Hvordan AI ændrer vores verden: Finans

Se­ri­en “Hvor­dan AI æn­der vo­res ver­den” er skre­vet i sam­ar­bej­de med Chat­G­PT og Bing AI. Det­te er tredje del af se­ri­en. Du kan læse anden del her. 

TLDR: Fire hovedpunkter

• AI anvendes i vid udstrækning i banksektoren til at forbedre kundeservice gennem chatbots, tilbyde personaliserede banktilbud og forbedre svigdetektion.
• AI spiller en central rolle i algoritmisk handel, porteføljestyring (“robo-advisors”) og forudsigelse af aktiemarkedet ved hjælp af dataanalyse.
• AI forbedrer risikovurdering og skadesbehandling, og muliggør personaliserede forsikringsprodukter baseret på individuel adfærd og data.
• Kombinationen af AI med emerging technologies som blockchain har stort potentiale. Desuden har decentraliserede finansielle systemer (DeFi) med AI stort potentiale.

Finansverdenen er et de områder, hvor man tidligt har set mulighederne i kunstig intelligens (AI). Her bruger man maskinlæring (ML) på en lang række områder. AI kan hjælpe med at drive indsigter for dataanalyse, forudsigelser og prognoser og på samme måde kan ML hjælpe med at finde og gøre opmærksom på fejl i finansielle dokumenter, fremskynde lånegodkendelsesprocesser og automatisere kundeserviceopgaver. Og netop indenfor kundeservice har man – også uden for finanssektoren – set store muligheder for forbedringer. Gennem en kombination af ML og Natural Language Processing i form af store sprogmodeller, kan automatisere kundeservice, således at kunderne kan få adgang til konti og finansielle rådgivningstjenester alle døgnets 24 timer. Samtidigt kan ML-algoritmer analyse og lære gentagende aktiviteter og dermed være med til at øge gennemsigtighed i procedurerne og at procedurer bliver overholdt. Endeligt kan ML hjælpe med til at automatisere operationer generelt og dermed reducere omkostninger.

AI er revolutionerende for, hvordan både forbrugere og virksomheder får adgang til og styrer deres finanser. Med de samlede potentielle omkostningsbesparelser for banker fra AI-applikationer anslået til 447 milliarder dollars inden 2023, finder banker nye måder at inkorporere teknologien i deres tjenester på.

Personaliserede banktjenester

AI spiller en stadig større rolle i banksektoren. Indenfor kundeservice tager man i stigende grad chatbots i brug. Chatbots er virtuelle assistenter, der bruger naturlig sprogbehandling og kunstig intelligens til at levere finansielle tjenester og kundesupport gennem chatgrænseflader. Ved at bruge samtale AI-grænseflader kan finansielle tjenester give kunderne mulighed for nemt at interagere med deres struktur når som helst, hvor som helst, uden behov for menneskelig indgriben. Chatbots kan betydeligt forbedre kundeservice i banksektoren ved at levere øjeblikkelig, 24/7 support til kunder³. De kan besvare kunde forespørgsler, give kontoinformation, hjælpe med transaktioner og endda tilbyde finansiel rådgivning, alt sammen i realtid.

AI-personaliseret bankvirksomhed leverer en række formueforvaltningstjenester til alle, uanset deres rigdom. Det gør det også på en tilpasset måde med minimalt pres, opsalg eller menneskelig interaktion. For detailbanker giver et omfattende sæt AI- og personaliseringsfunktioner – klar til implementering, men let at skræddersy – mulighed for one-to-one marketing, så banker bedre kan afstemme tilbud med behovene og omstændighederne for hver kunde.

AI og ML kan hurtigt analysere store mængder data for at opdage svigagtige aktiviteter, såsom uautoriserede transaktioner eller mistænkelige adfærdsmønstre. Med hjælp fra AI og ML kan banker forhindre økonomisk svindel og beskytte deres kunders aktiver mere effektivt end nogensinde før. Nylige data fandt ud af, at 63% af de finansielle institutioner mener, at AI kan forhindre svindel, mens 80% er enige om, at AI spiller en afgørende rolle i reduktionen af svigagtige betalinger og forsøg på at begå svindel⁷.

