*元のタイトル「#81 - 騒ぎを超えて：なぜジェンAIが銀行業の次の真のプラットフォームシフトなのか（無料で読む）」を転送する

トリアージによるスポンサーシップ

経営者によって構築された

アフリカの金融サービスセクターでは、リスク、信用、コンプライアンス、テクノロジーなどのニッチな専門知識が、企業のパフォーマンスを左右します。複雑な規制をナビゲートし、新しいテクノロジーを統合するには、金融商品、ステークホルダーの期待、市場の現実のニュアンスを理解するリーダーが必要です。このような深い知識がなければ、資金が豊富な機関でさえ、投資家を不安にさせ、成長を停滞させ、顧客の信頼を損なう高額な失敗を犯すリスクがあります。

トリアージは、銀行および金融サービスのオペレーターとしての実務経験と、世界で最大の金融サービス企業のいくつかと働いたグローバルな経験を組み合わせています。私たちのチームは、アフリカの35か国以上のシニアリーダーと協力し、初期段階のベンチャーからスケールアップ、デジタルトランスフォーメーション、ターンアラウンドに至るまで、さまざまなクライアントに対する成長と変革戦略を支援してきました。この幅広い経験により、通過的な専門知識と真の能力の違いを見極めることができ、急速に進化する金融サービスの世界で成功するために必要なことを本当に理解しているリーダーと関わることができます。

イントロダクション

懐疑心は、バランスシートの裏側や最新の金融工学の奇跡、あるいは見逃せないストーリーを見抜くために必要なものです。 . . . 懐疑的な人だけが、良さそうに聞こえるが実際にはそうでないものと、実際に良いものを区別できます。私が知っている最高の投資家は、この特性を体現しています。それは絶対に必要なものです。 - ハワード・マークス

金融業界の若者として、健全な懐疑心を育てることが重要です。特に銀行業務において、懐疑心は成果を上げます。なぜなら、最も成功する銀行は、勝利を追求するのではなく、損失を避けるものだからです。これはネガティブな技術です。それでも、懐疑心は悲観主義とは異なります。それは単に、何が誇大広告で何がそうでないかを見極める能力を持つことを意味します。金融業界の多くの人々が直面する課題は、自分が賢いと社会的に示すために懐疑的になる罠に陥ることです。

ジョン・コリソンか、あるいはナヴァル・ラヴィカントが言ったように、「悲観主義者は賢く聞こえるが、楽観主義者はお金を稼ぐ」。懐疑的な考えは価値があります。しかし、それが価値あるものとなるためには、分析的な厳密さと、重要なこととして、事実が変わったときに考えを変える能力が必要です。

これは、特に銀行および金融における現在の生成AIの議論にとって有用な文脈です。機械学習がしばらくの間存在していたことに対して、生成AIを具体的に言及することが重要です。生成AIは、膨大なデータの学習からテキスト、画像、音声、またはビデオなどの新しいものを作成できる知能の一種です。怠惰な懐疑論が、多くの人々を早急にAIを誇大宣伝と呼ぶことに導いている一方で、抑制のない楽観主義は早すぎる投資につながる可能性があります。AIに関する賢明な意思決定を行うためには、AIを文脈に置くことが重要であり、特にその経済的文脈です。つまり、AIをプラットフォームのシフトとして分析し、他のプラットフォームのシフトと比較して歴史的な位置に置くことを意味します。AIを歴史的な文脈で考えることで、銀行家や金融業界全般が正しい決定を下すことができるはずです。

本日の記事では、プラットフォームシフトとは何かを理解し、過去のプラットフォームシフトとそれらが金融サービス業界に与えた影響を振り返り、AIをプラットフォームシフトとしてその文脈に位置付け、銀行やフィンテックによるAIに関するグローバルな取り組みを見て、金融サービス業界のリーダーにとっての重要な教訓を評価します。

プラットフォームの変化と金融サービス

プラットフォームシフトとは何ですか

金融は他の産業と同様に、技術がもたらす変動に影響を受けます。電報と支店ベースの銀行業務への影響や、ミニコンピュータとATMへの影響など、金融は常にプラットフォームの変化に適応してきました。技術において、プラットフォームの変化とは、基盤となる技術アーキテクチャの根本的な変化を指し、新しい能力を可能にするものであり、基盤となるコスト構造の段階的な変化によって実現されます。しばしば、これにより新しいビジネスモデルや価値創造の方法が生まれます。重要なことは、何かのコスト構造に根本的な変化がなければならないということです。つまり、Xを行うコストが10倍以上削減されることで、何かが真にプラットフォームの変化と見なされます。主要な特徴は次のように説明できます。

