Wanneer je iets koopt via de affiliate links in onze content, kunnen we een commissie ontvangen zonder extra kosten voor jou. Ontdek 
Van het verbeteren van beveiligingsmaatregelen met geavanceerde fraudedetectie tot het personaliseren van de bankervaring en het mogelijk maken van AI-aandelenselectie: generatieve AI in fintech loopt voorop in deze transformatie.
GenAI kan enorme hoeveelheden gegevens verwerken en analyseren, taken automatiseren en voorspellingen doen, waardoor het een onmisbaar hulpmiddel is voor tal van financiële toepassingen.
De samenwerking tussen genAI en fintech stelt financiële instellingen in staat om beter geïnformeerde beslissingen te nemen, risico’s beter te beheren en hun klanten diensten op maat aan te bieden.
Belangrijkste conclusies
- GenAI heeft het potentieel om verschillende aspecten van de financiële sector te revolutioneren door efficiëntie, nauwkeurigheid en klantervaring te verbeteren.
- Onder de top generatieve AI use cases in fintech noemen experts fraudedetectie, transformatie van digitale naar intelligente organisatie, het vergroten van menselijke capaciteiten door automatisering, het versnellen van naleving van regelgeving en het beperken van economische misdrijven.
- Het is belangrijk voor fintechs en financiële instellingen om de gevaren van genAI en de risico’s van kunstmatige intelligentie in de financiële dienstverlening te begrijpen, waaronder phishing, social engineering en het genereren van frauduleuze gegevens.
- Alles bekijken
Top 5 generatieve AI-gebruiksscenario’s in Fintech
Fraudedetectie en -preventie mogelijk
Een van de belangrijkste toepassingen van genAI in fintech is het detecteren en voorkomen van fraude.
Generatieve AI kan enorme hoeveelheden transactiegegevens in realtime analyseren en ongewone activiteiten detecteren die op fraude kunnen duiden.
Door het gebruik van machine learning-algoritmes kunnen deze systemen hun vermogen om fraude te detecteren continu verbeteren door te leren van gegevens uit het verleden.
Dit helpt niet alleen om verdachte activiteiten snel te identificeren, maar het vermindert ook het aantal fout-positieven, waardoor uiteindelijk de algehele transactiebeveiliging verbetert en het vertrouwen van klanten toeneemt.
Veranderingen van financiële instellingen die micro- en macrobeslissingen nemen
Aangezien digitale transformatie gericht is op klantervaring en operationele processen, zal het gebruik van AI alomtegenwoordig zijn, zegt Richard Berkley, hoofd data, analytics en AI in financiële diensten bij PA Consulting.
Hij vertelde Techopedia:
“Het zal fundamenteel veranderen hoe financiële instellingen zowel micro- als macrobeslissingen nemen, inclusief met betrekking tot beleggingsstrategie, enablement van personeel, risicobeheer en andere beslissingen.”
Raden van bestuur realiseren zich dat ze het voortouw moeten nemen bij de transformatie van een digitale organisatie naar een intelligente organisatie om relevant en winstgevend te blijven in de moderne wereld, aldus Berkley.
“Deze organisaties hebben het afgelopen jaar AI-gordes opgesteld en ze beginnen nu met het opbouwen van generatieve AI-spierkracht voor 2024, het opzetten van AI-platforms op bedrijfsschaal en het voorbereiden van hun organisaties op veilige adoptie,” voegde hij eraan toe.
Veranderingen van de manier waarop financiële instellingen werken
“In de financiële dienstverlening zal AI veranderen waar en hoe we investeren naarmate de markten veranderen, wat klanten van instellingen verwachten op het gebied van AI-gedreven innovatie en flexibiliteit, hoe bedrijven leveranciers besturen naarmate ze AI toepassen en externe verslaglegging naarmate ze transparantie bieden over het gebruik van AI”, aldus Berkley.
Veel financiële instellingen zouden er volgens Berkley goed aan doen om AI te gebruiken om menselijke capaciteiten te vergroten door gebruikersbehoeften op te lossen door inzicht en automatisering mogelijk te maken.
