Майбутнє з розумними фінансами

Скотт Рассел (Scott Russell), фінансовий директор і член виконавчої ради SAP SE, та Седрік Бру (Cedric Bru), генеральний директор Taulia 

Оригінальна стаття: https://www.forbes.com/sites/sap/2024/07/18/the-future-of-intelligent-finance/

Революція інтелектуальної автоматизації настала. Згідно з нещодавнім звітом McKinsey & Co, це третя хвиля діджиталізації та генеративного штучного інтелекту, в якій компанії можуть додавати новий неструктурований контент до можливостей генеративного штучного інтелекту (ШІ) щодо структурування даних. Це означає, що ми бачимо величезний приріст продуктивності для бізнесу, особливо у сфері фінансових операцій.

Для фінансових директорів та їхніх команд це відкриває широкі можливості, але водночас і значні ризики. Найкращі фінансові директори – майстри балансування між ризиком і можливостями, і ті, хто вміє це робити зараз, мають чудову нагоду написати новий сценарій лідерства у сфері ШІ. Це тому, що ефективні стратегії ШІ включають в себе більше, ніж просто інструменти – вони вимагають чіткого розуміння того, в чому полягає цінність бізнесу, і гострого відчуття того, що кожна інвестиція в технологію принесе явну віддачу для бізнесу – все те, чим володіють кмітливі фінансові директори.

Дві сфери, які виділяються, – це платежі та управління грошовими потоками. Нещодавнє дослідження компанії Gartner порівняло організації, які, на її думку, є лідерами в галузі успішних стратегій і впроваджень штучного інтелекту, з їхніми конкурентами. Дослідження показало, що 46% організацій з найуспішнішими впровадженнями штучного інтелекту використовують його для прогнозування платежів клієнтів, що свідчить про величезний потенціал штучного інтелекту в цій сфері.

Але справа не лише в точності прогнозування. Підраховано, що в глобальних ланцюгах поставок у будь-який момент часу заблоковано (і отже може бути вивільнено) до 44 трильйонів доларів. Доступ до цих коштів або, принаймні, забезпечення того, щоб вони працювали для вас максимально ефективно, може суттєво допомогти вам інвестувати, розширювати чи диверсифікувати бізнес. McKinsey називає покращене управління оборотним капіталом однією з трьох основних сфер для інвестицій у штучний інтелект, поряд із прогнозуванням грошових потоків і визначенням пріоритетів зростання/цілей для злиттів і поглинань.

Справжня зміна правил гри – це інструменти на основі природної мови та можливості генерувати ретельні фінансові сценарії. Наприклад, ви можете запитати: “Які у мене є варіанти, щоб гарантувати, що рада директорів матиме 750 мільйонів доларів, необхідних для здійснення цього придбання або інвестицій в R&D у другому півріччі? Які три найкращі сценарії забезпечать нам вільний грошовий потік у розмірі $500 млн у четвертому кварталі цього року?”

Поєднання предиктивного та генеративного ШІ дасть вам необхідний аналіз (за умови, що у вас є дані) та опис, який забезпечить чіткий шлях до вашої бізнес-цілі.

Ще одна можливість пов’язана з виявленням шахрайства. Електронні платежі є стандартом у багатьох країнах, а ланцюги поставок стають дедалі складнішими, а це означає, що загроза шахрайства зростає. ШІ може виявляти незвичайні шаблони в типових профілях транзакцій, мінімізуючи відхилення законних транзакцій і максимізуючи точність виявлення шахрайських платежів.

Примітка Alloy. Терміни “предиктивний ШІ” та “генеративний ШІ” стосуються різних типів моделей штучного інтелекту з різними функціональними можливостями та сферами застосування.

Предиктивний ШІ

Призначення: Предиктивний ШІ призначений для аналізу наявних даних, щоб робити прогнози щодо майбутніх подій, тенденцій або поведінки.

