Agenttinen tekoäly pankkialalla: TD näyttää, mitä on seuraavaksi

Tekoäly siirtyy yhä syvemmälle perinteisten pankkien operatiiviseen ytimeen. Vuosien ajan rahoitusala on käyttänyt tekoälyä petosten havaitsemiseen, luottopisteytykseen, asiakassegmentointiin, sääntöjen tarkastukseen ja chatbot-tukeen. Kuitenkin suurin osa näistä järjestelmistä oli kapeita, tehtäväkohtaisia ja riippuvaisia selkeästi määritellyistä ihmistyönkulkuista.

Seuraava vaihe on erilainen. Agenttinen tekoäly tarjoaa pankeille ohjelmistovaltuutettuja, jotka voivat tulkita tavoitteita, kerätä tietoa, suorittaa monivaiheisia tehtäviä, eskaloida poikkeuksia ja tuottaa käyttökelpoisia tuloksia vähemmän suoraa ihmisen puuttumista vaativalla tavalla. Tämä ei tarkoita, että pankit antaisivat luottopäätökset valvomattomille algoritmeille. Se tarkoittaa, että ne alkavat upottaa tekoälyn työnkulkuun, jossa asiakirjat, säännöt, politiikat, asiakastiedot ja työntekijöiden harkinta kohtaavat.

TD Bank Groupin ensimmäisen agenttisen tekoälymallin lanseeraus kiinteistöjen vakuudellisessa lainauksessa on selkeä esimerkki siitä, mihin tämä muutos on menossa. Pankki käyttää agenttista tekoälyä automatisoimaan ja tehostamaan osia asuntolainojen ja asuntolainojen (Home Equity Line of Credit) hakuprosessista. Sen ensimmäinen käyttöönotto keskittyy esihyväksyntään, jossa järjestelmä luo yhteenvetomuistioita lainanmyöntäjille luokittelemalla asiakirjoja, poimimalla keskeistä tietoa, laskemalla tulot, tarkistamalla suostumuksen, vahvistamalla luvut valittuihin politiikkavaatimuksiin, tunnistamalla poikkeamat ja tuottamalla tiiviin tiedostoyhteenvedon.

TD:n (TD ) mukaan varhaiset tulokset lyhensivät prosessia, joka aiemmin kesti keskimäärin 15 tuntia, alle kolmeen minuuttiin. Pankille tämä ei ole pelkkä teknologinen päivitys. Se on mahdollinen uudelleensuunnittelu siitä, miten lainatyö reititetään, tarkastetaan, mitataan ja skaalataan.

Mitä agenttinen tekoäly on rahoituksessa?

Agenttinen tekoäly viittaa tekoälyjärjestelmiin, jotka voivat tavoitella päämäärää toimintojen sarjan kautta sen sijaan, että ne vastaisivat vain yhteen pyyntöön. Perinteinen generatiivinen tekoälytyökalu voi tiivistää asiakirjan pyydettäessä. Agenttinen järjestelmä voi löytää asiaankuuluvat asiakirjat, luokitella ne, poimia tarvittavat tiedot, verrata näitä tietoja politiikkaan, merkitä epäjohdonmukaisuudet, valmistella yhteenvedon ja reitittää tiedoston ihmispäätöksentekijälle.

Pankkialalla tämä ero on merkittävä, koska suurin osa arvokkaista työnkuluista ei ole yksivaiheisia tehtäviä. Asuntolainojen päätöksenteko, kaupallisen luoton tarkastus, rahanpesun torjuntatutkimukset, varallisuuden käyttöönotto, vakuutuskorvausvaatimukset ja sääntelyraportointi kaikki sisältävät useita järjestelmiä, asiakirjoja, sääntöjä, hyväksyntöjä ja auditointivaatimuksia.

