Mikä on generatiivisen tekoälyn, AI-agenttien ja agenttisen tekoälyn todellinen vaikutus pankkiprosesseihin?

Kun pankit investoivat tekoälyyn, painopiste siirtyy kokeiluista käytäntöön. Philippe Santraine avaa, miten tekoäly voi parantaa operatiivista tehokkuutta ja samalla vastata sääntelyn vaatimuksiin.

Tekoälystä puhutaan pankkialalla usein kunnianhimoisin ja tulevaisuuteen suuntautuvin termein. Käytännössä keskeinen kysymys on kuitenkin paljon konkreettisempi: miten tekoäly voi aidosti parantaa pankkien arjen prosesseja?

Samlinkin Head of AI Product Management Philippe Santrainen, mukaan keskustelu on siirrettävä hype-puheesta mitattavaan arvoon.

”Kyse ei ole järjestelmien korvaamisesta tai kokeellisen teknologian käyttöönotosta vaan pankkiprosessien hallitusta ja luotettavasta kehittämisestä ja täydentämisestä”, hän sanoo.

Tässä muutoksessa keskeistä on ymmärtää ero generatiivisen tekoälyn, AI-agenttien ja agenttisen tekoälyn välillä.

Kuluttajatekoälystä yritystasolle

Useimmat kuluttajille suunnatut tekoälytyökalut on kehitetty vastaamaan kysymyksiin, tuottamaan tekstiä ja tukemaan luovia tehtäviä. Pankkimaailmassa tekoäly toimii kuitenkin täysin erilaisessa ympäristössä.

Yritystason tekoäly on integroitu säädeltyihin prosesseihin ja tukee päivittäistä toimintaa, kuten dokumenttien hallintaa, poikkeamien tutkintaa, hakemusten käsittelyä ja sääntelyn tulkintaa. Se toimii osana olemassa olevia työnkulkuja, tiukan hallintamallin puitteissa.

”Tällaista on yritystason tekoäly”, Philippe selittää. ”Se on rakenteista, valvottua ja suunniteltu todelliseen operatiiviseen käyttöön, pankin henkilöstön ohjaamana ja seuraamana.”

Tavoitteena ei ole kokeilu, vaan luotettavuus.

Tekoälyyn liittyy pankkialalla edelleen sitkeitä myyttejä. Yksi niistä on käsitys, että tekoäly vaatii jatkuvaa reaaliaikaista dataa. Todellisuudessa monet tehokkaat käyttökohteet perustuvat eräajona käsiteltävään tietoon, erityisesti vaatimustenmukaisuudessa ja raportointiprosesseissa.

Toinen yleinen oletus on, että legacy-järjestelmät, erityisesti mainframe-ympäristöt, eivät sovi yhteen modernin tekoälyn kanssa. Philippe haastaa tämän näkemyksen.

”Mainframe yhdistettynä pilvipohjaisiin tekoälyratkaisuihin luo erittäin vahvan perustan turvallisille ja skaalautuville toiminnoille”, hän toteaa.

Huolta herättävät myös hallusinaatiot ja pelko kontrollin menettämisestä. Huonosti määritellyt järjestelmät voivat tuottaa epäluotettavia tuloksia, mutta oikein optimoidut yritystason tekoälyagentit ovat erittäin tarkkoja, niiden toimintaa voidaan jäljittää ja ne toimivat ennalta määriteltyjen rajojen sisällä.

”Autonomia ei tarkoita valvonnan puutetta. Ihmiset pysyvät aina ohjaksissa”, Philippe korostaa.

Strategiasta luotettavaan yritystason tekoälyyn

Philippen mukaan vahva tekoälystrategia ei useinkaan lähde liikkeelle teknologiasta, vaan liiketoiminnan tavoitteista.

Pankit hyödyntävät tekoälyä voidakseen parantaa tuottavuutta, vähentää riskejä, vahvistaa sääntelyn noudattamista, tehostaaautomaatiota ja saavuttaa mitattavia tuloksia. Tekoäly on siis väline, ei itse tarkoitus.