Deze focus op het bevorderen van een harmonieuze relatie kan ervoor zorgen dat AI menselijke vaardigheden aanvult in plaats van vervangt.
Versnelt naleving van regelgeving
Klanten in de financiële dienstverlening zetten bijvoorbeeld genAI-oplossingen in die identificeren waar veranderingen in regelgeving van invloed zijn op hun beleid, processen en verantwoordelijkheden, en die passende waarschuwingen genereren, aldus Berkley.
“Ze gebruiken ook generatieve AI om de regelgevingsrapportage in meerdere rechtsgebieden te vergelijken met de juiste regelgeving om volledigheid te garanderen”, voegde hij eraan toe.
“Generatieve AI wordt gebruikt om de eerste lijn in het bedrijf te helpen bij het begrijpen van verplichtingen en beleid, voortbouwend op de kennisopslag van vragen die eerder naar de tweede verdedigingslinie gingen.”
GenAI kan helpen bij het bieden van een geconsolideerd beeld van wat er gebeurt in de regelgevingsomgeving, inclusief gebieden als horizonscanning, betrokkenheid bij regelgeving, beleid, procedures en bijbehorende veranderingsinitiatieven, aldus Berkley.
“Dit kan worden gebruikt om veranderingen te informeren en zelfs om controles op naleving te vereenvoudigen”, zegt hij. “We zien dat genAI steeds vaker wordt gebruikt om processen te stroomlijnen, zoals het maken van risicorapporten en oppervlaktemeldingen op gebieden als klachten, consumentenplicht en het waarborgen van andere procesverbeteringen.”
Economische criminaliteit
Sommige oplossingen beginnen genAI in te zetten om economische criminaliteit aan te pakken, aldus Berkley.
Dit omvat het integreren van AI en machine learning in transactiemonitoringsystemen, gedragsanalyse om verdachte activiteiten te identificeren en het implementeren van biometrische authenticatie bij identiteitsverificatie om identiteitsdiefstal aan te pakken. Berkley voegde eraan toe:
“Desalniettemin vereisen oplossingen zoals deze een zorgvuldige afweging van ethische waarden, zoals het beheer van gegevensprivacy, algoritmische inherente vooroordelen en de zekerheid van betrouwbare uitkomsten van genAI-systemen, evenals maatschappelijke zorgen over het potentieel van genAI om banen te verplaatsen.”
Voorbeelden van generatieve AI in de Fintech-wereld
Hier zijn enkele voorbeelden uit de praktijk van generatieve AI-toepassingen die laten zien hoe de fintech-sector de technologie gebruikt:
JPMorgan Chase
Afgelopen mei diende JPMorgan Chase een aanvraag in voor een handelsmerk voor een financieel adviestool genaamd IndexGPT, een ChatGPT-achtige AI-dienst om klanten te helpen beter te bepalen waar ze hun geld kunnen investeren.
IndexGPT zal gebruik maken van cloud computing en AI om effecten te analyseren en te organiseren op basis van de specifieke eisen van klanten.
NatWest en IBM
NatWest en IBM werken samen aan Cora, de virtuele assistent van NatWest die GenAI zal gebruiken om klanten toegang te geven tot een grotere verscheidenheid aan informatie via conversatie-interacties.
Wendy Redshaw, chief digital information officer van de retailbank van de NatWest Group, zei:
“Voortbouwend op het succes van Cora in de afgelopen vijf jaar, werken we samen met bedrijven als IBM om gebruik te maken van de nieuwste generatieve AI-innovaties die helpen om Cora nog ‘menselijker’ te laten aanvoelen en, nog belangrijker, een vertrouwde, veilige en betrouwbare digitale partner voor onze klanten.”
OCBC Bank
Afgelopen herfst heeft de OCBC bank in Singapore een GenAI chatbot uitgerold naar haar 30.000 medewerkers wereldwijd om hun productiviteit te verhogen en hen in staat te stellen de klantenservice te verbeteren.
De bank heeft de chatbot ingezet in samenwerking met Microsoft’s Azure OpenAI.
Square
Betalingsverwerker Square gebruikt generatieve AI-mogelijkheden om verkopers te helpen hun activiteiten te automatiseren, hun workflows te stroomlijnen en tijd te besparen.