• 基盤アーキテクチャの変更: プラットフォームの変化は、既存のシステムの改善だけでなく、技術の構造とアクセス方法における根本的な変化を伴います。
• 指数関数的なコストパフォーマンスの改善：彼らは通常、コスト、パフォーマンス、または能力において10倍以上のオーダーの改善を提供し、単なる漸進的な向上ではありません。
• 新しい価値創造モデル：プラットフォームのシフトにより、以前は実現不可能だった全く新しいビジネスおよび価値創造モデルが可能になります。
• エコシステム形成：彼らは補完的な製品、サービス、ビジネスの豊かなエコシステムを生み出します。これはしばしば効果であり、定義的な特性ではありません。
• 市場の混乱：プラットフォームの変化はしばしば既存の産業を混乱させ、まったく新しい市場を創出します。
• 民主化：彼らは通常、技術をより広い聴衆にアクセス可能にし、新しい参加者を可能にします。

いくつかの歴史的なプラットフォームのシフトを見て、重要に分析します;

1. プラットフォームのシフトが何についてだったのか；
2. コスト構造への影響；
3. このシフトからの勝者と彼らがどのように技術を活用したか；

1. メインフレーム: 計算の集中化 (1950年代～1970年代初頭)

歴史的背景と主要な特徴
1950年代以前、銀行は手作業または電気機械式のタブレーターで元帳を管理していました。小切手の処理は、事務員が項目を入力し、書類をファイリングし、日末に合計を照合することを意味していました。IBMのSystem / 360などのメインフレームは、ストアドプログラムコンピューティング、磁気インク文字認識、およびバッチ処理を導入しました。初めて、単一の機械が1時間に数万件の小切手を読み取り、自動的に口座ルールを適用し、結果を一晩で投稿できるようになりました。

コスト曲線
資本計画は高額で、数百万ドルに達しましたが、取引を投稿するための限界コストは手動入力に対して約百対一に低下しました。エラー率は急減し、カットオフウィンドウは厳しくなり、スケールは人員の問題ではなくソフトウェアの問題になりました。

勝者の物語
第二次世界大戦後のアメリカでは、アメリカの中産階級が急成長しており、特に銀行サービスや小切手の需要が高まっていました。バンク・オブ・アメリカでは、当座預金口座の数が月に23,000口座のペースで増加しており、銀行は小切手を処理するために午後2時までに閉店しなければなりませんでした。バンク・オブ・アメリカは、電子記録機会計1959年に導入された（ERMA）システムは、1時間あたり約36,000件の小切手を処理しました（1秒あたり約10件）、人間の会計士による処理速度の約245件/時間に対してです。年間でおよそ7億5千万件の投稿を処理し、銀行が数千人の事務員を雇うことなくカリフォルニアを超えて拡大することを可能にしました。バンク・オブ・アメリカにとっては、スループットを劇的に改善することで（100倍以上の速さ）、処理された小切手あたりのコストを大幅に削減し、より多くの顧客に対応するためにスケールしました。バックオフィス業務の自動化は、バンク・オブ・アメリカのような初期の採用者にコスト面での優位性をもたらし、全国的なリーダーへの成長を促進しました。

2. ミニコンピュータ：部門自動化（1970年代～1980年代中頃）

歴史的背景と主要な特徴
ミニコンピュータの登場は、メインフレームよりも小型ではるかに安価であり、フォーチュン500を超えたコンピューティングの民主化をもたらしました。銀行、仲介業者、およびサービスプロバイダーは、部門や支店レベルでDEC、Data General、IBMのAS/400ラインなどのベンダーからのミニおよびミッドレンジシステムを展開できるようになりました。この時代は、より安価なインフラストラクチャで運用できる電子ネットワークやフィンテックサービスの誕生を目の当たりにし、新たな専門的なプレイヤーを可能にしました。

コスト曲線
支店は今やメインフレームコンピュータの一部のコストで独自の計算能力を持つことができるようになりました。インタラクティブセッションがバッチレポートに取って代わり、ATMのような新しいチャネルが経済的に実現しました。ミニコンピュータは計算コストを大幅に削減しました。1970年代中頃のミニコンピュータは数万ドルのコストで、1960年代のメインフレームと比較して単位あたりの計算コストを桁違いに引き下げました。この手頃な価格により、金融分野でのITの普及が進みました。その結果、1980年代には中堅の金融企業でさえ業務をコンピュータ化し、より迅速なサービスと低い単位コストを実現しました。

勝者の物語

DECミニコンピュータ - ソースDEC

シティバンクは、何百台ものタンドムノンストップおよびDECミニコンピュータを購入し、それらをATMにネットワーク接続し、1977年に「シティは眠らない」というマーケティングを開始しました。1978年にブリザードがニューヨークを襲った際、シティのATMは顧客にサービスを提供し続け、取引量は20パーセント増加し、3年以内に市内の預金シェアは倍増しました。窓口業務のコストは、訪問ごとにおおよそ1ドルです。ATMで約30セントに落ちた.

