Sztuczna inteligencja w bankowości – co mówi Mastercard?

Na razie sztuczna inteligencja w bankowości wykorzystywana jest w procesach wewnętrznych. Podejście jednak ma się zmieniać w międzyczasie udoskonalania technologii. Mastercard z kolei podzielił się wnioskami z raportu Generative AI: The transformation of banking. Jak wskazuje sam tytuł opracowania, poruszono tam kwestie wpływu generatywnej sztucznej inteligencji na branżę finansową. Autorzy dokumentu deklarują, że technologia, może poprawić funkcjonowanie bankowości w ogóle. Równocześnie jednak niesie za sobą szereg wyzwań.

Czytaj też: Nowy smartwatch z płatnościami mobilnymi – Garmin D2 Mach 1 Pro

Co ciekawe, pojęcie generatywnej sztucznej inteligencji odnosi się do rozwiązań, które potrafią tworzyć nowe treści, w tym na przykład tekst czy obraz. Mastercard dowodzi jednocześnie, że bankowość prezentuje na razie konserwatywne podejście do innowacji tego rodzaju. Są one, co ważne, stosowane wewnętrznie, na przykład do przeprowadzenia analiz. 

Czytaj też: Dane Pekao i Tpay: Polacy stopują z wydatkami poświątecznymi

Sztuczna inteligencja w bankowości – co mówi Mastercard?

Sztuczna inteligencja w bankowości nadal może być wykorzystywana do analizowania danych, co powinno na przykład zauważalnie skrócić czas potrzebny do wyszukiwania informacji. W efekcie takich danych łatwiej będzie testować nowe rozwiązanie, identyfikować zagrożenia i odpowiednio szybko reagować. W opracowaniu Mastercarda mowa jest też przede wszystkim o lepszym zarządzaniu zasobami ludzkimi i komunikacją z klientami.

Czytaj też: Klienci Curve z kłopotami – odrzucone płatności i brak wsparcia fintechu

Warto też zaznaczyć, że wykorzystanie takiej technologii w bankowości to szansa i nowe możliwości w kontekście usprawnienia zarządzania dokumentacją i automatyzacji formalności. W efekcie rozwijane mogą być na przykład boty, które szkolą się w odpowiadaniu na pytania klientów.

Czyatj też: Softpos Tap on Mobile od Worldline będzie preinstalowany na smartfonach 

Mastercard, co ważne, zwraca też uwagę na poufność danych i kreację rozwiązań tak, by nie została ona zagrożona. Pojawia się także kwestia przełamania i nieścisłości, którym może podlegać generatywna sztuczna inteligencja. Biorąc to pod uwagę, problemem może być przede wszystkim nieodpowiedni przepływ danych.