”Kyse ei ole teknologioiden välisestä kilpailusta. Kyse on informaatioteknologian, automaation ja tekoälyn yhdistämisestä tavalla, joka tukee liiketoimintaa ja operatiivisia tavoitteita” Philippe sanoo.

Onnistunut tekoälyn käyttöönotto nojaa vaatimustenmukaisuusasiantuntijoihin, käsittelijöihin, back office -päälliköihin, operatiiviseen johtoon ja liiketoimintavastuullisiin tahoihin. He tuntevat järjestelmät ja prosessit käytännössä ja tunnistavat, missä todelliset kehitystarpeet ovat. Tekoälyasiantuntijat puolestaan auttavat heitä ymmärtämään ja ottamaan käyttöön ratkaisuja, jotka täydentävät olemassa olevia järjestelmiä.

Nämä ammattilaiset määrittelevät vaatimukset ja validoivat tuotokset. Heillä on käytössään koodaustarvetta minimoivia työkaluja, joiden avulla tekoälyagentteja voidaan kokeilla ja ottaa käyttöön ketterästi.

”Jos osaat kirjoittaa, osaat myös promptata”, Philippe tiivistää, korostaen, että substanssiosaamisesta on tullut keskeinen osa tehokasta tekoälyn hyödyntämistä.

Tekoälykyvykkyydestä todelliseen liiketoiminta-arvoon

Generatiivisesta tekoälystä, AI-agenteista ja agenttisesta tekoälystä puhutaan usein yhdessä, mutta niiden roolit eroavat toisistaan. Generatiivinen tekoäly tukee käyttäjiä tuottamalla sisältöä ja yhteenvetoja. AI-agentit suorittavat ennalta määriteltyjä tehtäviä valvotusti, ja niillä on rajattua autonomiaa. Agenttinen tekoäly menee pidemmälle koordinoimalla AI-agentteja, oppimalla, mukautumalla ja ylläpitämällä kontekstia samalla, kun se toimii hallintamallien puitteissa.

Tutkimukset osoittavat, että monetkaan tekoälypilotit eivät tuota mitattavia hyötyjä. Vain pieni osa etenee täysimittaiseen tuotantokäyttöön, ja organisaatioiden itse kehittämät ratkaisut kohtaavat haasteita useammin kuin kokeneiden kumppaneiden kanssa kehitetyt. Parhaat tulokset saavutetaan tyypillisesti rakenteisissa taustaprosesseissa, joissa hallintamallit ja toistettavuus ovat jo olemassa.

Philippen mukaan tämä vahvistaa pankkien käytännön kokemusta: rajatut ja selkeästi määritellyt käyttötapaukset, joita tukevat vahvat kumppanuudet, onnistuvat huomattavasti todennäköisemmin kuin laajat ja kokeiluluontoiset ohjelmat.

Samlinkissa yritystason tekoälyä kehitetään osana pankki-infrastruktuuria, ei erillisenä innovaatioprojektina. Painopiste on tekoälyn integroimisessa säädeltyihin prosesseihin tiiviissä yhteistyössä liiketoiminnan kanssa, tarkkuuden priorisoinnissa sekä Kyndrylin globaalin asiantuntemuksen hyödyntämisessä yhdessä vuosikymmenten core banking -kokemuksen kanssa.

”Tekoälytehtäviä tai liiketoimintaprosesseja on tarkasteltava end to end -näkökulmasta. Se perustuu useiden ydinkomponenttien integraatioon, mukaan lukien pilviympäristöt, joissa tekoäly ja LLM:t toimivat”, Philippe sanoo. ”Me hallitsemme tuon kokonaisuuden, ja juuri se antaa pankille todellista arvoa ja luottamusta, kun tekoälyä otetaan käyttöön ja ylläpidetään tuotantoympäristössä.”

Nopean muutoksen sijaan painopiste on kestävässä kehityksessä, tuottavuuden parantamisessa, resilienssin vahvistamisessa ja siinä, että teknologia tukee liiketoimintatavoitteita pitkällä aikavälillä.

Lue myös: Building the intelligent bank