasszanak a rendelkezésre álló megoldások közül. A döntés nem csak technológiai; stratégiai és biztonsági szempontokat is figyelembe kell vegyen.

A Microsoft, a Google és az OpenAI által kínált megoldások – mint például a ChatGPT, Copilot és Gemini – sok biztonsági mutatóban hasonlóan teljesítenek, de az EU adathatár betartásában jelentős különbségek vannak. A Microsoft és a Google megfelelnek az európai adathatár előírásoknak, míg a ChatGPT nem garantálja ugyanezt a szintű adatvédelmet. Ez különösen lényeges, ha az AI-t érzékeny adatok kezelésére vagy bizalmas információk feldolgozására alkalmazzák nagyvállalatok.

Fotón: Damsa Andrei, a Neuron Solutions Kft. Oktatási és Tanácsadási üzletág vezetője a BankTechShow-n | Kép forrása: FinTech Group (készítette: Kovács Dávid)

A dobozos termékektől és a testreszabott AI-megoldásokig

A vállalatok kezdetben úgynevezett „dobozos termékeket” választanak, amelyek gyorsan és viszonylag egyszerűen integrálhatók a működésükbe. Az első tapasztalatok megszerzése után azonban hamar megjelennek azok a specifikus felhasználási esetek, amelyek az adott szervezet egyedi igényeire szabottak.

„Ezért szoktuk mondani, hogy a dobozos termékek kapudrogként működnek”

– jegyezte meg a szakember.

Amikor a vállalatok felismerik a generatív AI nyújtotta lehetőségeket, gyakran fordulnak a testreszabott fejlesztések felé. Ilyenkor az igények már teljes mértékben az adott szervezet működéséhez, folyamataihoz és célkitűzéseihez igazodnak. Ez a váltás nemcsak technológiai fejlesztéseket, hanem belső kompetenciák kiépítését is igényli.

Hosszú távon megéri belső csapatokat és erőforrásokat kijelölni az AI fejlesztésére és karbantartására. Ezek a csapatok nemcsak a kisebb, gyors reagálást igénylő fejlesztések megvalósításában segítenek, hanem hozzájárulnak az AI hosszú távú szervezeti integrációjához is.

Készségek az AI korszakban

A mesterséges intelligencia bevezetése megköveteli, hogy a munkatársak olyan új készségeket sajátítsanak el, amelyek lehetővé teszik a technológiával való hatékony együttműködést. Damsa Andrei szerint az AI-val való együttműködés egyfajta vezetői szerepet követel meg mindannyiunktól, hiszen elengedhetetlen, hogy pontosan meg tudjuk fogalmazni a feladatainkat és az elvárásainkat.

,,A generatív AI hatékony szervezeti támogatásához a munkatársaknak meg kell tanulniuk az AI-val való kommunikáció és a feladatdelegálás alapvető készségeit.”

Címlapfotón: Damsa Andrei, a Neuron Solutions Kft. Oktatási és Tanácsadási üzletág vezetője a BankTechShow-n | Kép forrása: FinTech Group (készítette: Kovács Dávid)