AI กำลังเปลี่ยนแปลงอุตสาหกรรมการเงิน โดยสถาบันการเงินถึง 91% ใช้ AI การผสมผสานระหว่างต้นทุนการประมวลผลที่ถูกลง เครื่องมือที่ดีขึ้น และแรงกดดันด้านการแข่งขัน ทำให้ AI เปลี่ยนจากสิ่งที่อยู่ในขั้นทดลองมาเป็นสิ่งจำเป็นในด้านการป้องกันการฉ้อโกง สินเชื่อ การชำระเงิน และการปฏิบัติตามกฎระเบียบ สิ่งนี้มาพร้อมกับโอกาสและความเสี่ยง โดยเฉพาะอย่างยิ่งในอุตสาหกรรมที่มีการควบคุมอย่างเข้มงวดเช่นการเงิน

เราจะพูดถึงวิธีที่ AI ในภาคการเงินกำลังเปลี่ยนแปลงการชำระเงินและการดำเนินงานด้านความเสี่ยง ความหมายของสิ่งนี้ต่อประสบการณ์ของลูกค้า และภาพรวมด้านกฎระเบียบและความปลอดภัยสำหรับสถาบันที่นำระบบเหล่านี้ไปใช้

ประเด็นสำคัญ

• AI ให้ผลตอบแทนที่ชัดเจนและวัดผลได้ในด้านการตรวจจับการฉ้อโกงและการอนุมัติสินเชื่อ

• ข้อกำหนดด้านกฎระเบียบเกี่ยวกับการอธิบายได้และผลกระทบที่ไม่เท่าเทียมกันจำเป็นต้องได้รับการพิจารณาอย่างรอบคอบ

• ขั้นตอนต่อไปสำหรับสถาบันส่วนใหญ่คือการนำเครื่องมือที่ขับเคลื่อนด้วย AI เหล่านี้ไปใช้งานอย่างมีความรับผิดชอบ ซึ่งเป็นความท้าทายด้านองค์กรและการกำกับดูแลพอๆ กับความท้าทายทางเทคนิค

เหตุใดการนำ AI มาใช้ในอุตสาหกรรมการเงินจึงเพิ่มขึ้นอย่างรวดเร็ว

อุตสาหกรรมการเงินเป็นอุตสาหกรรมที่พึ่งพาข้อมูลมหาศาลมาโดยตลอด แต่เป็นเวลานานแล้วที่ความสามารถของอุตสาหกรรมในการนำข้อมูลเหล่านั้นไปใช้ประโยชน์นั้นล้าหลังกว่าความสามารถในการรวบรวมข้อมูลมาก

ขณะนี้มี 3 ปัจจัยที่กำลังรวมกันเพื่อเปลี่ยนแปลงสิ่งนั้น

• ต้นทุนการประมวลผลลดลง: การใช้งานโมเดลขนาดใหญ่กับปริมาณงานจำนวนมากนั้นมีค่าใช้จ่ายสูงเกินไปสำหรับธุรกิจส่วนใหญ่เมื่อห้าปีก่อน แต่เนื่องจากต้นทุนที่ลดลง ปัจจุบันจึงสามารถทำได้จริงแม้แต่สำหรับสถาบันขนาดกลางหลายแห่ง

• เครื่องมือโอเพนซอร์สพัฒนาไปมากแล้ว: การสร้างบนโครงสร้างพื้นฐานที่มีอยู่แล้วมักจะเร็วกว่าและถูกกว่าการสร้างตั้งแต่ต้น ซึ่งช่วยลดอุปสรรคในการเข้าถึงสำหรับสถาบันที่ไม่มีทีม AI ขนาดใหญ่ภายในองค์กร

• แรงกดดันด้านการแข่งขันทวีความรุนแรงขึ้น: สถาบันที่มีสัญญาณบ่งชี้ความเสี่ยงด้านเครดิตหรือการฉ้อโกงที่รวดเร็วและแม่นยำกว่า จะได้เปรียบอย่างมากเมื่อเทียบกับสถาบันที่ยังคงใช้ระบบเดิมที่ออกแบบมาสำหรับปริมาณข้อมูลที่ต่ำกว่า

เทรนด์ AI ที่สำคัญซึ่งกำลังเปลี่ยนแปลงบริการทางการเงินมีอะไรบ้าง

AI กำลังมีบทบาทมากมายในอุตสาหกรรมการเงินและกำลังเปลี่ยนแปลงวิธีการทำงานในทุกที่ รวมถึงในแผนกวิศวกรรมเทคโนโลยีทางการเงิน (ฟินเทค) แผนกกฎหมาย และอื่นๆ อีกมากมาย