3. クライアント‑サーバーおよびリレーショナルデータベース：分散処理（1980年代後半〜1990年代）

歴史的背景と主な特徴
クライアント-サーバー時代の前は、データベースはコンピュータ内にあり、データとインターフェースが統合されていました。クライアント-サーバー時代は、データ層とインターフェース層の分離をもたらしました。クライアント（PC）とサーバーがありました。WindowsまたはMacのPCがプレゼンテーションを処理し、中型サーバーがデータを保存し、SQLがローカルネットワークを介してそれらの間で通信しました。市販のリレーショナルデータベースは新たな洞察を意味しました：数百万行のデータを数秒で照会でき、統計的マーケティングやリスクモデルを可能にしました。

コスト曲線
2,000ドル未満のPCと100,000ドル未満のUnixボックスにより、銀行は数秒で数百万行をクエリできます。

勝者の物語
キャピタル・ワンは1994年にシグネット銀行から分社化され、Oracleを使用したクライアントサーバーグリッドで数千のクレジットカードオファーを並行してテストしました。リスクを個別レベルで価格設定し、1997年には顧客を40％増加させましたが、既存の企業は広範なFICOティアに依存していました。アナリティクスが一律の価格設定を置き換えたため、自己資本利益率は常に20％を超えていました。他の勝者には、クライアントサーバー時代が株式仲介を民主化できることを理解したチャールズ・シュワブが含まれています。

アフリカではわずかな遅れがありましたが、受賞者には次が含まれました；

1. エクイティバンクは、クライアントサーバーアーキテクチャとミニコンピュータを活用して、フィナクル（クライアントサーバー型コアバンキングシステム）にアップグレードすることで取引能力を拡大し、同じシステムを使用してATMネットワークも拡張しました。これが最終的にエージェンシーバンキングに発展しました。彼らは90年代には無名の存在から、東アフリカ最大の銀行（市場資本で）へと成長しました；
2. GTバンク - クライアントサーバーアーキテクチャを使用して、支店での取引処理を改善し、より良い顧客サービスを実現しました。それ以前は、顧客は単純な入金や出金を処理するために数時間待たなければなりませんでした。

4. クラウド 1.0: サービスとしてのインフラストラクチャ (2006年～2010年代初頭)

出典：ビジネスとファイナンス雑誌 - コリソン兄弟

歴史的背景と主要な特徴

ウェブはまだ企業がサーバーを所有することを必要としていました。アマゾンウェブサービスはコンピューティング、ストレージ、データベースをメーター制のユーティリティに変えました。アプリケーションは、ハードウェアの購入注文なしに10人のユーザーから1000万人のユーザーにスケールすることができました。

コスト曲線
数百万の設備投資の代わりに、開発者はクレジットカードが必要で、コンピュートに対して時間あたり数セントを支払うことができました。弾力的な容量は、コストが使用量にほぼ比例してスケールすることを意味し、大きな段階的増加を排除しました。これは、成長を事前に見越してサイズを決める必要があったリレーショナルデータベースの時代とは大きく異なります。

勝者の物語
Stripeは2010年に設立され、2006年にAWSが立ち上がった4年後のことでした。数分で稼働する決済APIを提供しました。その7行のコードサンプルは、加盟店のアンダーライティング、決済、コンプライアンスを抽象化しました。2024年までにStripeは約1.4兆USドルの決済を処理し、以前は銀行の買収業者やレガシープロセッサーが扱っていたボリュームであり、オンボーディングコストは使用ベースのクラウド請求のおかげで誤差の範囲に留まりました。APIは新しい価値創造の形となり、クラウドを真のプラットフォームシフトとして検証しました。

5. モバイル ＆ クラウドネイティブ時代 (2010年代 – 2020年代)

ソース: [itweb.co.za]

