Agentic AI pankkitoiminnassa: TD näyttää, mitä seuraavaksi tapahtuu

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

Seuraava vaihe on erilainen. Agentic AI antaa 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 agentic AI -mallin lanseeraus kiinteistövarmistetussa lainauksessa on selkeä esimerkki siitä, mihin tämä muutos on menossa. Pankki käyttää agentic AI:ta automatisoimaan ja tehostamaan osia asuntolainojen ja asuntolainojen omaisuuden ekvaivalinjan hakuprosessista. Sen ensimmäinen käyttöönotto keskittyy esikäsittelyyn, 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 Agentic AI on rahoitusalalla?

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

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

Miten Agentic AI eroaa tavallisesta automaatiosta

Perinteinen automaatio toimii parhaiten, kun prosessi on toistuva ja jäsennelty. Esimerkiksi robottiprosessiautomaatio voi siirtää tietoja järjestelmästä toiseen, jos syötteen muoto on ennustettavissa. Agentic AI on joustavampi. Se voi toimia puolijäsenneltyjen asiakirjojen, luonnollisen kielen, sisäisten politiikkojen ja muuttuvien asiakastietojen kanssa.

Tämä joustavuus on se, miksi pankit ovat kiinnostuneita. Niiden kustannusrakenne koostuu tiedon työstä, joka on toistuvaa mutta ei yksinkertaista. Työntekijät käyttävät merkittävän ajan lukemiseen, täsmäyttämiseen, tiivistämiseen ja tiedon tarkistamiseen ennen päätöksen tekemistä. Agentic AI kohdistaa tämän työn keskikerroksen.

• Se voi vähentää manuaalista asiakirjojen tarkistusta.
• 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 agentic AI:lle, koska se yhdistää asiakkaan kiireellisyyden, suuria asiakirjamääriä, korkeat toimintakustannukset 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 esipäätöskerroksen. Tekoäly valmistaa tiedoston, löytää poikkeamat ja luo muistiinpanon. Ihminen lainanmyöntäjä voi sitten tarkastella täydellisempää ja jäsennellympää 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 asiakaspalveluprosesseja.

Mitä Agentic AI tarjoaa pankin asiakkaille

Asiakkaille näkyvin hyöty on nopeus. Asuntolainahakijat kokevat usein pankkitoiminnan asiakirjapyyntöjen, odotusjaksojen, selvennyskierrosten 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, rahoitusehtojen, korkomuutosten ja kilpailevien tarjousten välillä. Nopeampi esipäätösprosessi voi tehdä pankkikokemuksesta vähemmän epävarman korkean stressin taloudellisen päätöksen aikana.

Toinen hyöty on personointi. Agentic AI 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 sisäänkirjautumisessa ja vakuutuksissa.

Kolmas hyöty on johdonmukaisuus. Ihmisten johtamat prosessit voivat vaihdella toimipisteen, tiimin, työkuorman ja asiakirjojen monimutkaisuuden mukaan. Agentic AI voi standardoida valmistelukerroksen, jotta työntekijät saavat yhtenäisemmän tiedoston ennen harkinnan soveltamista.

Mitä Agentic AI tarjoaa pankeille

Pankkien osalta taloudelliset hyödyt ovat suorempia. Suuret instituutiot toimivat valtavassa mittakaavassa, mutta monet takatoimiston prosessit ovat edelleen työvoimavaltaisia. Agentic AI voi vähentää työntekijöiden aikaa, jonka he käyttävät vähäarvoisiin tarkistustehtäviin, samalla parantaen läpimenoa suurta volyymia sisältävillä tuotelinjoilla.

Mahdollisuus on erityisen houkutteleva, koska pankkien ei tarvitse keksiä uusia tulonlähteitä hyötyäkseen. 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. Asianmukaisesti hallinnoitu agentic-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 asiakasmuuntaminen kilpailluilla lainamarkkinoilla.
• Paremmat sisäiset valvonnat, kun AI:n tuloksia seurataan ja ne ovat auditointikelpoisia.

Hallintoa haaste, jota pankit eivät voi välttää

Suurin rajoite agentic AI:lle perinteisessä rahoituksessa ei ole mallin kyvykkyys. Se on hallinto. Pankit toimivat säädellyssä ympäristössä, jossa yksityisyys, oikeudenmukaisuus, selitettävyys, kyberturvallisuus, operatiivinen resilienssi ja malliriskien hallinta ovat keskeisiä vaatimuksia.

Tämä selittää, miksi TD:n viittaus Trustworthy AI -tiiminsä valvontaan on merkityksellinen. Kun agentic AI koskettaa yhä useampia operatiivisia vaiheita, pankit tarvitsevat valvontaa, joka kattaa datan pääsyn, mallin validoinnin, ihmisen tarkistuksen, eskalointikynnystasot, poikkeusten käsittelyn, tulosten seurannan ja käyttöönoton jälkeisen poikkeaman.

