세상은 인공지능(AI)에 대한 뉴스와 기사로 넘쳐나고 있으며 결제 산업도 예외는 아닙니다. 최근에 우리는 Mastercard가

실시간 결제 사기를 탐지하는 AI 도구,
US Bank는 출장 관리에 AI를 사용하고 있습니다., 컨퍼런스는
AI 미래에 대한 이야기로 가득.

3년 전, 금융 언론은 NFT와 WebXNUMX에 대해 비슷한 열풍을 일으켰습니다.

그러나 AI는 돛에서 바람을 제거했습니다.. 많은 사람들이 여기에서 끌어낸 쉽고, 아마도 완전히 틀린 해석은 아닐 것입니다. 재무(또는 보다 광범위하게는 경제)를 개선하기 위한 주요 구조적 변화가 없는 상황에서 기업은 장기적으로 생각하기보다는 일시적인 유행을 받아들이고 있습니다. 이것은 완전히 틀린 것도 아니고 옳은 것도 아닙니다. 항상 그렇듯이 필요한 것은 '과대 선전'을 무시하면서 그 잠재력을 고려하는 은행의 AI 현상에 대한 미묘한 관점입니다.

AI 란?

지능을 구성하는 것이 무엇인지에 대한 질문은 내가 여기서 탐구하는 범위를 훨씬 넘어서며 아마도 가장 중요한 철학적 질문 중 하나일 것입니다. 우리는 AI를 인간의 사고와 유사한 모든 것으로 빠르게 정의할 수 있습니다. 따라서 대출 신청자의 한도를 결정하는 시스템은 인공 지능으로 정의될 수 있습니다. 그들은 체크리스트와 종종 지원자가 '올바른' 종류의 사람인지에 대한 직감으로 인간이 했을 일을 합니다.

이러한 종류의 AI는 기능적으로 순서도입니다. 신청자의 신용 점수가 특정 임계값보다 높으면 600번 질문으로 이동하고, 그 이하이면 700번 질문으로 이동합니다. 이러한 순서도는 엄청나게 복잡할 수 있지만 여전히 펜과 종이로 수행할 수 있는 작업의 복제본입니다. 그러나 보다 최근의 AI 물결은 뭔가 다른 일을 합니다. 기계 학습(ML)을 사용하면 흐름도와 같은 시스템이 특정 결과를 달성하기 위해 더 잘 최적화되도록 스스로 조정할 수 있습니다. 예를 들어, 대출 회사의 ML 시스템은 신용 점수가 다른 고객의 상환률 데이터를 살펴보고 점수가 XNUMX점인 고객도 점수가 XNUMX점인 고객만큼 대출금을 상환할 수 있음을 알 수 있습니다. 더 높은 이자를 부과할 필요가 없습니다. 보다 관대한 조건은 더 많은 고객을 유치하여 비즈니스의 수익성을 높입니다. 이것은 인간이 할 수 있는 일이지만 훨씬 더 느리게 할 것입니다. 물론 모든 ML 시스템이 동일하게 생성되는 것은 아니며 컴퓨터가 고려할 수 없는 복잡성이 있을 수 있으므로 AI 시스템이 옳다고 결정하는 모든 변경을 자유롭게 수행할 수 있는 회사는 거의 없지만 소규모로 만드는 데 적합합니다. 몇 퍼센트 포인트의 추가 이익을 가져오는 시스템 조정. 본질적으로 AI와 ML은 그 배후에 있는 인간만큼만 우수하지만 확실히 인간의 손에서 많은 무거운 작업을 수행해야 합니다.

결제의 AI

결제에서 ML은 유사한 애플리케이션을 가지고 있습니다. 연구에 따르면
55년 2022월 2023년부터 기업의 XNUMX%가 여전히 인보이스를 받아야 합니다.. 여기에는 많은 이유가 있는데, 특히 생활비와 전기료 상승이 있지만 지불에 대한 관료주의가 큰 문제입니다.

영국의 B2B 결제는 유럽에서 가장 빠르고 점점 빨라지고 있지만 여전히 평균입니다.

인보이스에서 결제까지 23일. 이것을 일반적으로 계정에서 계정으로 또는 고객에서 비즈니스로 즉시 돈이 이체되는 B2C 지불과 비교하십시오. '첫날' B2B 결제는 성배이지만 법률 및 규정 준수 이유로 항상 선택 사항은 아닙니다. AI는 언제인지 식별할 수 있습니다. is 옵션이므로 즉시 결제가 제공될 수 있습니다.

지불의 시작점은 지불하거나 지불받는 사람이 자신이 말하는 사람인지 확인하고 KYC 및 AML 확인을 통과했는지 확인하는 것입니다. 이 전체 프로세스는 검사할 문서의 양이 많기 때문에 시간이 많이 걸리고 고통스러운 작업 부하입니다. 다행스럽게도 AI 및 ML 도구는 종이나 디지털 스캔 문서를 샅샅이 뒤지는 것을 꺼리지 않습니다. 자연어 처리를 통해 AI와 ML은 문서를 빠르게 읽고, 위조인지 진품인지 확인하고, 다른 소스와 상호 참조하여 진위 여부를 확인할 수 있습니다.

