పెద్ద బ్యాంకులు అంతర్గత సాధనాలను దాటి మరియు నిజమైన క్లయింట్ పరస్పర చర్యలకు మద్దతు ఇచ్చే సిస్టమ్లలోకి వెళ్లడం వలన, AI ఏజెంట్లు ఆర్థిక సలహాలు ఎలా పంపిణీ చేయబడతాయనే దానిపై మరింత ప్రత్యక్ష పాత్రను పోషించడం ప్రారంభించారు.
బ్యాంక్ ఆఫ్ అమెరికా ఇప్పుడు ఆర్థిక సలహాదారుల ఉపసమితికి అంతర్గత AI-ఆధారిత సలహా ప్లాట్ఫారమ్ను అమలు చేస్తోంది, దీని ప్రకారం సుమారు 1,000 మంది ఆర్థిక సలహాదారులకు అందించబడింది. బ్యాంకింగ్ డైవ్. బ్యాక్-ఆఫీస్ టాస్క్లు లేదా పరిమిత పైలట్ల కంటే కోర్ బ్యాంకింగ్ పాత్రలలో AI ఎలా ఉపయోగించబడుతోంది అనేదానికి ఈ చర్య స్పష్టమైన ప్రారంభ ఉదాహరణలలో ఒకటి. ఇది పరిశ్రమ అంతటా విస్తృత మార్పును ప్రతిబింబిస్తుంది, ఇక్కడ AI ప్రాథమిక సహాయం నుండి నిజ సమయంలో నిర్ణయం తీసుకోవడానికి మద్దతు ఇచ్చే సిస్టమ్లకు మారుతోంది.
ప్లాట్ఫారమ్ సేల్స్ఫోర్స్ ఏజెంట్ఫోర్స్పై ఆధారపడింది, ఇది టాస్క్లను నిర్వహించడానికి AI ఏజెంట్ల సృష్టిని అనుమతిస్తుంది. క్లయింట్ ప్రశ్నలను నిర్వహించడానికి మరియు సిఫార్సులను సిద్ధం చేయడానికి సలహాదారులకు సహాయం చేయడానికి ఇది రూపొందించబడింది. ఇది రోజువారీ వర్క్ఫ్లోలను నిర్వహించడంలో కూడా సహాయపడుతుంది. ప్రకారం బ్యాంకింగ్ డైవ్AI ఏజెంట్లు స్వతంత్ర సాధనాలుగా పనిచేయకుండా మానవ సిబ్బందితో కలిసి ఎలా పని చేస్తారో పరీక్షించడానికి ప్రధాన బ్యాంకుల మధ్య విస్తృత పుష్లో ఈ సిస్టమ్ భాగం.
బ్యాంక్ ఆఫ్ అమెరికా వ్యాపారం అంతటా AI వినియోగాన్ని విస్తరిస్తోంది. వర్చువల్ అసిస్టెంట్ ఎరికా 11,000 మంది ఉద్యోగులకు సమానమైన పనిని నిర్వహిస్తుందని బ్యాంక్ తెలిపింది, అయితే దాని సాఫ్ట్వేర్ డెవలపర్లలో మొత్తం 18,000 మంది AI కోడింగ్ సాధనాలను ఉపయోగిస్తున్నారు, ఇవి ఉత్పాదకతను 20% మెరుగుపరిచాయి. బ్యాంకింగ్ డైవ్. ఈ గణాంకాలు సంస్థలోని వివిధ భాగాలలో AI ఇప్పటికే ఎంత విస్తృతంగా పొందుపరచబడి ఉందో తెలియజేస్తుంది.
AI ఏజెంట్లు ఆర్థిక నిర్ణయం తీసుకోవడానికి దగ్గరగా ఉంటారు
ఈ విధానం బ్యాంకింగ్లో AI యొక్క మునుపటి విస్తరణల నుండి భిన్నంగా ఉంటుంది, ఇది ప్రధానంగా చాట్బాట్లు లేదా అంతర్గత ఉత్పాదకత సాధనాలపై దృష్టి పెట్టింది. ఆ సందర్భాలలో, AI సాధారణ ప్రశ్నలకు సమాధానం ఇవ్వడానికి లేదా రొటీన్ టాస్క్లను ఆటోమేట్ చేయడానికి ఉపయోగించబడింది. క్లయింట్ డేటాను విశ్లేషించడం మరియు తదుపరి దశలను సూచించడం వంటి సంక్లిష్టమైన పనిని నిర్వహించడానికి కొత్త సిస్టమ్లు నిర్మించబడ్డాయి.