Algoritmisk handel, robo-advisors og dataanalyse

Algoritmisk handel er en proces til udførelse af ordrer ved hjælp af automatiserede og forudprogrammerede handelsinstruktioner til at tage højde for variabler som pris, timing og volumen. Algoritmisk handel gør brug af komplekse formler, kombineret med matematiske modeller og menneskelig tilsyn, til at træffe beslutninger om at købe eller sælge finansielle værdipapirer på en børs. Algoritmiske handlere bruger ofte højfrekvensteknologi, hvilket kan gøre det muligt for en virksomhed at foretage titusinder af handler pr. sekund. Algoritmisk handel kan bruges i en bred vifte af situationer, herunder ordreudførelse, arbitrage og trendhandelsstrategier.

Robo-rådgivere genererer og styrer din portefølje digitalt, med minimal menneskelig involvering, ved hjælp af algoritmer og i nogle tilfælde kunstig intelligens til at finde investeringer, der matcher din risikotolerance og opfylder dine opsparingsmål over en bestemt tidsramme. Robo-rådgivere bruger AI-algoritmer til at evaluere massive mængder data for at generere tilpassede investeringsporteføljer i henhold til individuelle investorers mål, risikotolerance og tidshorisont.

AI-algoritmer kan identificere usædvanlige handelsmønstre, opdage potentielle markedsmanipulationer og genkende svigagtige aktiviteter – alt sammen med højere hastighed end mennesker. Ved at overvåge store mængder data og anvende komplekse algoritmer kan AI-systemer gøre opmærksom på mistænkelige aktiviteter i realtid. Desuden kan AI bruges til at forudsige vedligeholdelsesbehov for tog og busser, hvilket kan forbedre driftseffektiviteten og reducere nedetid⁵.

Personaliserede forsikringsprodukter

AI kan forbedre kvaliteten af risikovurdering, skadesbehandling og administration. AI understøtter også forbedring af forudsigeligheden af reserver og svindel. Smarte maskiner kan forhåndsvurdere krav og automatisere skadevurdering. AI-teknologier er særligt nyttige i risikovurdering på grund af deres evne til hurtigt at detektere, analysere og reagere på trusler. AI-drevne værktøjer som bruger- og eventadfærdsanalyse (UEBA) kan detektere, analysere og reagere på eventuelle anomalier, der kan indikere et ukendt kompromis. Dette reducerer antallet af falske positiver genereret af traditionelle sårbarhedsdetekteringsværktøjer.

Forsikringsselskaber kan udnytte kraften i dataanalyse til at tilpasse forsikringsplaner og dynamisk justere tilbud baseret på brugerens aktivitet³. Sundhedsforsikringsselskaber kan udnytte alle tilgængelige sundhedsdata (lægejournaler, data fra wearables og fitness trackere) til at komme op med en personlig sundhedsplan. Kunderne forventer personaliseret behandling. En Accenture-undersøgelse fandt, at 80% af forsikringskunderne leder efter personaliserede tilbud, beskeder, priser og anbefalinger fra deres auto-, hjem- eller livsforsikringsudbydere.

Regtech

Regtech, eller regulatory technology, er en voksende sektor inden for finansiel teknologi, der bruger informationsteknologi til at forbedre og automatisere processer i overholdelse af regler¹. Regtech løsninger hjælper virksomheder med at overholde regler og regulativer, samtidig med at de reducerer omkostningerne og forbedrer effektiviteten.

AI er en af de centrale drivkræfter bag Regtech, der hjælper med at forbedre og udvikle mange af de relevante teknologier. En af styrkerne ved AI og ML specifikt er, at det kan lave forudsigelser, identificere mønstre, analysere og gennemgå store mængder data og overvåge adfærd. AI kan evaluere enorme mængder data i realtid, såsom regulatoriske krav, juridiske dokumenter og transaktionsdata. De kan opdage mønstre, anomalier og potentielle overtrædelser af regler hurtigere og mere præcist end traditionelle menneskelige teknikker. AI-algoritmer kan for eksempel evaluere og udtrække relevant information fra komplicerede regulatoriske dokumenter, såsom lovgivning eller regulatoriske indberetninger, for at sikre, at virksomhederne holder sig opdaterede og overholder de skiftende krav.

Regtech-løsninger inden for rapportering og risikostyring inkluderer brugen af teknologi til at udvikle værktøjer til at lette eller automatisere processer involveret i aggregering af risikodata, oprettelse af risikometrikker og overvågning (for virksomhedens risikostyring såvel som operationel risikostyring) samt regulatorisk rapportering. Regtech-løsninger drevet af AI strømliner og øger nøjagtigheden af regulatoriske rapporteringsprocesser, hvilket reducerer risikoen for fejl og øger gennemsigtigheden. Dataindsamling, konsolidering og validering fra flere interne og eksterne kilder kan automatiseres ved hjælp af AI-algoritmer.