Met de menugenerator van Square kunnen restaurants bijvoorbeeld eenvoudig complete menu’s genereren in slechts enkele minuten met minimale inspanning, waardoor ze een waardevol tijdbesparend hulpmiddel hebben wanneer ze Square gebruiken om hun aanbod van eten en drinken uit te breiden.
Bank van Amerika
Een van de echte generatieve AI-gebruikscases in het bankwezen draait om Bank of America’s gebruik van genAI om frauduleuze creditcardtransacties te detecteren.
Het AI-systeem van Bank of America analyseert dagelijks miljarden transacties om patronen te identificeren die duiden op fraude. Het AI-systeem kan bijvoorbeeld transacties detecteren voor abnormaal grote bedragen of die worden uitgevoerd vanaf ongebruikelijke locaties.
Hokokuuhoku Financiële Groep en Fujitsu
In september vorig jaar zijn Hokuhoku Financial Group en Fujitsu begonnen met proeven om het gebruik van GenAi te onderzoeken om de activiteiten van de bank te verbeteren.
De proeven omvatten een AI-module voor conversational AI om de bank te helpen bij het genereren en controleren van verschillende bedrijfsdocumenten, het beantwoorden van interne vragen en het maken van programma’s.
De toekomst van GenAI in fintech
In de fintech-ruimte ligt de grote kans – en waar de meeste concurrentie zal plaatsvinden – rond de vraag hoe banken hun klantgegevens naast andere gegevensbronnen kunnen gebruiken op manieren waar klanten direct van kunnen profiteren, zegt Dom Couldwell, hoofd field engineering EMEA bij DataStax, een real-time data for AI-bedrijf.
“Voor banken en fintech-aanbieders zal dit het punt zijn waarop ze elkaar uitdagen, dat wil zeggen, wie kan de beste ervaring voor klanten maken en hoe kunnen ze die gegevens binnen die ervaring inzetten?”, zei hij. “Bedrijfsteams zijn al begonnen met het bouwen van chatdiensten die meer personalisatie kunnen bieden met behulp van de eigen gegevens van elke klant.”
Banken denken ook na over wat daarna komt. De iPhone zorgde ervoor dat apps als Instagram, Uber en Spotify alomtegenwoordig werden, en nu is de race begonnen om de eerste alomtegenwoordige app voor genAI te worden, volgens Couldwell.
“Daarnaast denk ik dat we nog maar aan het begin staan van deze reis,” zei hij. “Een nieuwe technologie centraal stellen in wat je doet kost tijd.”
GenAI heeft de potentie om de efficiëntie te verbeteren waarmee organisaties kunnen voldoen aan de regelgeving door hun gegevens te analyseren, samen te voegen en in het juiste formaat te presenteren. Couldwell zei:
“Dit is niet de meest sexy use case, maar er zijn significante voordelen in het verbeteren van de operationele efficiëntie van organisaties bovenop de meer besproken use cases, zoals het verbeteren van Know Your Customer operaties of fraudemonitoring.”
Customer operations of fraudemonitoring.”
Er zijn echter ook nadelen aan het gebruik van generatieve AI in fintech. De experts van PA Consulting hebben een aantal opkomende economische criminaliteitsrisico’s gezien binnen genAI, waaronder phishing, social engineering en het genereren van frauduleuze gegevens, omdat het nieuwe en geavanceerdere methoden mogelijk maakt om illegale activiteiten uit te voeren, aldus Berkely.
Hij concludeerde:
“Het is belangrijk voor fintechs en financiële instellingen om de gevaren van generatieve AI en de risico’s van kunstmatige intelligentie in de financiële dienstverlening te begrijpen, omdat het misbruiken van generatieve AI om fraude te plegen een steeds groter risico wordt voor deze instellingen en hun klanten.”
Conclusie
Zoals deze voorbeelden laten zien, kan generatieve AI worden toegepast in verschillende use cases binnen de fintech-industrie.
De technologie heeft dan ook het potentieel om een revolutie teweeg te brengen in verschillende aspecten van de financiële sector door efficiëntie, nauwkeurigheid en de klantervaring te verbeteren.