ఆ మార్పు AIని ఆర్థిక నిర్ణయాధికారానికి దగ్గరగా తీసుకువస్తుంది. సపోర్ట్ లేయర్గా పనిచేయడానికి బదులుగా, సాంకేతికత ఇప్పుడు సలహా ప్రక్రియలోనే పొందుపరచబడింది.
ఇతర పెద్ద బ్యాంకులు ఇదే దిశలో కదులుతున్నాయి. అదే బ్యాంకింగ్ డైవ్ JP మోర్గాన్, వెల్స్ ఫార్గో మరియు గోల్డ్మన్ సాచ్స్ వంటి సంస్థలు ఉత్పాదకతను మెరుగుపరచడానికి మరియు క్లయింట్-ఫేసింగ్ పాత్రలలో సిబ్బందికి సహాయపడే లక్ష్యంతో AI సాధనాలను పరీక్షిస్తున్నాయని నివేదిక పేర్కొంది, అయితే ఈ ప్రయత్నాలు మారుతూ ఉంటాయి మరియు ఎల్లప్పుడూ సలహాదారు-నిర్దిష్ట AI ఏజెంట్ సిస్టమ్లపై దృష్టి సారించవు. ఒక్కో బ్యాంకు ఒక్కో విధానాన్ని అవలంబిస్తున్నప్పుడు, ఒకే రేటుతో హెడ్కౌంట్ను విస్తరించకుండా ఉత్పత్తిని పెంచడం ఉమ్మడి లక్ష్యం.
ఫలితాలు మారుతూ ఉన్నప్పటికీ, ఈ సాధనాలు సామర్థ్యాన్ని మెరుగుపరుస్తాయని ప్రారంభ డేటా సూచిస్తుంది. కొన్ని సందర్భాల్లో, పరిశ్రమ రిపోర్టింగ్ మరియు ఉదహరించిన ముందస్తు విస్తరణ ఫీడ్బ్యాక్ ఆధారంగా సలహాదారులు ఎంత త్వరగా సమాచారాన్ని యాక్సెస్ చేయగలరో లేదా సమావేశాలకు సిద్ధం కావాలో బ్యాంకులు లాభాలను నివేదిస్తాయి. బ్యాంకింగ్ డైవ్. అదే సమయంలో, ఖచ్చితత్వం మరియు పర్యవేక్షణ గురించి ఆందోళనలు కొనసాగుతున్నాయి, ముఖ్యంగా ఆర్థిక నిర్ణయాలను సూచించడానికి AI వ్యవస్థలను ఉపయోగించినప్పుడు.
ఆర్థిక సేవలలో విస్తృత నమూనా ఏర్పడుతోంది. అనేక సంస్థలు AIలో పెట్టుబడులు పెడుతున్నాయి, కానీ అవి నియంత్రిత పద్ధతిలో చేస్తున్నాయి, తరచుగా నిర్దిష్ట బృందాలు లేదా వినియోగ కేసులకు విస్తరణను పరిమితం చేస్తాయి. సాంకేతికత మరింత విస్తరించడానికి ముందు వాస్తవ సెట్టింగ్లలో ఎలా పని చేస్తుందో పరీక్షించడమే లక్ష్యం.
AI బ్యాంకింగ్ను ఎంత త్వరగా మారుస్తుందనే దాని గురించి కొంతమంది విశ్లేషకులు జాగ్రత్తగా ఉంటారు. వెల్స్ ఫార్గో విశ్లేషకుడు మైక్ మాయో వ్రాశారు, ఇటీవలి పరిణామాలు ఇంకా పెద్ద కొత్త ఉత్పత్తులను ఉత్పత్తి చేయలేదని, ప్రస్తుత దశను “ఉత్పత్తి దృక్కోణం నుండి కొంచెం బోరింగ్”గా వివరిస్తుంది. బ్యాంకింగ్ డైవ్.