Etiske og Samfundsmæssige Udfordringer 

AI-systemer i finansielle tjenester tilbyder mange muligheder, men rejser også reelle bekymringer om bias, privatliv og moralske overvejelser. Da AI giver finansielle tjenesteudbydere eksponentielt større evner til at indsamle og analysere forbrugerdata, udtrykker regulatorer i stigende grad bekymring over brugen af AI i finansielle tjenester på grund af de forhøjede informationsprivatlivs- og cybersikkerhedsrisici. Mens AI har vist sig at tilbyde en række fordele og forbløffe brugerne med sine resultater, stiller dem i stærkt regulerede brancher – som finansielle tjenester – alvorlige spørgsmål om sikkerhed, data gyldighed og etik vedrørende denne teknologi, især når det kommer til databeskyttelse.

AI vil påvirke omkring 80% af alle job i USA. En nylig rapport fra Goldman Sachs fandt, at teknologien kunne forstyrre arbejdsmarkedet betydeligt, da den påvirker omkring 300 millioner fuldtidsjob eller 18% af arbejdet. 

AI vil hjælpe både risikostyrere og de finansielle myndigheder. Men det kan destabilisere det finansielle system, skabe nye risici og forstærke eksisterende risici på grund af procyklisk adfærd, ukendte faktorer, behovet for tillid og optimering mod systemet. Rapporten foreslår, at AI-etik skal være opmærksom på moralsk relevante systemiske virkninger af AI-brug. Det henleder etikeres og praktikeres opmærksomhed på systemiske risici, der hidtil er blevet forsømt i professionelle AI-relaterede adfærdskodekser, industrielle standarder og etiske diskussioner generelt.

Fremtiden for AI i Finans

AI og blockchain er to banebrydende teknologier, der har introduceret radikale skift i industrien. Sammenkoblingen af AI og blockchain har enormt potentiale til at skabe nye forretningsmodeller, der er muliggjort gennem digitalisering. Ved at bruge blockchain og AI sammen kan virksomheder finde grund til at adoptere dem tidligere, da de hver især kompenserer for hinandens mangler i deres egne kernekompetencer. For at effektivt forstå det synergistiske potentiale af disse to teknologier er det afgørende først at undersøge deres individuelle fordele og begrænsninger.

Kunstig intelligens (AI) kan potentielt øge gennemsigtigheden og decentraliseringen i den decentraliserede finansverden (DeFi). Prædiktiv analyse, smart kontrakt automatisering, kredit scoring og andre applikationer ser lovende ud. AI hjælper med svindeldetektion, identitetsverifikation og bekæmpelse af hvidvaskning af penge i DeFi. AI forbedrer aktivstyring gennem automatiserede tildelings- og diversificeringsstrategier. AI-drevet DeFi-styring muliggør mere effektiv og gennemsigtig beslutningstagning. AI hjælper med regulatorisk overholdelse, overvågning og håndhævelse i DeFi.

Opsummering

AI er ved at forme fremtiden for finans på tværs af forskellige områder, herunder banksektoren, investering og handel, risikostyring og forsikring, Regtech og fremtidige teknologier. Her er en kort opsummering:

• Banksektoren: AI anvendes i vid udstrækning i banksektoren til at forbedre kundeservice gennem chatbots, tilbyde personaliserede banktilbud og forbedre svigdetektion.
• Investering og handel: AI spiller en central rolle i algoritmisk handel, porteføljestyring (“robo-advisors”) og forudsigelse af aktiemarkedet ved hjælp af dataanalyse.
• Risikostyring og forsikring: AI forbedrer risikovurdering og skadesbehandling, og muliggør personaliserede forsikringsprodukter baseret på individuel adfærd og data.
• Regtech: AI spiller en vigtig rolle i overholdelse af regulering og overvågning samt automatiseret rapportering og risikostyring.
• Fremtidige teknologier: Kombinationen af AI med emerging technologies som blockchain har stort potentiale. Desuden har decentraliserede finansielle systemer (DeFi) med AI stort potentiale.

På trods af disse fremskridt er der stadig etiske og samfundsmæssige udfordringer forbundet med brugen af AI inden for finans, herunder spørgsmål om databeskyttelse og sikkerhed, jobdisruption inden for finanssektoren samt AI’s rolle i økonomiske bobler og systemiske risici. Det er vigtigt at fortsætte diskussionen om disse udfordringer, da vi navigerer i fremtiden for AI i finans.