AI กำลังพัฒนาในด้านต่างๆ เหล่านี้

• ประสิทธิภาพการทำงานภายใน: ธนาคารและบริษัทประกันภัยใช้โมเดลภาษาขนาดใหญ่ (LLM) เพื่อช่วยนักวิเคราะห์สรุปรายงานผลประกอบการ ร่างบันทึกเครดิต และค้นหาฐานข้อมูลความรู้ภายใน

• การสร้างโมเดลเชิงพยากรณ์: การให้คะแนนเครดิตแบบดั้งเดิมอาศัยตัวแปรเพียงไม่กี่ตัว (เช่น ประวัติการชำระเงิน อัตราการใช้จ่าย ระยะเวลาของประวัติเครดิต) โมเดลข้อมูลทางเลือกสามารถรวมตัวแปรได้หลายร้อยตัวเพื่อสร้างการประเมินเครดิตสำหรับลูกค้าที่มีประวัติเครดิตน้อยหรือไม่มีประวัติเครดิตเลย ซึ่งหากไม่ใช้โมเดลนี้ ลูกค้าเหล่านั้นจะไม่ได้รับการพิจารณาอนุมัติสินเชื่อแบบเดิมอย่างแน่นอน

• การตรวจจับการฉ้อโกงแบบเรียลไทม์: อุตสาหกรรมได้เปลี่ยนจากระบบที่ใช้กฎเกณฑ์เป็นหลักไปสู่ระบบที่ใช้โมเดลเป็นหลักเกือบทั้งหมดแล้ว โมเดลแมชชีนเลิร์นนิงสามารถระบุความผิดปกติในรูปแบบการใช้จ่ายที่ชุดกฎเกณฑ์คงที่ตรวจไม่พบ และโมเดลเหล่านี้จะอัปเดตอย่างต่อเนื่องเมื่อรูปแบบการโจมตีเปลี่ยนแปลงไป

• ขั้นตอนการทำงานทางการเงินแบบใช้ตัวแทน: อุตสาหกรรมกำลังนำขั้นตอนการทำงานแบบใช้ตัวแทนมาใช้ ซึ่งสามารถดำเนินการหลายขั้นตอน (เช่น การกระทบยอดบัญชี การเรียกใช้การชำระเงิน หรือการยกระดับข้อยกเว้น) โดยอาศัยการทำงานของในแต่ละขั้นตอนให้น้อยที่สุด

AI กำลังพลิกโฉมการชำระเงิน ความเสี่ยง และการดำเนินงานในอุตสาหกรรมการเงินอย่างไร

AI สามารถจัดการกับปริมาณข้อมูลและการจดจำรูปแบบได้อย่างรวดเร็วและในขอบเขตที่กระบวนการแบบใช้มนุษย์ไม่สามารถทำได้ เครื่องมือการชำระเงินที่ใช้ AI ส่งผลกระทบอย่างเห็นได้ชัดต่อประสบการณ์ของลูกค้าและอัตราการสูญเสีย

นี่คือสิ่งที่สามารถทำได้

• การประเมินความเสี่ยงการฉ้อโกงแบบเรียลไทม์: เครือข่ายบัตรและผู้ให้บริการชำระเงินสมัยใหม่สามารถวิเคราะห์ข้อมูลจำนวนมากต่อธุรกรรมได้อย่างรวดเร็ว (เช่น ลายนิ้วมือของอุปกรณ์ ความเร็วในการทำธุรกรรม รูปแบบทางภูมิศาสตร์ และช่วงเวลาของวัน) และใช้ข้อมูลเหล่านั้นเพื่อสร้างคะแนนความเสี่ยงก่อนอนุมัติการชำระเงิน ตัวอย่างเช่น Stripe Radar ใช้โมเดลแมชชีนเลิร์นนิงที่ฝึกฝนด้วยข้อมูลจากธุรกิจหลายล้านแห่งเพื่อตรวจจับความผิดปกติและกำหนดคะแนนความเสี่ยงให้กับแต่ละธุรกรรม

• การจัดการข้อโต้แย้งแบบเชิงรุก: AI สามารถระบุธุรกรรมที่มีแนวโน้มที่จะนำไปสู่การดึงเงินคืนก่อนที่จะมีการยื่นโต้แย้ง ซึ่งจะช่วยให้ธุรกิจมีโอกาสคืนเงินหรือติดต่อลูกค้าได้ล่วงหน้า ซึ่งจะช่วยลดอัตราการเกิดข้อโต้แย้งได้

