Ez utóbbi leegyszerűsítve egyébként azt jelenti, hogy az egyre növekvő összetettségű adathalmazokból többrétegű szűrés segítségével a számítógép kiválogatja azokat az adatokat, amelyek valamilyen logika mentén összetartoznak.

„Úgy képzeljük el” – igyekszik illusztrálni Németh Balázs, a K&H innovációs vezetője – „mintha a gyerekszoba szőnyegén szerteszét szórt legókat szeretnénk szortírozni. Megtehetjük ezt színek, formák, méretek vagy funkciók szerint is – csak egyrészt nagyon sokáig fog tartani, másrészt egy-egy legódarab többféle csoportba is besorolható”. Egyebek között az ilyen szisztematikus leválogatásokban segíti a bankárokat a generatív mesterséges intelligencia, amelynek a használata egyre elterjedtebb a pénzügyi szférában. Azzal a nem elhanyagolható különbséggel, hogy a mesterséges intelligencia nem legót, hanem digitális adatokat válogat szét és rendez értelmezhető csoportokba. Az egymásra hasonlító adatcsoportok gyors felismerése nagyon jól jöhet például akkor, amikor pénzügyi csalásra utaló jeleket érzékel a rendszer – így a bank idejekorán be tud avatkozni. Ha kell, a mesterséges intelligencia szövegeket kivonatol, tartalmat gyárt vagy éppen szoftvereket ír, algoritmusokban keresi és javítja ki a hibákat.

Ahhoz, hogy az alapvetően pénzügyekre szakosodott banki közép- és felsővezetők saját adatelemző és informatikai fejlesztő kollégáikkal eredményes párbeszédet tudjanak folytatni, nélkülözhetetlen az új szakterület alaposabb elsajátítása. Mert az nem kétséges, hogy a mesterséges intelligencia és a hozzá kapcsolódó technológiák fénysebességgel fejlődnek és épülnek be az üzleti folyamatokba. Gondoljunk csak bele: több évbe telt, amíg az okostelefonokon történő mobilbankolás elterjedt – az Egyesült Államokban csak mostanában haladta meg a mobilapplikáció használata a „hagyományos” netbankokét. Ehhez képest a mesterséges intelligencia alkalmazása töredék idő alatt terjed, hiszen csak 2023 elején tört be, és máris teret nyert magának.

A McKinsey Global Institute elemzése szerint a generatív mesterséges intelligencia alkalmazásából a bankszféra kiemelkedően sokat tud profitálni. A szervezet becslése szerint a nyereség ‒ elsősorban a hatékonyságjavulás révén ‒ globális szinten évente valahol 200 és 340 milliárd dollár között mozoghat. A generatív mesterséges intelligencia alkalmazása szinte minden pénzügyi szakterületet érint

Az új technológiai alapjaiban változtatja meg a banki üzleti folyamatokat. „A kérdés csak az, hogy hol és hogyan használjuk a mesterséges intelligenciát a leghatékonyabban” – mondja Németh Balázs. A K&H Bank már 2022 végén bevezette mesterséges intelligencia-alapú digitális pénzügyi asszisztensét – melyet Kate-re kereszteltek –, és nem egészen egy év alatt odáig fejlesztették, hogy elsőként és egyedülikén a magyar pénzpiaci szolgáltatók közül már hangvezérléssel képes végig vinni teljes folyamatokat, így például szóbeli utasítás alapján képes forintátutalásra. A tapasztalatok szerint az ügyfelek érdeklődőek és nyitottak: januárban már átlépte a félmilliót azoknak a K&H-s ügyfeleknek a száma, akik valamilyen formában már kipróbálták Kate szolgáltatásait. „A mesterséges intelligencia sikeres bevezetésének kulcsa, hogy az ügyfél igényeiből visszafelé haladva, felhasználói szemszögből kezdjük el a termék- és szolgáltatásfejlesztést” – vallja Németh Balázs, aki szerint a kérdés, hogy miként lehet az ügyfél életét megkönnyíteni. „Az ügyfél fejével kell gondolkodni” – teszi hozzá. Ez a megközelítés megköveteli a folyamatok újragondolását, új mesterséges intelligencia-alapú megoldások bevezetését, amelyek egyszerre ügyfélközpontúak, és egyben képesek tanulni is a felhasználók visszajelzéseiből”. Ezt hívják egyébként a szakemberek „megerősítéses tanulásnak”, és ez is egy olyan kifejezés, amelyet jó, ha a bankárok is megjegyeznek.

Photo by Carlos Muza on Unsplash