UOB może być pierwszym lokalnym bankiem w sąsiednim Singapurze, który skorzysta z tej technologii sztuczna inteligencja (AI) i analityka duże dane alokować kapitał w swoim dziale bankowości korporacyjnej. Bank planuje rozszerzyć wykorzystanie narzędzia optymalizacji portfela na inne rynki w Azji Południowo-Wschodniej.
Na razie technologię tę zastosowano w Singapurze w 2023 roku i w Malezji w tym roku.
Zdaniem Leong Yung Chee, dyrektora ds. bankowości korporacyjnej w Grupie UOB, model sztucznej inteligencji do optymalizacji portfela, który jest obecnie wykorzystywany w różnych branżach w dziale bankowości korporacyjnej UOB w Singapurze, powinien zwiększyć przychody bankowości korporacyjnej w kraju o 3 do 5 procent w porównaniu z wynikami z ubiegłego roku.
Zauważyłem również, że zwrot z aktywów ważonych ryzykiem (RoRWA) podział wzrósł w porównaniu do linia bazowa wyniki w 2023 r. „Oznacza to, że wzrost dochodów nie nastąpił kosztem RoRWA – zamiast tego ryzyko portfela zostało lepiej zoptymalizowane”.
Dzięki temu modelowi wdrożenia, wykorzystującemu sztuczną inteligencję do optymalizacji alokacji kapitału poprzez zrównoważenie aktywów ważonych ryzykiem i wzrostu dochodu, UOB jest liderem w zakresie znaczącego odejścia od tradycyjnych metod optymalizacji, które w większym stopniu opierają się na subiektywnej ocenie.
Współpraca dla efektywności
Ten model sztucznej inteligencji analizuje dane z kilku lat, obejmujące podział strumieni przychodów i ocenę kredytową klientów, pochodzące z wielu źródeł. duże daneNastępnie informacje te są uśredniane corocznie i agregowane w kilku grupach portfeli.
Leong wyjaśnił, że model ten można dostosować do różnych krajów, zmieniając wprowadzane do niego parametry danych.
„Różne warunki rynkowe są uwzględniane poprzez dostosowanie ograniczeń biznesowych wbudowanych w model” – wyjaśnia. „Portfele mogą być również konfigurowane inaczej, w zależności od tego, jak segmenty biznesowe na innych rynkach przydzielają budżety i ustalają cele wydajnościowe”.
Analizując te zagregowane dane, model generuje portfolio widma, które reprezentuje najlepszą równowagę między RoRWA a wzrostem przychodów.
W ten sposób model wyróżnia obiecujące sektory przemysłu i segmenty klientów. Pozwala to bankowi skierować kapitał do produktów finansowych i usług oferowanych firmom w tych kategoriach portfela.
Ostateczna decyzja nadal leży w rękach kierownictwa. Jednak model AI zapewnia cenne wskazówki dotyczące bardziej ukierunkowanej alokacji kapitału. Pomaga to UOB osiągnąć zrównoważone zwroty w oparciu o ryzyko.
„Jeśli chodzi o inne namacalne korzyści, takie jak oszczędność roboczogodzin i innych kosztów, trudno je określić na podstawie zaledwie rocznego okresu wdrażania” – powiedział Leong.
Model AI do optymalizacji portfela został opracowany przez biuro zarządzania danymi UOB. Rozpoczęli współpracę z działem bankowym firmy, aby określić cele biznesowe, rozważania i ograniczenia. Ten krok pomógł wybrać odpowiednie dane do wprowadzenia do algorytmu.
Proces ten jest kontynuowany w ramach podejścia iteracyjnego, w ramach którego biuro zarządzania danymi oraz dział bankowości korporacyjnej intensywnie pracują nad udoskonaleniem ograniczeń biznesowych i generowaniem wyników portfela, aż do osiągnięcia optymalnych rezultatów.
„Największym wyzwaniem jest obsługa milionów wierszy danych oraz tworzenie przepływów pracy w celu pobierania, oczyszczania i agregowania tych danych” — powiedział Alvin Eng, dyrektor ds. transformacji AI i analityki korporacyjnej w UOB.
„Największym wyzwaniem jest obsługa milionów wierszy danych oraz tworzenie przepływów pracy w celu pobierania, oczyszczania i agregowania tych danych” — powiedział Alvin Eng, dyrektor ds. transformacji AI i analityki korporacyjnej w UOB.
Przenosimy sztuczną inteligencję na wyższy poziom
Zaangażowanie UOB w wykorzystanie rozwiązań AI można skalować otrzymali uznanie w lipcu tego roku. Wygrali nagrodę Singapurska krajowa inicjatywa roku w dziedzinie sztucznej inteligencji I Singapurski Krajowy Bank Transformacji Cyfrowej Roku w przypadku Nagrody bankowości hurtowej zorganizowane przez magazyn Bankowość i finanse azjatyckie.
Innym przykładem wykorzystania sztucznej inteligencji przez UOB do podejmowania decyzji na podstawie danych jest rozwiązanie gotówka w transporcie który został opracowany wspólnie przez biuro zarządzania danymi, dział kanały grupowe i digitalizacjaoraz jednostki technologiczne i grupy operacyjne.
Sztuczna inteligencja i uczenie maszynowe są wykorzystywane do optymalizacji tras i harmonogramów uzupełniania gotówki. Poprawia to doświadczenie klienta poprzez zapewnienie lepszej dostępności gotówki i zmniejszenie czas wolny we wszystkich bankomatach samoobsługowych w Singapurze.
Zmniejszenie liczby kursów oznacza również redukcję czasu spędzanego w trasie na uzupełnianiu gotówki, co wpisuje się w deklarowany cel UOB, jakim jest zmniejszenie śladu węglowego zarówno banku, jak i jego klientów.
Eng powiedział: „Jesteśmy w bardzo ekscytującym czasie, jeśli chodzi o możliwość wykorzystania technologii AI do zwiększenia naszej zdolności do utrzymania wzrostu biznesu. Dzięki współpracy między dyscyplinami i myśleniu nieszablonowemu spodziewamy się zobaczyć więcej ekscytujących inicjatyw w przyszłości”.
Współpraca ta może obejmować zwiększenie przychodów, zarządzanie ryzykiem i zwiększoną produktywność.
Baza danych architektury ma na celu stworzenie zintegrowanej i można skalowaćco umożliwia analizę w czasie rzeczywistym i płynną platformę integracyjną” – dodał.
(Artykuł ten został opublikowany po raz pierwszy w angielski z tą samą pracą od Czasy Biznesu. Treść została przetłumaczona, zmodyfikowana i zredagowana przez Septa Mellina zgodnie ze standardami redakcyjnymi Tech in Asia Indonesia)