훨씬 빠르고 효율적인 온보딩을 통해 고객은 단 몇 분 만에 계좌를 개설하고 즉시 거래를 시작할 수 있으며 기관은 AML 및 KYC 규정을 완전히 준수하고 있다는 지식의 혜택을 받습니다.

보다 복잡한 결제의 경우 AI는 지름길과 효율성 절감을 식별하거나 보다 일상적인 작업을 자동화할 수 있습니다. 대규모 데이터 세트를 처리하고 다양한 변수를 실시간으로 비교하는 AI의 능력은 게임 체인저입니다. 훨씬 더 정확한 결정, 승인 및 결제를 개선하기 위한 지불 거래의 현명한 라우팅 및 배포를 통해 지불의 직접적인 처리를 용이하게 할 수 있습니다. 예를 들어, AI는 결제 제공업체가 특정 거래가 이중 인증을 거쳐야 하는지 여부를 결정하는 데 도움을 줄 수 있습니다.

AI 기반 결제 조정은 미결제 송장과 자동으로 들어오는 결제를 일치시켜 사람의 개입 필요성을 줄이고 조정 시간을 단축할 수 있습니다. 이것은 희망적으로 다음 중 일부로 이어질 것입니다.
영국 기업에 대한 체납금 £50억 이상 감소되고 있습니다.

지불 AI의 다음 단계는 무엇입니까?

현재 시제에서 지불 및 금융 분야의 AI 시스템에 대해 이야기하고 있음을 지금쯤 눈치채셨을 것입니다. 이는 그들이 더 큰 금융 산업에서 수년 동안, 어떤 경우에는 수십 년 동안 존재해 왔기 때문입니다. 오늘날 AI가 언급될 때 일반적으로 해당 분야의 새로운 혁신, 즉 대규모 언어 모델(일반적으로 ChatGPT라고 함, 이 분야에서 일하는 많은 회사 중 하나임)을 참조합니다.

이미 사용 중인 이러한 시스템의 기능을 알고 계실 것입니다. 사용자는 AI에게 프롬프트를 제공하거나('기업간 결제에서 AI에 대한 소셜 미디어 게시물 2개 작성') 질문("AI가 어떻게 BXNUMXB 결제 산업에 영향을 미칩니 까?”) 대규모 언어 모델은 종종 매우 설득력 있는 답변을 반환합니다. 수백만 개의 데이터(기사, 책, 소셜 미디어 게시물 등)를 입력하고 이전에 기사에서 본 것과 유사한 것을 재현할 수 있을 정도로 용어 간의 정교한 연결 네트워크를 만들어 이를 수행합니다. 지불의 AI는 다음과 같습니다. '생각'하지 않고 연구를 수행할 수 없기 때문에 이러한 LLM은 '환각' 그들은 그럴듯해 보이지만 조금만 자세히 살펴보면 무너지는 대답을 내놓습니다.

LLM 및 지불에 대한 모든 이야기에도 불구하고 이러한 시스템이 ML을 통해 아직 사용할 수 없는 기능을 제공하는지 확인하기는 어렵습니다. 설득력 있는(완전히 설득력이 없는) 텍스트를 대량으로 생성해야 하는 것은 결제 촉진, 국경 간 결제 및 사기와 비교할 때 결제 업계의 골칫거리 중 하나가 아닙니다. 이러한 기술은 기존 시스템이 결제 회사가 일상적인 활동 중에 생성하는 방대한 데이터 세트를 더 잘 분석할 수 있도록 하는 ML의 발전으로 이어질 수 있습니다.

항상 그렇듯이 결제 산업은 AI 이면의 기술과 AI를 위해 바늘을 실제로 움직이는 것이 무엇인지에 대해 현실적인 관점을 가져야 합니다. 결제에서 해결해야 하는 특정 문제점은 다양하고 항상 진화하지만 AI가 결제 회사의 결과를 개선할 수 있는 방법을 이미 보고 있습니다.

• SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
• PlatoData.Network 수직 생성 Ai. 자신에게 권한을 부여하십시오. 여기에서 액세스하십시오.
• PlatoAiStream. 웹3 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
• 플라톤ESG. 자동차 / EV, 탄소, 클린테크, 에너지, 환경, 태양광, 폐기물 관리. 여기에서 액세스하십시오.
• BlockOffsets. 환경 오프셋 소유권 현대화. 여기에서 액세스하십시오.
• 출처: https://www.finextra.com/blogposting/24673/can-ai-really-change-the-payments-industry?utm_medium=rssfinextra&utm_source=finextrablogs