歴史的背景と主な特徴
スマートフォンは、インターネットコンピュータ、バイオメトリックセンサー、セキュアエレメントをすべてのポケットに入れ、「配布」をアプリストアのリストに変えました。その上、パブリッククラウドプラットフォーム（AWS、GCP、Azure）は、ユーティリティとして銀行グレードのインフラを提供しました。マイクロサービスとCI/CDパイプラインにより、週に—さらには毎日—機能のリリースが可能になりました。モバイルネットワークは、決済のレールとしても機能しました。QRコードやバーチャルアカウントは、専用のPOSハードウェアや支店ネットワークに取って代わりました。

コストカーブ
この新しいフレームワークでは、顧客が端末、帯域幅、認証を提供し、段階的なオンボーディングコストが支店ベースのクライアントや商人のオンボーディングコストのごく一部にまで縮小されました。アプリベースのレール上の取引手数料は1%未満に下がり、低額決済と手数料無料のアカウントへの利益をもたらします。

勝者と彼らのプレイブック

• ヌバンク（ブラジル、2013年設立）
  • モバイル専用のバイラルウェイトリストによる獲得；2,000以上のAWSマイクロサービスによるリアルタイムクレジット分析。
  • 1日に数十回コードを展開し、規制当局が従来の銀行の価格引き上げを承認するよりも早く機能を展開しています。
  • 2023年には、ラテンアメリカ全体で1億人の顧客; ユーザーのために110億米ドルのレガシー手数料を節約; ブラジルのカード市場で二桁のシェアを維持しながら、世界の銀行業界で最も低いコスト収益比の一つを維持。
  • 彼らの収益はコストの倍のペースで成長しており、2028年までにブラジルで最も利益を上げる銀行になる見込みです。
• タイムバンク（南アフリカ、設立2019年）
  • AWS上のクラウドコア；食料品チェーン内の生体認証キオスクを通じた瞬時でペーパーレスなKYC（Pick n Pay、Boxer）。
  • 所有されている支店はなく、リーナーなテクノロジーチーム; アプリ内で貯蓄、クレジット、保険をクロスセル。
  • 2024年までに：800万顧客；達成5年以内の収益性, 物理的な流通がアウトソーシングできる一方で、コアは純粋にデジタルのままであることを示しています。
• 他の例として、Flutterwave、Stitch、MNT Halan、Paystack、Paymobのような企業が含まれます。

なぜ彼らが勝ったのか

• ゼロインフラストラクチャ配布；
• エラスティック経済
• 開発者優先のインターフェース;
• 迅速な反復サイクル;

これらのプレーヤーを総合すると、顧客所有のデバイスとクラウドネイティブアーキテクチャがどのように構造的なコスト優位性を生み出し、アフリカと世界の銀行業界において、スピードが遺産の規模ではなく決定的な武器となっているかを示しています。

過去のプラットフォームシフトからの重要な教訓

過去のプラットフォームの変遷からのいくつかの重要な教訓

1. すべてのプラットフォームの変化により、金融サービスが異なる方法で行われるようになりました。基本的な考え方は、特定の問題のコスト構造、つまり取引コストまたは配布コストでした。
2. プラットフォームシフトの受益者は、テクノロジーを迅速に採用した銀行（BoFA、Citi）か、シフトが可能にしたことを理解していた新しい参入者（Stripe、Nubank）でした；

生成AIの文脈

私にとって、過去のプラットフォームの変化はコストと流通に焦点を当てていました。なぜなら、これらの領域は本当にソフトウェア特有、すなわち決定論的だったからです。ジェネレーティブAIは必ずしもコストや流通の問題ではないかもしれません。私の見解では、ジェネレーティブAIはカスタマイズされた関係を提供するコストを10,000倍削減することになるでしょう。現在、銀行やフィンテックは技術を介してトランザクションを分散させており、この傾向は続くでしょう。ほとんどの人が携帯電話で取引を行い、支店での取引はほとんど行われていません。これは個人だけでなく法人クライアントにも当てはまります。それにもかかわらず、金融サービスをさらに分散させるための残されたボトルネックは、スケールでのリレーションシップバンキングを可能にすることです。これは、リレーションシップマネジメントが高文脈であり、判断を必要とするため、依然として人間の仕事だからです。

Gen AIは、顧客一人あたり数セントでプレミアムな「関係型バンキング」を提供できます。今日、アフリカのトップRMは、約30人のクライアントをサポートするのに月に約6,000ドルかかり、オーバーヘッドを考慮すると一人あたり約300ドルです。その作業をAIにシフトすれば、コストはわずか数セントにまで下がる可能性があり、大衆市場向けの高いアドバイスを解放し、大陸全体の金融アクセスを変革することができます。これは、取引型フィンテックはすでに解決されていることを考えると、私の見解では次のフロンティアです。