మానవ పర్యవేక్షణ కేంద్రంగా ఉంటుంది
బ్యాంక్ ఆఫ్ అమెరికా యొక్క రోల్ అవుట్ దాని స్కేల్ మరియు ప్లేస్మెంట్ కారణంగా ప్రత్యేకంగా నిలుస్తుంది. ఆర్థిక సలహాదారులు ఖాతాదారులతో, ముఖ్యంగా సంపద నిర్వహణలో బ్యాంక్ సంబంధానికి మధ్యలో ఉంటారు. ఆ పాత్రలో AIని పరిచయం చేయడం సాంకేతికతపై పెరుగుతున్న నమ్మకాన్ని సూచిస్తుంది. ఇది సలహా ఎలా రూపొందించబడుతుందో మరియు అందించబడుతుందో ప్రభావితం చేయడానికి అనుమతించే సుముఖతను కూడా చూపుతుంది.
అదే సమయంలో, సిస్టమ్ సలహాదారులను భర్తీ చేయడం లేదు. బదులుగా, ఇది వారితో కలిసి పనిచేయడానికి ఉద్దేశించబడింది. మానవ పర్యవేక్షణ ప్రక్రియలో ముఖ్యమైన భాగంగా ఉంటుంది, ప్రత్యేకించి సంక్లిష్ట ఆర్థిక నిర్ణయాలు లేదా అధిక-విలువ ఖాతాదారులతో వ్యవహరించేటప్పుడు. AI నిపుణుల పాత్రలను పూర్తిగా భర్తీ చేసే అవకాశం లేదని పరిశ్రమ అధికారులు కూడా అంగీకరిస్తున్నారు, ముఖ్యంగా సంక్లిష్ట ఆర్థిక వర్క్ఫ్లోలలో సందర్భం మరియు తీర్పు ఇప్పటికీ ముఖ్యమైనది.
ఈ హైబ్రిడ్ మోడల్ సెక్టార్ అంతటా సర్వసాధారణంగా మారుతోంది. లూప్ నుండి వ్యక్తులను తొలగించే బదులు, బ్యాంకులు మానవ తీర్పును యంత్రం ద్వారా రూపొందించిన అంతర్దృష్టులతో కలపడానికి ప్రయత్నిస్తున్నాయి. కొన్ని సంస్థలు AIని ఒక సాధనంగా కాకుండా శ్రామికశక్తిలో భాగంగా పరిగణించడం ప్రారంభించాయి, సిబ్బంది రోజువారీ పనుల్లో ఈ వ్యవస్థలతో పాటు పని చేయాలని భావిస్తున్నారు.
పురోగతి పరిమితులు మరియు ట్రేడ్-ఆఫ్లతో వస్తుంది
ఆచరణాత్మక సవాళ్లు కూడా ఉన్నాయి. AI సిస్టమ్లు క్లీన్, స్ట్రక్చర్డ్ డేటాపై ఆధారపడి ఉంటాయి, లెగసీ సిస్టమ్లతో పెద్ద సంస్థల్లో ఇది సాధించడం ఎల్లప్పుడూ సులభం కాదు. ఇప్పటికే ఉన్న సాధనాలతో ఏకీకరణకు సమయం పట్టవచ్చు మరియు కొత్త సిస్టమ్లను సమర్థవంతంగా ఉపయోగించడానికి సిబ్బందికి శిక్షణ అవసరం కావచ్చు.
నియంత్రణ సంక్లిష్టత యొక్క మరొక పొరను జోడిస్తుంది. AI-ఆధారిత సిఫార్సులు సమ్మతి ప్రమాణాలకు అనుగుణంగా ఉన్నాయని ఆర్థిక సంస్థలు నిర్ధారించుకోవాలి. రెగ్యులేటర్లు ప్రశ్నించినట్లయితే వారు తప్పనిసరిగా వాటిని వివరించగలగాలి. ఈ ఆవశ్యకత AI సిస్టమ్లకు అందించబడిన స్వయంప్రతిపత్తిని పరిమితం చేయవచ్చు, ముఖ్యంగా రుణాలు లేదా పెట్టుబడి సలహా వంటి రంగాలలో.