• การพิจารณาอนุมัติสินเชื่อ: โมเดลที่ขับเคลื่อนด้วย AI สามารถให้ผลการตัดสินใจอนุมัติสินเชื่อแก่ลูกค้าได้อย่างรวดเร็ว ในการให้สินเชื่อธุรกิจขนาดเล็ก การวิเคราะห์กระแสเงินสดสามารถทดแทนหรือเสริมการตรวจสอบเอกสารแบบดั้งเดิม ซึ่งในอดีตมักทำให้การอนุมัติล่าช้า

• การบริหารจัดการเงินสดและสภาพคล่อง: ทีมการเงินสามารถใช้ AI คาดการณ์สถานะเงินสดได้อย่างถูกต้องยิ่งขึ้น โดยการจำลองรูปแบบในอดีตควบคู่ไปกับข้อมูลการไหลเข้าและไหลออกแบบเรียลไทม์

• การตรวจสอบการปฏิบัติตามกฎระเบียบ: ซอฟต์แวร์ AI สำหรับการตรวจสอบการปฏิบัติตามกฎระเบียบสามารถสแกนข้อมูลการสื่อสารและธุรกรรมจำนวนมากเพื่อหาตัวบ่งชี้การละเมิดนโยบายหรือความเสี่ยงด้านกฎระเบียบ โดยปราศจากความไม่สอดคล้องกันหลายประการที่เกิดขึ้นจากการตรวจสอบด้วยตนเอง

การนำ AI มาใช้ในอุตสาหกรรมการเงินส่งผลต่อประสบการณ์และความไว้วางใจของลูกค้าอย่างไร

AI มีศักยภาพที่จะทำให้ลูกค้ารู้สึกปลอดภัยและได้รับการดูแลเอาใจใส่มากขึ้น แต่ในขณะเดียวกัน ความสามารถเหล่านั้นก็อาจทำให้ประสบการณ์ของลูกค้าสับสนหรือไม่โปร่งใสได้เช่นกัน

นี่คือปัญหาที่ควรพิจารณา

• การปรับแต่งให้เหมาะกับแต่ละบุคคลเทียบกับความเป็นส่วนตัว: ระบบการปรับแต่งเฉพาะบุคคลสามารถแสดงผลิตภัณฑ์ที่เกี่ยวข้องตามพฤติกรรมของบัญชีผู้ใช้ แทนที่จะพึ่งพาข้อมูลประชากรแบบกว้างๆ แต่การปรับแต่งเฉพาะบุคคลที่ขับเคลื่อนด้วย AI นั้นขึ้นอยู่กับข้อมูลพฤติกรรมโดยละเอียด และลูกค้าบางรายไม่สบายใจกับวิธีการใช้ข้อมูลเหล่านั้น

• ข้อจำกัดด้านการบริการลูกค้า: ผู้ช่วยเสมือนที่ทำงานด้วย AI สามารถจัดการคำถามเกี่ยวกับยอดคงเหลือและคำขอทั่วไปได้อย่างถูกต้องและรวดเร็ว แต่บ่อยครั้งที่ไม่สามารถตอบคำถามที่ซับซ้อนหรือคลุมเครือได้ เมื่อลูกค้าไม่สามารถติดต่อกับเจ้าหน้าที่ได้หลังจากที่ผู้ช่วยเสมือนล้มเหลว ความสัมพันธ์กับลูกค้าก็อาจเสียหายได้

• ความไม่โปร่งใสในการตัดสินใจที่มีผลกระทบ: ลูกค้าอาจไม่ทราบว่า AI มีส่วนเกี่ยวข้องในการตัดสินใจใดบ้างที่ส่งผลกระทบต่อพวกเขา เช่น การปฏิเสธสินเชื่อ การแจ้งเตือนการฉ้อโกง หรือบัญชีที่ถูกรายงานปัญหา เมื่อการตัดสินใจเหล่านั้นผิดพลาด ความไม่โปร่งใสอาจทำให้การโต้แย้งทำได้ยากขึ้น และสร้างความรู้สึกว่าเป็นการตัดสินใจโดยพลการ ซึ่งอาจบั่นทอนความเชื่อมั่นในสถาบันการเงินได้

ข้อควรพิจารณาด้านกฎระเบียบ ความปลอดภัย และจริยธรรมเกี่ยวกับการนำ AI มาใช้ในด้านการเงินมีอะไรบ้าง

กรอบกฎระเบียบเกี่ยวกับ AI ในภาคการเงินกำลังเปลี่ยนแปลงอย่างรวดเร็ว เช่นเดียวกับข้อกังวลด้านความปลอดภัยและจริยธรรม สถาบันที่นำ AI มาใช้ต้องคำนึงถึงพลวัตตรงนี้ด้วย