Функціональність:

• Регресійний аналіз: Прогнозування числових значень (наприклад, цін на акції, прогнозів погоди).
• Класифікація: Розподіл даних на заздалегідь визначені класи (наприклад, виявлення спаму, діагностика захворювань).
• Аналіз часових рядів: Прогнозування майбутніх точок даних на основі історичних даних (наприклад, прогнозування продажів).

Застосування:

• Фінанси: Оцінка ризиків, прогнозування фондового ринку.
• Охорона здоров’я: Прогнозування спалахів захворювань, результатів лікування пацієнтів.
• Роздрібна торгівля: Прогнозування попиту, аналіз поведінки клієнтів.
• Виробництво: Прогнозування технічного обслуговування, контроль якості.

Генеративний ШІ

Призначення: Генеративний ШІ зосереджується на створенні нового контенту або даних, схожих на існуючі дані. Він генерує текст, зображення, аудіо та інші типи даних.

Функціональність:

• Генерація тексту: Створення тексту, схожого на людський (наприклад, GPT-моделі).
• Створення зображень: Створення реалістичних зображень (наприклад, GAN).
• Генерація звуку: Синтез мови або музики.
• Створення відео: Створення відеопослідовностей.

Застосування:

• Створення контенту: Написання статей, створення арта, створення музики.
• Розваги: Створення ігрових персонажів і спецефектів.
• Охорона здоров’я: Пошук ліків, медична візуалізація.
• Освіта: Створення персоналізованого навчального контенту, системи репетиторства.

Основні відмінності

Мета:

• Предиктивний ШІ спрямований на прогнозування або передбачення майбутніх результатів на основі наявних даних.
• Генеративний ШІ націлений на створення нових даних, які нагадують навчальні дані.

Результат:

• Предиктивний ШІ виводить прогнози або класифікації.
• Генеративний ШІ виводить новий, оригінальний контент.

Технології:

• Предиктивний ШІ часто використовує статистичні методи і алгоритми машинного навчання, орієнтовані на аналіз і прогнозування.
• Генеративний ШІ використовує методи глибокого навчання, зокрема нейронні мережі, для створення нових даних.

Автоматизація – це також сфера, яка є фокусом підвищення стандартів і оптимізації. Майбутнє платежів на основі штучного інтелекту прагне до повної автономії – від прогнозування майбутніх вхідних платежів на основі поведінкових патернів до самостійного ініціювання врегулювання суперечок у разі несплати та автоматизованого звіряння вхідних платежів.

Коли ми говоримо про трансформаційні можливості штучного інтелекту, найбільш значущою перевагою є його здатність підтримувати безперервну оптимізацію. Незалежно від того, чи це бенчмаркінг порівняно з галузевими аналогами, моделювання ризиків або аналіз поведінки постачальників для оптимізації платежів, здатність інструментів штучного інтелекту поглинати та аналізувати величезні обсяги даних і генерувати сценарії в різних формах дає вам можливість діяти швидше, з більшою економічною ефективністю та більш глибоким розумінням ситуації.

Звісно, різниця полягає не лише в технології, але й у поєднанні технологій, фінансових партнерів та процесу. Інструменти штучного інтелекту найбільш ефективні в руках команди, яка розуміє, як їх використовувати, і має процеси, що дозволяють ефективно їх застосовувати. Вони також вимагають доступу до величезних обсягів даних, як внутрішніх, так і зовнішніх.

Для багатьох компаній найефективнішими і найменш ризикованими є інвестиції в платформи і технологічні інструменти, які вже мають вбудовані можливості штучного інтелекту, а також у людей, які знають, як їх використовувати.

Немає сумнівів, що потенціал для кожного з нас є значним. Перші дані свідчать про те, що ті, хто зважився на ризик і інвестує стратегічно, вже пожинають плоди.

І це вказує на майбутнє, сповнене неймовірних можливостей, і ми дуже схвильовані цим!