生成式AI能否通过超个性化变革金融服务？

在与PYMNTS的对话中，Galileo Financial Technologies的产品战略负责人Michael Haney强调了生成式人工智能（GenAI）在彻底变革金融服务中的关键作用。他强调，将机器学习与GenAI相结合，有望开启后台生产力的新时代，最终改变金融机构利用数据提供超个性化体验的方式。Haney的见解是“支付领域的下一步：支付与GenAI”系列的一部分。

拥抱GenAI以提升效率

虽然金融服务机构越来越多地采用机器学习来提高生产力，但向生成式AI的转变正在加速。GenAI有潜力为后端运营注入强大动力，提高生产力、效率和整体质量。与可能需要手动调整的传统机器学习不同，GenAI模型具备随着条件变化快速学习和适应的能力，提供了一种动态的问题解决方法。

在机器学习领域，神经网络发挥着至关重要的作用。这些网络旨在模拟人脑的工作方式，通常包含多个层以增强容量、效率、性能和准确性。

生成式AI代表了机器学习的重大进步，摆脱了过去僵化的规则和引擎。现代技术依赖于Transformer（转换器）或深度学习模型，这些模型可以预测句子中的下一个词，或建议图像、视频或音乐。这种能力以前所未有的水平产生类人响应，提供更直观和个性化的用户体验。

变革金融服务工作流程

在支付和金融服务领域，AI有潜力变革各种工作流程和互动。其中一个关键影响领域是客户服务，其中AI驱动的见解可以提高运营生产力。然而，随着以创新方式利用数据变得越来越重要，获得消费者共享数据的同意至关重要。

运营团队现在可以通过自然语言查询进行数据可视化，从而深入了解支付量波动和其他关键数据。由生成式AI驱动的技术（如虚拟助手）简化了客户和银行员工的操作，使客户服务和欺诈检测等任务更加简便。

AI还可以在改善贷款决策流程中发挥关键作用，支持从申请到信贷催收的整个贷款生命周期。在商业环境中，AI帮助财务经理分析现金流、利率变化和流动性风险。

超个性化与消费者指导

超个性化是AI整合的自然结果，但需要仔细审查以防止模型中的偏见。Haney强调，消费者经常面临多种支付选项的困扰，因此需要指导以根据速度、成本和风险选择最合适的支付方式。

面对众多的支付选择，消费者可能会感到不知所措，这使得AI驱动的推荐引擎变得不可或缺。这些引擎帮助用户权衡利弊，并为特定交易推荐最佳的支付通道。

此外，结构化数据和非结构化数据结合实时上下文，可以在销售点提供量身定制的优惠，从而提升客户体验。AI也在金融服务领域的客户服务运营、营销运营和产品开发中找到应用。

Haney预计，技术的演进将导致针对特定垂直领域的专用大型语言模型的出现。预计在未来几个月和几年里，决策用例将成为创新的前沿。

总之，由机器学习和生成式人工智能驱动的GenAI正在重塑金融服务的格局。它承诺提高生产力，改善效率，并提供超个性化体验，同时 ushering in（开启）数据驱动决策的新时代。