Miten agenttinen tekoäly eroaa tavallisesta automaatiosta

Perinteinen automaatio toimii parhaiten, kun prosessi on toistuva ja strukturoitu. Esimerkiksi robottiprosessiautomaatio voi siirtää tietoa yhdestä järjestelmästä toiseen, jos syötteen muoto on ennustettavissa. Agenttinen tekoäly on joustavampi. Se voi toimia puolistrukturoitujen asiakirjojen, luonnollisen kielen, sisäisten politiikkojen ja muuttuvien asiakastietojen välillä.

Tämä joustavuus on syy siihen, miksi pankit ovat kiinnostuneita. Niiden kustannusrakenne koostuu tiedollisesta työstä, joka on toistuvaa mutta ei yksinkertaista. Työntekijät käyttävät merkittävän ajan tiedon lukemiseen, täsmäyttämiseen, tiivistämiseen ja tarkistamiseen ennen päätöksen tekemistä. Agenttinen tekoäly kohdistaa tämän työn keskikerrokseen.

• Se voi vähentää manuaalista asiakirjojen tarkastusta.
• Se voi parantaa johdonmukaisuutta monimutkaisissa työnkuluissa.
• Se voi auttaa työntekijöitä keskittymään harkintaan, poikkeuksiin ja asiakassuhteisiin.

Miksi suuret pankit aloittavat lainauksesta

Lainaus on looginen ensimmäinen kohde agenttiselle tekoälylle, koska se yhdistää asiakkaan kiireellisyyden, suurten asiakirjamäärien, korkeat käyttökustannukset ja tiukat riskikontrollit. Asuntolainojen ja vakuudellisten lainahakemusten yhteydessä pankkien on arvioitava tulot, työllisyys, varat, velat, kiinteistötiedot, suostumus, politiikan noudattaminen ja poikkeusriskit. Suuri osa tästä työstä on hallinnollista, mutta virheet voivat aiheuttaa luotto-, sääntely- ja mainehaittoja.

TD:n käyttöönotto on tärkeä, koska se ei aseta tekoälyä lainanmyöntäjien korvaajaksi. Sen sijaan se luo vahvemman esihyväksyntäkerroksen. Tekoäly valmistaa tiedoston, löytää poikkeamat ja laatii muistiinpanon. Ihmis-lainanmyöntäjä voi sitten tarkastella täydellisempää ja strukturoitua pakettia.

Tämä malli todennäköisesti muodostuu perinteisten pankkien hallitsevaksi malliksi. Lähitulevaisuuden mahdollisuus ei ole täysin autonominen pankkitoiminta. Se on ihmisten johtamaa pankkitoimintaa, jossa AI-agentit hoitavat valmistelun, tarkistuksen ja työnkulun orkestroinnin, jotka hidastavat asiakaskeskeisiä prosesseja.

Mitä agenttinen tekoäly tarjoaa pankin asiakkaille

Asiakkaille näkyvin hyöty on nopeus. Asuntolainahakijat kokevat usein pankkipalvelut asiakirjapyyntöjen, odotusjaksojen, tarkennussilmukoiden ja epäselvien tilapäivitysten sarjana. Jos AI-agentit voivat tiivistää sisäisen tarkistusprosessin, asiakkaat voivat saada aikaisempia hyväksymisilmoituksia, nopeampia puuttuvien tietojen pyyntöjä ja vähemmän toistuvia vuorovaikutuksia.

Nopeus vaikuttaa myös asiakkaiden luottamukseen. Kiinteistöalalla viiveet voivat olla merkittäviä. Ostajat saattavat navigoida tarjousmääräaikojen, rahoitusolosuhteiden, korkomuutosten ja kilpailevien tarjousten välillä. Nopeampi esihyväksyntäprosessi voi tehdä pankkipalvelukokemuksesta vähemmän epävarman korkean stressin taloudellisen päätöksen aikana.

