En oversigt over AI inden for finans

Kunstig intelligens (AI) refererer til teknologi, der kan opfatte, lære og problemløse på en måde, der ligner mennesker.

AI i finansiering er brugen af intelligent teknologi med det formål at forbedre hastigheden, effektiviteten og nøjagtigheden af det arbejde, der udføres af mennesker i den finansielle serviceindustri. Dette omfatter dataanalyse, prognoser, afsløring af svindel og kundeservice.

Viden er, som man siger, magt. Og i dag ankommer den i form af data.

Men hvad nu hvis der er så meget af det, at et menneske aldrig kunne have tid nok til at drage meningsfulde konklusioner af det?

Det er her AI kommer ind i billedet. Med brugen af automatiserede maskinindlæringsalgoritmer og prædiktive AI-modeller kan mønstre og korrelationer om markedstendenser eller kundefølelser komme ud af "støjen".

Virksomheder vil have indsigt, der kan handles på, i realtid for at kunne træffe kvalificerede beslutninger, kunne øge driftseffektiviteten og have forudsigende analyser til bedre prognoser for at reducere risikoen. Enhver af disse kunne være en fordel i forhold til konkurrenterne.

Eksempler på AI inden for finans

Her transformerer AI finansielle operationer (finops):

• AI-modeller til prognoser og prognoseanalyse: Derfor bruger virksomheder AI-modeller til at køre scenarieanalyse for at identificere sårbarheder, etablere udfald og afbøde potentiel påvirkning.

• Blockchain: Blockchain er delte, decentrale, digitale ledgersystemer. Fordi de i bund og grund er massive databaser, bruger nogle organisationer AI til at analysere dem for at identificere tendenser.

• Kreditbeslutninger: Ud over kredithistorik kan algoritmer også indregne data som aktivitet på sociale medier for mere praecist at vurdere en persons kreditvaerdighed.

• Kundesupport: At lade chatbots påtage sig de ofte stillede spørgsmål og sædvanlige opgaver mindsker byrden for menneskelige kundeserviceagenter, hvilket giver dem båndbredde til at håndtere mere komplekse sager.

• Registrering af svindel: AI-modeller spiller en stadig vigtigere rolle for at forbedre cybersikkerheden. Det analyserer og traener på store maengder data for at indikere og forudsige anomalier, der indikerer trusler.

• Fakturaadministration: AI kan nemt påtage sig den kedelige opgave at modtage og sende fakturaer, selv markere dem, der kan være svigagtige.

• Kvantitativ handel: Investorer bruger AI til at skabe algoritmer til at identificere tendenser, analysere historiske data og derefter gøre handler hurtigere, end de kan.

• RegTech: Regulatorisk teknologi har til formål at hjælpe finanssektoren med at påtage sig den komplekse og datatunge opgave med regnskabsaflæggelse. Ved at gøre dette med automatiseringen af AI kan de opfylde lovkrav mere effektivt.

• Risikostyring: Ved at behandle data hurtigere fra flere kilder kan AI levere til at finpudse indsigtsfulde prognoser, der kan danne grundlag for omfattende risikostyringsbeslutninger.

• Automatisering af RPA/kontoafstemning: Afstemning omfatter sammenligning af interne finansdatarecords med eksterne kontoudskrifter, fx fra en bank, for at sikre nøjagtighed. Denne tidskrævende proces kan automatiseres med AI.

På fem måder kan kunstig intelligens gavne sektoren for finansielle tjenesteydelser

Et forsikringsselskab lancerede en generativ AI copilot for aktuarer, der reducerede gennemsnitlige modellering færdiggørelsestider med 90%.

Med statistik som den, kan det virke som AI er på vej til at erstatte mennesker i de finansielle tjenester. Men ved at tillade AI at påtage sig menielle og manuelle opgaver som dataindtastning, tror vi, at det vil give mennesker mulighed for at koncentrere deres tid og energi mod opgaver, som AI ikke kan gøre så godt: kritisk tænkning, strategi og innovation.

Her gør AI inden for finans netop det:

• Forbedret beslutningstagning og scenarieanalyse til finansiel planlægning og analyse: AI-værktøjer kan omdanne store mængder data til handlingsrettet indsigt for at informere beslutningstagere. AI-modeller kan også bruges til at forudsige, hvordan deres organisationer klarer sig i visse scenarier, så de kan planlægge i overensstemmelse hermed for hvad der er i horisonten.