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

Mitä seuraavaksi TD:n Agentic AI -lanseerauksen jälkeen?

TD on jo ilmoittanut, että tämä on vasta ensimmäinen askel laajemmassa kiinteistövarmistetun lainanmuutoksessa. Pankki on kartoittanut RESL-matkan asiakirjojen toimittamisesta rahoitukseen ja aikoo ottaa agentic AI:n käyttöön lisävaiheissa. Tämä viittaa tulevaisuuteen, jossa AI-agentit eivät ole erillisiä työkaluja, vaan työnkulkuinfrastruktuuria.

Seuraava vaihe todennäköisesti sisältää syvemmän integraation asiakasportaaleihin, välittäjäkanaviin, sisäisiin lainanmyöntöjärjestelmiin, asiakirjahallintatyökaluihin ja riskialustoihin. Sen sijaan, että vain tiivistettäisiin tiedostoja, agentic-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 samankaltaisia malleja. Houkuttelevimmat varhaiset käyttötapaukset ovat alueita, joilla on suuri asiakirjamäärä, selkeät politiikkasäännöt, mitattavat läpimenoajat ja prosessiin jo sisällytetty ihmistarkastus. Kaupallinen lainaus, sääntöjen noudattamisen tutkimukset, asiakkaiden sisäänkirjautuminen, vakuutuskorvausvaatimukset ja varallisuudenhoidon tuki sopivat kaikki tähän profiiliin.

Sijoittaminen Agentic-integraatioihin

Sijoittajille, jotka katsovat yksittäisten pankkien ulkopuolelle, yksi suoremmista tavoista seurata tätä trendiä on yritysohjelmistotoimittajien kautta, jotka rakentavat agentic AI:n rahoituspalvelujen työnkulkuihin. Merkittävä esimerkki on Oracle Corporation (ORCL ), joka on laajentanut Oracle Financial Services -alustaansa sisäänrakennetuilla AI-ominaisuuksilla ja valmiiksi rakennetuilla agenteilla yrityspankkitoiminnan käyttötapauksiin, kuten kassanhallintaan, kaupparahoitukseen, luottoon ja lainaukseen.

Oracle ei vain myy yleiskäyttöistä chatbotia pankeille. Sen mahdollisuus on enemmän infrastruktuurikeskeinen. Suuret rahoituslaitokset ovat jo riippuvaisia monimutkaisista ohjelmistopinoista ydinpankkitoiminnalle, riskille, sääntöjen noudattamiselle, maksuille, asiakastietueille ja tapahtumien käsittelylle. Kun agentic AI 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 kiinteistövarmistettu lainan käyttöönotto korostaa. TD osoittaa, miten agentic-järjestelmät voivat tiivistää asiakirjapainotteisia lainaprosesseja. Oracle asemoituu yhtenä teknologian toimittajista, joka pystyy tarjoamaan samankaltaisia agentic-ominaisuuksia laajemmissa pankkitoiminnoissa.

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

Investointitapaus ei ole ilman riskiä. Pankkiteknologian myyntisykli on pitkä, toteutuskustannukset voivat olla korkeat, ja säännellyt instituutiot eivät todennäköisesti siirrä kriittisiä työnkulkuja autonomisiin järjestelmiin ilman laajaa validointia. Oracle kilpailee myös Microsoftin (MSFT ), Salesforcen (CRM ), ServiceNow’n (NOW ), IBM:n (IBM ) ja erikoistuneiden fintech-toimittajien kanssa, jotka kaikki toteuttavat AI-pohjaista rahoituspalvelujen automaatiota eri tavoin.

Silti agentic AI voi vahvistaa yritysohjelmistotoimittajien pitkän aikavälin arvoa, jotka sijaitsevat lähellä ydinfinnanssityönkulkuja. Jos pankit yhä enemmän pitävät AI-agentteja operatiivisena infrastruktuurina kokeellisten työkalujen sijaan, voittajia voivat olla yritykset, jotka pystyvät yhdistämään toimialakohtaiset sovellukset, turvallisen pilviympäristön, datanhallinnan ja työnkulkuautomaatin.

Sijoittajille Oracle tarjoaa selkeämmän agentic-rahoitusnäkökulman 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 rahoituspalvelujen AI-alustat, voivat tulla yhä tärkeämmiksi työkalu- ja kaivinkonevalmistajiksi agentic-pankkikaudella.

Viimeisimmät Oracle (ORCL) -kehitykset

Sijoittajan johtopäätös: Agentic AI on nousemassa pankkialan infrastruktuuriksi

Sijoittajille keskeinen pointti on, että agentic AI:ta ei pidä tarkastella vain ohjelmistotrendinä. Pankkialalla se muuttuu toimintamallin muutokseksi. Pankit, jotka skaalaavat sen vastuullisesti, voivat parantaa kustannustehokkuutta, lyhentää palveluaikatauluja, vähentää operatiivista kitkaa ja puolustaa asiakassuhteita ketterämpiä fintech-kilpailijoita vastaan.

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

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