Toinen hyöty on personointi. Agenttinen tekoäly voi auttaa pankkeja ymmärtämään, missä vaiheessa asiakas prosessissa on ja mitä toimenpidettä seuraavaksi tarvitaan. Yleisten viestien sijaan pankki voi tarjota tarkempaa ohjausta tiedoston todellisen tilan perusteella. Tämä voisi lopulta tukea proaktiivisempaa palvelua asuntolainoissa, pienyrityslainoissa, sijoitusten käyttöönotossa ja vakuutuksissa.

Kolmas hyöty on johdonmukaisuus. Ihmisten johtamat prosessit voivat vaihdella toimipisteen, tiimin, työkuorman ja asiakirjojen monimutkaisuuden mukaan. Agenttinen tekoäly voi standardoida valmistelukerroksen, jotta työntekijät saavat yhtenäisemmän tiedoston ennen harkintaa.

Mitä agenttinen tekoäly tarjoaa pankeille

Pankeille taloudelliset hyödyt ovat suoremmin nähtävissä. Suuret instituutiot toimivat valtavassa mittakaavassa, mutta monet takatoimiston prosessit ovat edelleen työvoimavaltaisia. Agenttinen tekoäly voi vähentää työntekijöiden aikaa, jonka he käyttävät vähäarvoisiin tarkistustehtäviin, samalla parantaen läpimenoa suurten tuotevalikoimien osalta.

Mahdollisuus on erityisen houkutteleva, koska pankkien ei tarvitse keksiä uusia tulonlähteitä saadakseen hyödyn. Jo maltilliset parannukset käsittelyajassa, poikkeusten käsittelyssä, petosten havaitsemisessa ja työntekijöiden tuottavuudessa voivat luoda merkittävää arvoa, kun ne toteutetaan miljoonien tilien ja hakemusten tasolla.

Myös riskietu on olemassa. Oikein hallinnoitu agenttinen järjestelmä voi jättää rakenteellisen jäljen siitä, mitä se tarkisti, mitä se poimi, mihin politiikkavaatimukseen viittasi ja mitä poikkeamaa se merkitsi. Tämä auditointikyky on kriittinen pankkialalla, jossa selitettävyys ja vastuullisuus ovat yhtä tärkeitä kuin nopeus.

• Alhaisemmat käsittelykustannukset asiakirjapainotteisissa työnkuluissa.
• Nopeampi asiakaskonversio kilpailluilla lainamarkkinoilla.
• Paremmat sisäiset valvonnat, kun AI:n tuotokset ovat valvottuja ja auditointikelpoisia.

Hallintahaaste, jota pankit eivät voi välttää

Suurin rajoite agenttiselle tekoälylle perinteisessä rahoituksessa ei ole mallin kyvykkyys. Se on hallinto. Pankit toimivat säädellyssä ympäristössä, jossa tietosuoja, oikeudenmukaisuus, selitettävyys, kyberturvallisuus, operatiivinen resilienssi ja malliriskien hallinta ovat keskeisiä vaatimuksia.

Tämä selittää, miksi TD:n viittaus Trustworthy AI -tiiminsä valvontaan on merkityksellinen. Kun agenttinen tekoäly koskettaa yhä useampia operatiivisia vaiheita, pankit tarvitsevat valvontaa, joka kattaa tietojen pääsyn, mallin validoinnin, ihmisen tarkastuksen, eskalointikynnysten, poikkeusten käsittelyn, tuotosten seurannan ja käyttöönoton jälkeisen poikkeaman.

Riskiprofiili on myös erilainen kuin yksinkertaisen chatbotin käyttöönotossa. Agentti, joka tiivistää julkista tuoteinformaatioita, on vähäriskinen. Agentti, joka poimii tulot, tarkistaa suostumuksen, etsii poikkeamia ja valmistaa lainausdokumentaatiota, on paljon lähempänä säänneltyä päätöksentekoprosessia. Vaikka ihminen pysyy lopullisena päätöksentekijänä, tekoäly voi vaikuttaa siihen, mitä ihminen näkee ensin.

Mitä seuraavaksi TD:n agenttisen tekoälyn lanseerauksen jälkeen?