• Øget driftseffektivitet: Nøjagtigheden, hastigheden og automatiseringen af AI-værktøjer reducerer fejl og øger rentabiliteten.

• Forbedrede kundeoplevelser og personalisering: AI-chatbots bruger maskinindlæring og algoritmer til at analysere brugerdata og præferencer for at levere personaliserede kundeserviceoplevelser.

• Strømlinede regnskabscyklusser: En nylig undersøgelse blandt finansledere foretaget af SAP og Oxford viste, at 57 % af svarpersonerne angiver regnskabsafslutning som den mest tidskrævende proces. AI-værktøjer kan bruges til at analysere datasæt for hurtigt at identificere afvigelser eller risici, hvilket fører til en mere ensartet regnskabsaflæggelsesproces.

• Øget medarbejderproduktivitet og innovation: At give AI-værktøjer mulighed for at overtage dataintensive opgaver giver organisationer mulighed for at fokusere deres menneskelige talent på problemer, som AI ikke kan gøre så godt: kritisk og strategisk tænkning. AI-vaerktøjer kan trods alt give indsigt, men mennesker traeffer beslutningerne.

• Reducerede omkostninger: Øget nøjagtighed og hastighed af AI vil hjælpe menneskelige medarbejdere med at spare tid, så de kan innovere og være mere kreative.

• Optimering af kapitalallokerings- og investeringsbeslutninger: De samme AI-modeller, der bruges til at køre scenarieanalyse, kan også informere om, hvordan man bedst investerer kapital.

• Overholdelse og lovpligtig rapportering: Der er maskinindlæringsmodeller, der kan hjælpe organisationer med at holde sig ajour med alle forhold vedrørende overholdelse af lovkrav, regnskabsaflæggelse og risikostyring.

AI i finans kan automatisere opgaver som dataindtastning med større hastighed og nøjagtighed end mennesker. Det kan behandle store mængder data med lethed til at identificere afvigelser, tilbyde indsigt og køre prognoseanalyser.

Øget driftseffektivitet er målet. Vi mener dog, at det er kombinationen af AI-assistance og menneskelig kritisk tænkning og intuition, der vil vise sig at være den vigtigste drivkraft for vækst i finanssektoren.

Udfordringer og etiske overvejelser om AI inden for finansiering

Det er spændende at overveje det eksponentielle potentiale AI vil bringe til den finansielle serviceindustri. Men det er vigtigt at huske på de udfordringer og etiske bekymringer, der vil opstå med dens fremkomst.

I sin ideelle tilstand vil AI inden for finansiering blive brugt på måder, der respekterer retfærdighed, gennemsigtighed, privatlivets fred, sikkerhed og samfundet som helhed. Men hvordan defineres noget som fairness? Nogle har hævet øjenbryn ved en AI-modelfactoring i en persons aktivitet på sociale medier for at bestemme deres kreditværdighed. Er det rimeligt? Og ved at gøre dette, krænkede AI den persons privatliv?

AI kan bruges til at hente handlingsrettet indsigt fra data for at hjælpe med at informere beslutningstagere. Kan disse indsigter bruges til at forstærke bias over for en person eller gruppe? Vi taler om myndighedernes overholdelse af love som Dodd Frank-loven i USA, men hvad med reglerne omkring etisk brug af AI?

Det er alt sammen afgørende spørgsmål, der må regnes med, efterhånden som AI bliver mere sammenhaengende med finanssektoren. At besvare dem vil være målet for en organisations AI-etiske styringsudvalg, der vil være sammensat af udviklere, politiske beslutningstagere, virksomhedsledere, civilsamfundsorganisationer, akademiske institutioner og slutbrugere. Jo mere forskelligartede interessenterne er, jo flere perspektiver kan der indarbejdes i politikken.

Løbende tilsyn med "et menneske i kredsløbet" vil gøre det muligt for politikkerne at forfine og tilpasse sig med tiden og i takt med teknologiens og samfundets udvikling.

Omfattende uddannelse i form af læseplaner, uddannelsesmoduler og feedback-mekanismer vil også være nødvendig for at integrere politikkerne i hele organisationen.

Fremtiden for AI i finansiering

Generativ AI til at kickstarte regnskabsaflæggelse. Prognoseanalyser til at informere om beslutninger. Selv blockchain med den sporbarhed og gennemsigtighed, de giver, anvendes til at hjælpe med at overholde lovkrav. AI-værktøjer bliver mere og mere integrerede med den finansielle serviceindustri hver dag.

