Finanzdienstleistungsunternehmen haben besondere Anforderungen an Business-KI. Sie sind in einem der am stärksten regulierten Sektoren tätig und reagieren gleichzeitig auf externe Ereignisse, die sich von Sekunde zu Sekunde ändern. Daher hängt der Erfolg der Agenten-KI im Finanzdienstleistungsbereich weniger von der Ausgereiftheit des Systems als vielmehr von der Qualität, Sicherheit und Zugänglichkeit der Daten ab, auf die es sich stützt.
„Alles beginnt mit den Daten“, sagt Steve Mayzak, globaler Geschäftsführer von Search AI bei Elastic.
Agentische KI – Systeme, die selbstständig Maßnahmen zur Erledigung von Aufgaben planen und ergreifen können, anstatt nur Antworten zu generieren – birgt aufgrund ihrer Fähigkeit, Echtzeitdaten zu integrieren und komplexe Arbeitsabläufe zu optimieren, ein enormes Potenzial für Finanzdienstleistungen. Um agentische KI schnell, sicher und kontrolliert einzusetzen müssen Finanzdienstleistungsunternehmen zunächst in der Lage sein, ihre Daten in großem Maßstab zu durchsuchen, zu sichern und zu kontextualisieren. „Agentische KI verstärkt das schwächste Glied in der Kette: Datenverfügbarkeit und -qualität“, sagt Mayzak. „Und Ihre Systeme sind nur so gut wie ihr schwächstes Glied.“
Finanzdienstleistungsunternehmen benötigen daher einen vertrauenswürdigen und zentralen Datenspeicher, der leicht zugänglich, zuverlässig und skalierbar ist.
Der hohe Stellenwert qualitativ hochwertiger Informationen
Die Regulierung im Finanzdienstleistungssektor erfordert ein hohes Maß an Rechenschaftspflicht für alle Datentools. Wie Mayzak sagt: „Man kann sich nicht damit begnügen, zu erklären, woher die Daten stammen und in was sie umgewandelt wurden: ‚Hier sind die Daten, die eingegangen sind, und diese sind, was herausgekommen ist‘. Sie benötigen eine überprüfbare und kontrollierbare Möglichkeit, zu erklären, welche Informationen das Modell gefunden hat und welche Logik dafür verantwortlich ist, warum diese Daten für den nächsten Schritt geeignet waren.“ Das heißt, Sie müssen in der Lage sein, die zugrunde liegenden Prozesse zu sehen, zu verstehen und zu beschreiben.
Gleichzeitig benötigen Finanzdienstleistungsunternehmen Schnelligkeit und Genauigkeit, um die Erwartungen der Kunden zu erfüllen und der Konkurrenz einen Schritt voraus zu sein. Märkte verändern sich ständig und Risiken und Chancen verändern sich mit ihnen. Wenn ein KI-Modell neben strukturierten Daten in Tabellenkalkulationen, die leichter zu analysieren sind, auch natürliche Sprache (unstrukturierte Daten) aus komplexen Quellen analysieren kann, erhält der Benutzer relevantere Informationen.
In diesem Umfeld gibt es keine Fehlertoleranz, einschließlich der Halluzinationen, die die frühen KI-Bemühungen plagten. Agentische KI-Systeme sind auf einen schnellen Zugriff auf hochwertige, gut verwaltete Daten angewiesen, die sicher und zugänglich sind. Bei Finanzdienstleistungen umfassen diese Daten Transaktionen, Kundeninteraktionen, Risikosignale, Richtlinien und historischen Kontext. Die Aufgabe, diese Daten für die KI aufzubereiten, sollte nicht unterschätzt werden. „Natürliche Sprache ist viel chaotischer als strukturierte Daten, und das macht den Prozess der Organisation und Bereinigung umso wichtiger und auch viel schwieriger“, sagt Mayzak.
Die Daten müssen gut indiziert und über verschiedene Standorte hinweg konsolidiert sein und dürfen nicht in den Silos separater Systeme im gesamten Unternehmen eingeschlossen sein. Andernfalls bleiben KI-Agenten zurück, liefern inkonsistente Antworten und treffen Entscheidungen, die schwerer nachzuvollziehen und zu erklären sind, was das Vertrauen von Regulierungsbehörden, Kunden und internen Interessengruppen untergräbt.
Wie Mayzak sagt: „Es gibt viele verschiedene Möglichkeiten, die Ausführung eines Handels bei einer Bank zu beschreiben. In einer von Agenten gesteuerten Welt müssen diese Beschreibungen deterministisch sein – um jedes Mal die gleichen Ergebnisse zu liefern. Dennoch bauen wir auf leistungsstarken, aber nicht deterministischen Modellen auf. Das ist unglaublich schwierig, aber nicht unmöglich.“
Für ein Finanzdienstleistungsunternehmen kann die Bewältigung dieses Problems eine große Herausforderung darstellen. Eine Forrester-Studie ergab, dass 57 % der Finanzorganisationen immer noch die notwendigen internen Maßnahmen entwickeln Funktionen zur vollständigen Nutzung der Agenten-KI. „Die Daten liegen in vielen verschiedenen Formaten vor, die im Laufe der Geschichte einer Bank entstanden sind“, sagt Mayzak. „Nehmen Sie eine Bank, die es schon seit 50 Jahren gibt: Sie könnte 60 verschiedene Arten von PDFs für genau dasselbe haben. Und gleichzeitig wollen wir, dass die Ausgabe dieser Systeme 100 % genau ist. In vielen Fällen gibt es kein ‚gut genug‘.“ Das heißt, Unternehmen müssen es gleich beim ersten Mal richtig machen.