TD on jo ilmoittanut, että tämä on vasta ensimmäinen askel laajemmassa kiinteistöjen vakuudellisen lainauksen muutosprosessissa. Pankki on kartoittanut RESL-matkan asiakirjojen lähettämisestä rahoitukseen ja aikoo ottaa agenttisen tekoälyn käyttöön lisävaiheissa. Tämä viittaa tulevaisuuteen, jossa AI-agentit eivät ole erillisiä työkaluja, vaan työnkulkuinfrastruktuuria.

Seuraava vaihe todennäköisesti sisältää syvemmän integroinnin asiakasportaaleihin, välittäjäkanaviin, sisäisiin lainanmyöntöjärjestelmiin, asiakirjojen hallintatyökaluihin ja riskialustoihin. Pelkkien tiedostojen tiivistämisen sijaan agenttiset järjestelmät voivat auttaa tunnistamaan puuttuvia asiakirjoja, suositella seuraavia parhaita toimenpiteitä, valmistaa ehdollisia hyväksymispaketteja ja seurata tiedostoja sulkemiseen asti.

Asuntolainojen lisäksi muut perinteiset pankit todennäköisesti seuraavat samanlaisia malleja. Houkuttelevimmat varhaiset käyttötapaukset ovat alueita, joilla on suuri asiakirjamäärä, selkeät politiikkasäännöt, mitattavat läpimenoajat ja ihmisen tarkastus on jo sisällytetty prosessiin. Kaupallinen lainaus, sääntöjen noudattamisen tutkimukset, asiakkaan käyttöönotto, vakuutuskorvausvaatimukset ja varallisuudenhoidon tuki sopivat kaikki tähän profiiliin.

Sijoittaminen agenttisiin integraatioihin

Sijoittajille, jotka katsovat yksittäisten pankkien ulkopuolelle, yksi suoraviivaisimmista tavoista seurata tätä trendiä on yritysohjelmistotoimittajien kautta, jotka rakentavat agenttista tekoälyä rahoituspalveluiden työnkulkuihin. Merkittävä esimerkki on Oracle Corporation (ORCL ), joka on laajentanut Oracle Financial Services -alustaansa upotetuilla AI-ominaisuuksilla ja valmiiksi rakennetuilla agenteilla yrityspankkikäyttötapauksiin, kuten kassavirtaan, kaupparahoitukseen, luottoon ja lainaukseen.

Oracle ei vain myy yleiskäyttöistä chatbotia pankeille. Sen mahdollisuus on enemmän infrastruktuuriin suuntautunut. Suuret rahoituslaitokset ovat jo riippuvaisia monimutkaisista ohjelmistopinoista ydinpankkitoiminnalle, riskille, sääntöjen noudattamiselle, maksuille, asiakastietueille ja tapahtumien käsittelylle. Kun agenttinen tekoäly siirtyy kokeiluvaiheesta tuotantoon, pankit tarvitsevat toimittajia, jotka voivat yhdistää AI-agentit säänneltyihin työnkulkuihin, oikeutettuihin tietoihin, auditointijälkiin ja yrityksen valvontaan.

Tämä tekee Oraclesta mielenkiintoisen hyötyjän saman muutoksen johdosta, jonka TD:n kiinteistöjen vakuudellinen lainaus -käyttöönotto korostaa. TD osoittaa, miten agenttiset järjestelmät voivat tiivistää asiakirjapainotteisia lainaprosesseja. Oracle asemoituu yhtenä teknologiatoimittajista, joka pystyy tarjoamaan vastaavia agenttisia kyvykkyyksiä laajemmissa pankkitoiminnoissa.

