4. 从以生成式人工智能为目标到以数据转换催化剂为目标：

ayesha983

虽然历史上人工智能投资一直面向风险管理和客户增长，但目前越来越倾向于将其中一些投资用于提高运营弹性目标。这是银行的一项持续努力：降低运营成本，同时提高效率。过去银行已经做了很多工作，无论是RPA、六西格玛、离岸外包还是其他方法。加快跨流程和系统的数据和人工智能的日常使用，并让团队有权掌控自己的变革议程，为组织的新转型机会开辟了一条重要道路。

生成式人工智能是近期辩论的焦点，这是理所 多米尼加共和国电报数据 当然的：它为本质上是高内容生产者的金融机构带来了巨大的潜力。一旦相关风险得到管理，所有银行都有类似的目标：减少运营负担（和成本）、释放运营中的新可扩展性等等。

对于一些较慢接受数据之旅的金融参与者来说，生成式人工智能似乎是一条更温和的前进道路。它对数据的依赖性较低，承诺增强个性化客户互动、简化知识查询等，承诺看似更简单。

在全面流程增强方面，很少能够依赖单一技术。如果我们以气候变化管理为例，银行需要完全拥有和管理其信贷组合的碳风险，那么生成式人工智能将在简化文档转化为洞察力的过程中发挥关键作用，但还需要发挥更多作用。解决这一挑战需要将生成式人工智能的巨大潜力与其他更传统的数据方法相结合，并将所有这些融合到每个金融机构所需的独特解决方案中。