Det ville ikke være let at forestille sig, at disse værktøjer bliver hurtigere og mere præcise, efterhånden som computere bliver bedre, og maskinindlæringen modnes.

Manglende nøjagtighed er dog ikke den største bekymring blandt brugerne. Det er snarere mistroen, der fortsætter blandt brugerne over for algoritmer og AI-modeller og den manglende forståelse af, hvordan de danner konklusioner om for eksempel kreditværdighed.

Det nye felt af forklarbar kunstig intelligens søger at producere AI-modeller, der gør dens indre arbejde gennemsigtig for menneskelige brugere. Dette giver beslutningstagerne mulighed for klart at se rationalet bag konklusionerne og bedømme dem i overensstemmelse hermed, når de tager hensyn til deres egen ekspertise.

Igen, vi fastholder det er kombinationen af AI databehandling og menneskelig kritisk tænkning vil resultere i bedre beslutningstagning.

Hvilke førende virksomheder bruger i øjeblikket AI?

Før vi kommer for langt ind i morgen, er her nogle virksomheder, der allerede bruger AI i finanssektoren i dag:

Mercedes-Benz Mobility

Gennem Mercedes-Benz Mobility kan private og kommercielle kunder finansiere eller lease køretøjer via fleksible udlejnings- og abonnementsmodeller. På trods af at de allerede implementerede et automatiseret betalingssystem, skulle regnskabsteams stadig matche fakturaer manuelt, når der manglede eller var forkerte oplysninger, hvilket kostbare timer af deres arbejdsuge.

For at forbedre dette hørte de SAP Services and Support om at tilføje en "selvlærende" funktionalitet til deres SAP Cash Application-software. Dette gjorde det muligt at evaluere de oplysninger, der er tilgængelige for automatisk at allokere betalinger i tilfælde af forkerte detaljer. Takket være AI og maskinindlæring blev 58 % af de ikke-allokerede fakturaer behandlet automatisk og uden fejl, hvilket sparer et gennemsnit på 5-10 minutter pr. faktura. Det er 5-10 minutter, ganget med de tusindvis af betalinger, der behandles om dagen.

Mitsui

Mitsui, en af de største generelle handelsvirksomheder i Japan, valgte SAP til at understøtte deres virksomhedsdækkende "Integrated Digital Transformation Strategy".

Et smertepunkt, de så ud til at løse, var afstemning og udligning af ubehandlede kontoudskriftsoplysninger. Ved at anvende AI og maskinindlæringsteknikker kunne de automatisere denne proces og spare medarbejdere 36.000 timer om året med en nøjagtighed på over 90 %.

Virksomheden begyndte også at anvende chatbots i deres indenlandske kernesystem for at reducere byrden på deres vedligeholdelsespersonale og brugere.

Sådan kommer du i gang med AI inden for økonomi

Start med at implementere et cloud-baseret ERP-system. ERP eller Enterprise Resource Planning er et softwaresystem, der er designet til at hjælpe finops med at køre mere effektivt. Alle kerneforretningsprocesser som HR, produktion, forsyningskæde og serviceydelser kan styres i et integreret system.

Finans er måske det vigtigste, fordi det er mest optaget af penge. Den administrerer hovedbogen, sporer kreditorer og tilgodehavender, genererer regnskabsaflæggelse og mere.

Nutidens ERP-systemer udnytter kunstig intelligens inden for finansiering til at fremme vækst og innovation. Ved at levere handlingsrettet indsigt i realtid, reducere driftsomkostningerne og reducere risikoen søger AI at give organisationer et nyt konkurrencemæssigt forspring.

AI-værktøjerne, der kan hjælpe med overholdelse af lovkrav og risikostyring, er integreret i et ERP som SAP S/4HANA, men virksomheds-AI kan have form af generative AI-copilots eller adaptive læringssystemer på arbejdspladsen.

Pilotprogrammer, der giver mulighed for gradvis integration i arbejdsgange, kan også hjælpe medarbejderne med at akklimere. Gennemsigtige diskussioner om AI og udvikling af en organisations politik for AI-etik kan også hjælpe med at afhjælpe bekymringer om at blive erstattet.

Ofte stillede spørgsmål

Læs mere