Применить модель в финансах

Управление рисками

Начиная с управления рисками, не было недостатка в уроках в глобальном финансовом кризисе.

Одной из величайших привилегий моей карьеры было поддержано Морганом Стэнли для работы с секретарем казначейства США Хэнка Полсона и многих из вас в Федеральном резерве в течение этого болезненного периода. Я никогда не забуду: после работы с американскими сокровищами и Федеральной резервной системой Фанни Мэй и Фредди Мак, я вернулся домой в воскресенье после банкротства Лемана — только чтобы позвонить, чтобы вернуться в ФРС Нью -Йорка. Мы узнали, что AIG будет не в среду из -за риска компенсации в дочерней компании, полученной в Соединенном Королевстве.

Это привело меня к очень важному уроку, который я повторил с тех пор: вы не можете водить машину с грязью на лобовом стекле. Вы не можете управлять каким -либо учреждением с грязью на лобовом стекле. Вы должны устранить это — какие данные и риски предоставляют.

ИИ и ML могут оказать мощную помощь, чтобы «очистить лобовое стекло».

Рассмотрим серебряный антиоток. Вместо единой зарегистрированной транзакции, запускающей ручное исследование, которое потребляет часы или дни для анализа, ИИ видит модели во всей сети в режиме реального времени. С помощью ИИ вы можете определить недавно созданный коммерческий счет с десятками небольших депозитов со всей страны — каждый немного меньше из отчета в размере 10 000 долларов США. Затем он проверяет название коммерческого директора в отношении глобальных санкций и сообщений в СМИ, сообщая о скрытой ссылке на организацию высокого риска. Затем предупредить команду безопасности До Средства обернуты в море. Один из банковских клиентов Google наблюдал в три раза больше риска обнаружения финансовых преступлений, на 60% меньше ложных срабатываний и более быстрый путь на 50% в обнаружении действий.

Другой критический пример раннего обнаружения и управления рисками касается кибербезопасности. Плохая новость заключается в том, что нападения на финансовые учреждения — уже основная цель — увеличиваются. Хорошей новостью является то, что инструменты существуют для противодействия этим угрозам.

В Google кибербезопасность — это священник, интегрированная в глубину нашей культуры. Google был построен из нуля с интенсивной паранойей на всех, кто нарушает личные данные, и с маниакальным фокусом вокруг каждого элемента укрепления, включая то, что называется «нулевая уверенность», что требует строгой проверки и авторизации для каждого запроса на доступ, независимо от того, находится ли пользователь или устройство внутри или за пределами сети. Это то, что мы используем с нашими деловыми партнерами — государственным и частным сектором.

Тем не менее, мы знаем, что мы должны продолжать увеличивать нашу игру, потому что плохие парни делают. Вот почему мы продолжаем много инвестировать в кибербезопасность. Вот почему мы приобрели Mandiant. Информация Mandiant подчеркивает необходимость в подходе к безопасности слоя — надежной многопрофильной аутентификации, постоянных фиксаций и лучших внутренних возможностей обнаружения. В настоящее время мировое среднее «время жительства» — что означает время для обнаружения инцидента — составляет 11 дней. Чем больше инцидент обнаружен, тем меньше ущерб, который может нанести злоумышленник.

Вот почему мы используем преимущества Google DeepMind — исследовательской лаборатории Google AI. Недавно у нас был прорыв в приложении AI к угрозам безопасности, которые показывают, что возможно: Google DeepMind представила агента искусственного интеллекта под названием Big Sleep. Этот агент был разработан для устойчивого обеспечения неизвестных уязвимостей программного обеспечения. Мы были рады видеть, как он нашел свой первый настоящий дефект в ноябре, доказывая, что ИИ может соединить отверстия для безопасности перед управлением.

С тех пор он обнаружил несколько критических уязвимостей, в том числе недавние, которые были известны только для того, чтобы угрожать актерам. Используя Intel от Google угроза, большой сон предсказывал, что дефект должен был быть вооружен — и закрыл его. Считается, что это первый раз, когда ИИ был непосредственно арестован живым подвигом в природе. Google теперь применяет этот прорыв за пределами Google, помогая обеспечить программное обеспечение с открытым исходным кодом в Интернете.

Google будет продолжать продвигать границу, потому что эта угроза увеличивается и глубоко — как финансовая, так и репутация. Я твердо верю, что ИИ должен быть применен, чтобы следовать горизонту растущих угроз.

Оперативная эффективность и эффективность

В эксплуатационной эффективности и эффективности я вызову три примера:

Во -первых, ИИ, применяемый к поддержке клиентов, все чаще считается даром, который продолжает дарить. Он обеспечивает эффект операционного рычага, устраняя самые основные вопросы, позволяя специалистам по поддержке клиентов сосредоточиться на самых сложных проблемах. Самое главное, исторически, когда звонок вошел в поддержку клиентов, он не захватил характер запросов и проанализировал глубокую причину. Здесь любой, кто реализует контактный центр искусственного интеллекта, на самом деле может собирать информацию из центра клиентов. Недавно я был с генеральным директором, который сказал, что после того, как компания развернула ИИ в поддержку клиентов, сотрудники сказали, что хотят большего. В основном они сказали: «Это устранило рутину. У наших команд есть больше времени, чтобы думать».

Во -вторых, один из самых мощных новых инструментов — это то, что Google создал под названием Notebooklm. С помощью Notebooklm вы можете загружать отчеты, статьи, видео, аудиофайлы — и он будет проглатывать и анализировать. Вы можете попросить его найти тенденции или отречься с подробностями. Вы можете сделать его синтезой результатов и доставить их в виде подкаста, который вы можете прервать с вопросами.

В -третьих, организации видят необычайное повышение эффективности и производительности разработчиков с ИИ и инструментами, такими как Coding Assist, что предлагают Google и многие другие. Мы слышим это несколько раз банки в качестве приоритета.

Инновации и рост

Окончательная категория: ИИ может поддерживать и ускорить возможности роста — добавить альфа.

Это инновация может быть в самой технологической батареи, под которой я имею в виду чипы, модели и приложения. Мы разговариваем с рядом банков и других компаний по финансовым услугам для применения TPU в рамках их системы для улучшения их коммерческих операций.

В приложениях это могло быть из решений, которые позволяют организациям приближаться к клиентам — в частности с агентским ИИ. Примером, чьи коллеги рады, является возможность обратиться к тому, что называется Генрис: в высших комнатах, еще не богатых. В финансовых учреждениях высокого уровня работают десятки тысяч финансовых консультантов, которые тратят свое время на знание, понимание и обслуживание клиентов в Haute Noue. Однако эта модель белой перчатки не может развиваться, чтобы приблизиться к сегменту богатства с самым быстрым ростом — легкой массой и «Генрисом». Это означает, что существует «разрыв совета» и упущенная возможность установить отношения со следующим поколением лучших клиентов.

Это огромная возможность развернуть агентские области ИИ — системы, которые сочетают в себе интеллект передовых моделей ИИ с доступом к инструментам, чтобы они могли сосать информацию и понимать, разум и действовать через сложные рабочие потоки — и принимать меры в вашем имени и под вашим контролем. Это позволяет консультантам собирать гипер -персонализированные рекомендации для клиентов, что сокращает время подготовки человека более чем на 60%, что, опять же, ливит советникам сосредоточиться на установлении отношений.