Ergebnisse suchen und sichern
Eine effektive Suchplattform ist der Schlüssel zur Lösung des Problems fragmentierter, schlecht indizierter und unzugänglicher Daten. Finanzdienstleistungsunternehmen, die ihre strukturierten und unstrukturierten Daten problemlos durchsuchen, sicher aufbewahren und im richtigen Kontext anwenden können, werden den größten Nutzen aus der Agenten-KI ziehen. Dies erfordert häufig die Entwicklung von KI-Systemen unter Berücksichtigung von Datenzugriff und -nutzen, damit sie schneller arbeiten und genauere Ergebnisse liefern sowie Risiken reduzieren können. „Die Suche ist die grundlegende Technologie, die KI präzise und auf echten Daten basierend macht“, sagt Mayzak. „Suchplattformen sind zu maßgeblichen Kontext- und Speicherspeichern geworden, die diese KI-Revolution vorantreiben werden.“
Sobald diese KI-gestützten Suchvorgänge und autonomen Systeme eingerichtet sind, können sie Finanzdienstleistungsunternehmen für eine Reihe von Zwecken dienen. Bei der Überwachung der Kundenexposition kann die Agenten-KI kontinuierlich Transaktionen, Marktsignale und externe Daten scannen, um aufkommende Risiken zu erkennen; Plattformen können dann Probleme automatisch in Echtzeit melden oder eskalieren. Bei der Handelsüberwachung können KI-Agenten Handelsabläufe überprüfen, Diskrepanzen zwischen verschiedenen Formaten identifizieren und Ausnahmen Schritt für Schritt mit minimalem menschlichen Eingriff beheben. Bei der regulatorischen Berichterstattung kann KI Daten aus verschiedenen Systemen sammeln, erforderliche Berichte erstellen und verfolgen, wie die einzelnen Ergebnisse erzeugt wurden. Diese KI-Anwendungen sparen Zeit und unterstützen gleichzeitig Audit- und Compliance-Anforderungen, indem sie nachvollziehbar und erklärbar sind.
Obwohl solche Funktionen bereits vorhanden sind, sind sie oft manuell, fragmentiert und schwer zu skalieren. Agentic AI ermöglicht es Finanzorganisationen, auf automatisiertere, effizientere und skalierbarere Prozesse umzusteigen und gleichzeitig die Genauigkeit und Transparenz beizubehalten, die in ihrer stark regulierten Umgebung erforderlich sind. Wie Mayzak sagt: „Es unterscheidet sich nicht wesentlich von der Art und Weise, wie Menschen heute agieren, es wird nur viel schneller und in größerem Umfang durchgeführt.“
Aufbau eines Agenten-KI-Ökosystems
Die Einführung einer Agenten-KI kann entmutigend sein, insbesondere wenn andere KI-Projekte intern ins Stocken geraten sind. Mayzaks Empfehlung besteht darin, einen überschaubaren Anwendungsfall auszuwählen und ihn mit der Zeit wachsen zu lassen. „Erfolg kann auf Erfolg aufbauen“, sagt er. „Während Unternehmen möglicherweise darauf abzielen, einen 70-stufigen Geschäftsprozess zu automatisieren, stellen sie fest, dass man irgendwo anfangen muss. Was auf dem Markt funktioniert, ist, das Problem Schritt für Schritt anzugehen. Wenn der erste Schritt funktioniert, können Sie den nächsten und den nächsten Schritt machen.“
Die Finanzdienstleistungsunternehmen, die unter ihren Mitbewerbern führend sind, werden diejenigen sein, die Agenten-KI in ein breiteres Ökosystem integrieren, das starke Sicherheitskontrollen, gute Datenverwaltung und ein effektives Management der Systemleistung umfasst. Wie Mayzak sagt: „Wenn dies gut gemacht wird, entsteht eine KI-Feedbackschleife, in der Führungskräfte neue Signale von diesen Systemen erhalten, um die Wirksamkeit ihrer Investitionen zu bewerten und zuverlässige, umsetzbare Erkenntnisse zu gewinnen.“ Durch die Iteration von Pilotprojekten und die kontinuierliche Verbesserung werden Unternehmen Agentensysteme aufbauen, die gemessen, verwaltet und skaliert werden können. Dies wird die Agenten-KI in einen dauerhaften Wettbewerbsvorteil verwandeln.
Erfahren Sie mehr darüber, wie Elastic Finanzdienstleistungen unterstützt.
Dieser Inhalt wurde von Insights erstellt, dem Bereich für kundenspezifische Inhalte von MIT Technology Review. Es wurde nicht von der Redaktion des MIT Technology Review verfasst. Es wurde von menschlichen Autoren, Redakteuren, Analysten und Illustratoren recherchiert, entworfen und geschrieben. Dazu gehört das Verfassen von Umfragen und das Sammeln von Daten für Umfragen. Möglicherweise eingesetzte KI-Tools beschränkten sich auf sekundäre Produktionsprozesse, die einer gründlichen menschlichen Überprüfung unterzogen wurden.
Bir yanıt yazın