นี่คือสิ่งที่คุณควรรู้

• แนวทางของสหรัฐฯ เกี่ยวกับการดำเนินการที่ไม่เป็นผลดี: สำนักงานคุ้มครองผู้บริโภคทางการเงิน (CFPB) ได้ชี้แจงอย่างชัดเจนว่าการใช้อัลกอริทึมไม่ได้ยกเว้นผู้ให้กู้จากการให้เหตุผลที่เฉพาะเจาะจงและถูกต้องสำหรับการดำเนินการด้านเครดิตที่ไม่เป็นผลดีภายใต้กฎหมาย Equal Credit Opportunity Act ในการได้รับเครดิตอย่างเท่าเทียมกัน โดยในสหรัฐอเมริกา การสร้างผลลัพธ์ที่สามารถอธิบายได้ถือเป็นข้อกำหนดด้านการปฏิบัติตามกฎหมาย

• กฎหมาย AI ของสหภาพยุโรป: กฎหมาย AI ของสหภาพยุโรปจัดประเภทระบบ AI ที่ใช้ในการให้คะแนนเครดิตและการประเมินความน่าเชื่อถือทางเครดิตเป็นระบบที่มีความเสี่ยงสูง ซึ่งกำหนดข้อกำหนดด้านความโปร่งใส การกำกับดูแลโดยมนุษย์ และเอกสารประกอบที่มากกว่าที่สถาบันการเงินหลายแห่งมีอยู่ กำหนดเวลาในการปฏิบัติตามข้อกำหนดบางประการมีผลบังคับใช้แล้ว

• อคติของโมเดลและผลกระทบที่ไม่เท่าเทียมกัน: ข้อมูลการฝึกอบรมที่สะท้อนรูปแบบการให้สินเชื่อในอดีตอาจแฝงการเลือกปฏิบัติในอดีตไว้ โมเดลที่ฝึกฝนจากข้อมูลการอนุมัติในอดีตจะเรียนรู้ที่จะเลียนแบบรูปแบบเหล่านั้น เว้นแต่กระบวนการฝึกอบรมจะคำนึงถึงเรื่องนี้อย่างชัดเจน นี่เป็นข้อกังวลด้านจริยธรรมและกฎระเบียบ เนื่องจากหน่วยงานกำกับดูแลกำลังพิจารณาผลกระทบที่ไม่เท่าเทียมกันในฐานะประเด็นด้านการบังคับใช้กฎหมาย

• AI ในฐานะช่องทางโจมตี: โมเดลตรวจจับการฉ้อโกงสามารถถูกตรวจสอบและดัดแปลงโดยผู้ไม่หวังดีที่มีความเชี่ยวชาญ ซึ่งเข้าใจวิธีการทำงานและทดสอบข้อมูลป้อนเข้าที่ออกแบบมาเพื่อหลีกเลี่ยงการตรวจจับ นี่เป็นแง่มุมการวิจัยเชิงรุกที่สำคัญในปัจจุบัน

สถาบันการเงินควรเตรียมพร้อมอย่างไรกับการนำ AI มาใช้อย่างต่อเนื่อง

สถาบันที่ก้าวหน้าได้สร้างโครงสร้างพื้นฐานและศักยภาพด้านองค์กรเพื่อนำ AI มาใช้ในวงกว้างอย่างมีความรับผิดชอบ

สิ่งที่ควรให้ความสำคัญมีดังนี้

• คุณภาพข้อมูล: โมเดลที่ออกแบบมาอย่างดีและฝึกฝนด้วยข้อมูลที่เป็นระเบียบและติดป้ายกำกับอย่างถูกต้อง จะมีประสิทธิภาพเหนือกว่าโมเดลที่ซับซ้อนซึ่งฝึกฝนด้วยข้อมูลที่ไม่เป็นระเบียบ สถาบันหลายแห่งลงทุนในโครงสร้างพื้นฐานด้านข้อมูลน้อยเกินไปเมื่อเทียบกับการพัฒนาโมเดล ซึ่งเป็นปัญหาที่ทวีความรุนแรงขึ้นเรื่อยๆ

• การกำกับดูแลโดยมนุษย์: กรอบการกำกับดูแลกำหนดให้มีการตรวจสอบโดยมนุษย์สำหรับผลลัพธ์ที่สำคัญของการตัดสินใจด้าน AI นั่นหมายถึงการออกแบบขั้นตอนการทำงานที่ผู้ตรวจสอบมีบริบท เวลา และอำนาจในการแก้ไขผลลัพธ์ของโมเดล