ఈ పరిమితులు ఉన్నప్పటికీ, బ్యాంకులు పురోగతి అసమానంగా ఉన్నప్పటికీ, ప్రయోగాలకు మించి మరియు కార్యాచరణ ఉపయోగంలోకి వెళ్లడం ప్రారంభించాయి. కొన్ని అంచనాలు బ్యాంకింగ్ ఉద్యోగాలలో మూడింట ఒక వంతు వరకు లేదా ఆ పాత్రలలోని భాగాలను చివరికి AI ద్వారా నిర్వహించవచ్చని సూచిస్తున్నాయి, అయినప్పటికీ టైమ్లైన్లు అస్పష్టంగా ఉన్నాయి.
AI ఏజెంట్లను అడ్వైజరీ రోల్స్లో ప్రవేశపెట్టడం కూడా ఉద్యోగం ఎలా మారుతుందనే ప్రశ్నలను లేవనెత్తుతుంది. సిస్టమ్లు ఎక్కువ విశ్లేషణాత్మక పనిని నిర్వహించగలిగితే, సలహాదారులు క్లయింట్ సంబంధాలపై ఎక్కువ సమయాన్ని వెచ్చిస్తారు మరియు తయారీపై తక్కువ సమయాన్ని వెచ్చిస్తారు. కాలక్రమేణా, ఇది పాత్రకు అవసరమైన నైపుణ్యాలను మార్చగలదు.
అదే సమయంలో, AIపై ఆధారపడటం కొత్త ప్రమాదాలను పరిచయం చేస్తుంది. డేటా లేదా మోడల్ అవుట్పుట్లో లోపాలు సిఫార్సులను ప్రభావితం చేయవచ్చు మరియు ఆటోమేటెడ్ సిస్టమ్లపై అతిగా ఆధారపడటం మానవ సిబ్బందిచే క్లిష్టమైన సమీక్షను తగ్గించవచ్చు. విస్తరణలు విస్తరిస్తున్నందున ఈ సమస్యలు ఇంకా అధ్యయనం చేయబడుతున్నాయి.
ప్రస్తుత దశను సెట్ చేసేది సాంకేతికత మాత్రమే కాదు, అది ఎక్కడ ఉపయోగించబడుతోంది. AIని ఫ్రంట్లైన్ పాత్రల్లోకి తరలించడం వల్ల బ్యాంకులు తెరవెనుక సామర్థ్యాన్ని మెరుగుపరచడం కంటే ఫలితాలను రూపొందించే సాధనంగా పరిగణించాలని సూచిస్తున్నాయి.
బ్యాంక్ ఆఫ్ అమెరికా యొక్క రోల్అవుట్ ఆ పరివర్తన ఎలా జరుగుతుందనే దానిపై వీక్షణను అందిస్తుంది. మానవ పర్యవేక్షణను ఉంచుతూనే, రోజువారీ పనిలో AIని ఎంతవరకు విలీనం చేయవచ్చో పరీక్షిస్తున్న ఒక పెద్ద సంస్థను ఇది చూపిస్తుంది.
మరిన్ని బ్యాంకులు ఇదే మార్గాన్ని అనుసరిస్తున్నందున, AIని ఉపయోగించాలా వద్దా అనే దాని నుండి ఇది కోర్ కార్యకలాపాలలో భాగమైన తర్వాత దానిని ఎలా నిర్వహించాలి అనే దానిపై దృష్టి సారిస్తుంది.
ఇవి కూడా చూడండి: AI ఏజెంట్ ప్రారంభించిన లావాదేవీల కోసం వీసా చెల్లింపు వ్యవస్థలను సిద్ధం చేస్తుంది
పరిశ్రమ ప్రముఖుల నుండి AI మరియు పెద్ద డేటా గురించి మరింత తెలుసుకోవాలనుకుంటున్నారా? తనిఖీ చేయండిAI & బిగ్ డేటా ఎక్స్పో ఆమ్స్టర్డామ్, కాలిఫోర్నియా మరియు లండన్లో జరుగుతున్నాయి. సమగ్ర కార్యక్రమం ఇందులో భాగమే టెక్ఎక్స్ మరియు ఇతర ప్రముఖ సాంకేతిక ఈవెంట్లతో కలిసి ఉంది, క్లిక్ చేయండి ఇక్కడ మరింత సమాచారం కోసం.
AI వార్తలు ఆధారితం టెక్ఫోర్జ్ మీడియా. రాబోయే ఇతర ఎంటర్ప్రైజ్ టెక్నాలజీ ఈవెంట్లు మరియు వెబ్నార్లను అన్వేషించండి ఇక్కడ.