• Sen rahoituspalveluliiketoiminta antaa sille altistumisen pankeille, vakuutusyhtiöille ja pääomamarkkinoiden toimijoille, jotka ovat paineen alla modernisoida perintötyönkulkuja.
• Sen agenttisen tekoälyn strategia on sidottu operatiivisiin toimintoihin, joissa rahoituslaitokset jo investoivat paljon, mukaan lukien luotto, lainaus, kassavirta ja sääntöjen noudattamiseen liittyvät prosessit.
• Sen laajempi pilvi- ja tietokantajalka-ala voi auttaa sitä integroimaan AI-agentit yritysjärjestelmiin, joissa pankit jo tallentavat ja hallinnoivat kriittisiä tietoja.

Investointitapaus ei ole ilman riskiä. Pankkiteknologian myyntisyklit ovat pitkiä, toteutuskustannukset voivat olla korkeat, ja säännellyt instituutiot eivät todennäköisesti siirrä kriittisiä työnkulkuja autonomisiin järjestelmiin ilman laajaa validointia. Oracle kilpailee myös Microsoftin (MSFT ), Salesforce:n (CRM ), ServiceNow’n (NOW ), IBM:n (IBM ) ja erikoistuneiden fintech-toimittajien kanssa, jotka kaikki pyrkivät AI-pohjaiseen rahoituspalveluiden automaatioon eri tavoin.

Silti agenttinen tekoäly voisi vahvistaa yritysohjelmistotoimittajien pitkän aikavälin arvoa, jotka sijaitsevat lähellä ydinfinaalisen työnkulkuja. Jos pankit yhä enemmän pitävät AI-agentteja operatiivisena infrastruktuurina eikä kokeellisina työkaluina, voittajia voivat olla yritykset, jotka pystyvät yhdistämään toimialakohtaiset sovellukset, turvallisen pilviympäristön, tietohallinnon ja työnkulkuautomaatin.

Sijoittajille Oracle tarjoaa selkeämmän agenttisen rahoituksen näkökulman kuin monet puhtaat AI-kertomukset, koska teesi on sidottu mitattaviin pankkikäyttötapauksiin: nopeammat luottotyönkulut, automatisoidumpi asiakirjojen käsittely, parantunut palvelukapasiteetti ja parempi operatiivinen tehokkuus. Kun perinteiset pankit seuraavat TD:n esimerkkiä, toimittajat, joilla on uskottavat rahoituspalveluiden AI-alustat, voivat tulla yhä tärkeämmiksi pick-and-shovel -toimittajiksi agenttiselle pankkialalle.

Viimeisimmät Oracle (ORCL) -kehitykset

Sijoittajan johtopäätös: Agenttinen tekoäly on nousemassa pankkialan infrastruktuuriksi

Sijoittajille keskeinen pointti on, että agenttista tekoälyä ei pidä tarkastella pelkästään ohjelmistotrendinä. Pankkialalla se muuttuu toimintamallin siirtymäksi. Pankit, jotka skaalauttavat sen vastuullisesti, voivat parantaa kustannustehokkuutta, lyhentää palveluaikatauluja, vähentää operatiivista kitkaa ja suojata asiakassuhteita ketterämpiä fintech-kilpailijoita vastaan.

Kilpailuetu ei tule siitä, että käytetään edistyksellisintä mallia eristyksissä. Se tulee yhdistämällä omistettu data, kurinalainen hallinto, työnkulkuintegraatio, työntekijöiden omaksuminen ja asiakaskeskeinen toteutus. Suurilla pankeilla on data, jakelu, sääntelykokemus ja prosessimäärä, jotka mahdollistavat hyödyn. Niillä on myös monimutkaisuus, joka tekee toteutuksesta haastavaa.

TD:n lanseeraus näyttää, mihin sektori on menossa. Agenttinen tekoäly alkaa takatoimistosta, lähellä asiakirjoja ja työnkulkuja. Sieltä se todennäköisesti laajenee asiakaskokemukseen, luotto-operaatioihin, sääntöjen noudattamiseen ja neuvontatukeen. Pankit, jotka onnistuvat tässä, eivät vain automatisoi vanhoja prosesseja. Ne suunnittelevat uudelleen, miten taloudelliset päätökset siirtyvät hakemuksesta hyväksyntään.