• การประเมินผู้ให้บริการอย่างละเอียดถี่ถ้วน: เมื่อสถาบันการเงินนำระบบ AI จากผู้ให้บริการภายนอกมาใช้งาน ก็จะต้องรับผิดชอบต่อการทำงานของระบบนั้นด้วย การประเมินผู้ให้บริการควรครอบคลุมถึงความสามารถในการอธิบายการทำงาน วิธีการทดสอบความลำเอียง แนวทางการจัดการข้อมูล และสถานะการปฏิบัติตามกฎระเบียบของผู้ให้บริการ

• การเป็นเจ้าของร่วมกันข้ามสายงาน: การนำ AI ไปใช้งานที่ดำเนินการเฉพาะภายในทีมเทคโนโลยีมักจะมองข้ามประเด็นด้านการปฏิบัติตามกฎระเบียบ ข้อกฎหมาย และประสบการณ์ของลูกค้า สถาบันที่สร้างขีดความสามารถด้าน AI ที่ยั่งยืนจึงถือว่าสิ่งเหล่านี้เป็นโครงการข้ามสายงาน

• บันทึกการตรวจสอบสำหรับทุกการตัดสินใจที่มีผลกระทบ: ไม่ว่าจะเป็นการปฏิเสธสินเชื่อ การแจ้งเตือนการฉ้อโกง หรือการระงับการชำระเงินอัตโนมัติ สถาบันการเงินต้องสามารถตรวจสอบย้อนกลับได้ว่าเหตุใดโมเดลจึงสร้างผลลัพธ์ดังกล่าวขึ้นมา ซึ่งมีความสำคัญต่อหน่วยงานกำกับดูแล ลูกค้า และกระบวนการตรวจสอบของสถาบันการเงินเอง

Stripe Payments ช่วยอะไรได้บ้าง

Stripe Payments มอบโซลูชันการชำระเงินระดับโลกแบบครบวงจรที่ช่วยให้ธุรกิจใดๆ ตั้งแต่สตาร์ทอัพที่กำลังเติบโตไปจนถึงองค์กรระดับโลกรับชำระเงินออนไลน์ ที่จุดขาย และทั่วโลกได้

Stripe Payments สามารถช่วยคุณทำสิ่งต่อไปนี้

• ** เพิ่มประสิทธิภาพให้ประสบการณ์การชำระเงินของคุณ:** สร้างประสบการณ์ที่ราบรื่นให้กับลูกค้าและประหยัดเวลาในการทำงานวิศวกรรมได้หลายพันชั่วโมงด้วยอินเตอร์เฟซผู้ใช้ (UI) การชำระเงินที่สร้างไว้ให้แล้ว, สิทธิ์เข้าถึงวิธีการชำระเงินมากกว่า 125 วิธี และ Link ซึ่งเป็นกระเป๋าเงินที่สร้างโดย Stripe

• ขยายไปสู่ตลาดใหม่ๆ ได้เร็วขึ้น: เข้าถึงลูกค้าทั่วโลกและลดความซับซ้อนและค่าใช้จ่ายในการจัดการหลายสกุลเงินด้วยตัวเลือกการชำระเงินข้ามพรมแดนที่มีให้บริการใน 195 ประเทศและกว่า 135 สกุลเงิน

• รวมการชำระเงินที่จุดขายและทางออนไลน์ไว้ด้วยกัน: สร้างประสบการณ์การค้าแบบแพลตฟอร์มรวมในช่องทางออนไลน์และที่จุดขายเพื่อปรับแต่งการโต้ตอบ ตอบแทนความภักดี และเพิ่มรายได้

• ปรับปรุงประสิทธิภาพการชำระเงิน: เพิ่มรายรับด้วยเครื่องมือการชำระเงินที่กำหนดเองได้และปรับแต่งได้ง่ายๆ ซึ่งรวมถึงระบบป้องกันการฉ้อโกงแบบไม่ต้องเขียนโค้ดและความสามารถขั้นสูงเพื่อเพิ่มอัตราการอนุมัติ

• เดินหน้าได้เร็วขึ้นด้วยแพลตฟอร์มที่ยืดหยุ่นและเชื่อถือได้เพื่อการเติบโต: สร้างบนแพลตฟอร์มที่ออกแบบมาเพื่อขยับขยายไปพร้อมกับคุณ โดยมีระยะเวลาให้บริการที่แทบจะไม่หยุดทำงานเลย และมีความน่าเชื่อถือระดับแนวหน้าของวงการ

ดูข้อมูลเพิ่มเติมเกี่ยวกับวิธีที่ Stripe Payments สามารถช่วยให้คุณรับการชำระเงินออนไลน์และที่จุดขายได้ หรือเริ่มใช้งานเลยวันนี้