銀行業界においても関係は依然として重要ですが、それは人間対人間から人間対AIにシフトします。お金に関する会話はしばしば恥を伴うため、多くの顧客は銀行員の視線を避けて基本的な質問を隠します。非生物で疲れ知らずのAIはその社会的障壁を下げ、率直さと無限の「愚かな」質問を招きます。より大きな誠実さと24時間年中無休のガイダンスがAIを強力でスケーラブルな関係管理者にします。

グローバルAIイニシアチブ

世界の銀行が生成AIを実際にどのように利用しているか

見出しや誇大広告を取り除くと、残るのは次の問いです：世界の大手銀行は生成的AIを実際に何をしているのでしょうか？未来の可能性ではありません。ベンダーが提案していることでもありません。実際に導入されているものは何で、どこで行われているのでしょうか？

過去2年間、世界の金融セクターは静かに生成的AIの時代に入っています。しかし、浮かび上がる様子は一様ではありません。内部ツールの静かな利用、慎重な顧客向けの実験、そして銀行業務が内部から再構築される可能性を示唆するいくつかの本当に大胆な動きが混在しています。以下に概要を示します；

内部優先、顧客後回し

もし一つの一貫したテーマがあるとすれば、それはこれです：AIは内部から始まります。

生成AIの採用の大部分は、内部の生産性に焦点を当てています。スタッフがより少ないリソースでより多くのことを達成できるようにするツールから、JPMorganのアナリストアシスタント株式リサーチを解析すること、モルガン・スタンレーの富裕層向けのGPT駆動ツール, 初期の賭けは銀行家を力づけることにあり、置き換えることではありません。

ゴールドマンサックスは開発者のためのコパイロットを構築する。Citiは、AI要約ツールを使用してスタッフがメモを処理し、メールをドラフトする手助けをしています。スタンダードチャータードの「SC GPT”は70,000人の従業員に展開され、提案書の作成から人事に関する問い合わせまで、すべてを支援しています。

高い接触のある規制環境に住んでいることを考えると、内部ツールは理にかなっています。なぜなら、銀行は規制違反に遭うことなくAIのスキルを試したり磨いたりできるからです。最近のCBNのZapに対する措置が何かを示しているのであれば、安全策を講じる方が良いでしょう。

セグメント別：価値の所在

異なる部門が異なる速度で動いています。リテールバンキングは、ボリュームの面でリードしています。この点に関して、ウェルズ・ファーゴのファーゴまたはバンク・オブ・アメリカのエリカ, ジェネレーティブAIによってパワーされるチャットボットは、現在、年間数億のインタラクションを処理しています。ヨーロッパでは、コメルツ銀行が最近開始しましたアヴァ, 自分自身のチャットボット。

問題は、これらのいくつかが実際には生成的AIを使用しておらず、実際には機械学習に依存していることです。これ記事エリカ（バンク・オブ・アメリカによる）についての良い分析を提供します。実際、それは機械的タークです。それでも、重要なのは実験です。

企業および投資銀行において、その変化はより微妙です。JPMorganの内部ツールは、クライアントではなく、リサーチおよび営業チームをサポートします。ドイツ銀行はAIを使用してクライアントのコミュニケーションログを分析しています。これはカスタマーサービスではなく、データの活用です。銀行家がクライアントをより良く、より迅速に理解し、サービスを提供するのを助けます。

資産管理はその中間に位置しています。モルガン・スタンレーのAIはクライアントと直接対話することはありませんが、アドバイザーが準備不足で会議に臨むことがないようにします。ドイツ銀行とファースト・アブダビ銀行は、最上級のクライアント向けに、リアルタイムで微妙な投資質問に答えるために設計されたクライアント向けアシスタントを試験運用しています。

地域の違い: 誰が速く動いているか?

ソース:明らかなAIインデックス

北米が予想通りにリードしています。アメリカの銀行、JPMorgan、Capital One、Wells Fargo、Citi、RBCは、AIを生産性向上のエンジンにしました。そして、OpenAIやMicrosoftとのパートナーシップのおかげで、最先端のモデルに早期アクセスを得ています。

ヨーロッパはより慎重です。BBVA、ドイツ銀行、HSBCは、内部でツールをテストしており、しばしばより多くのガードレールを設けています。GDPRは長い影を落としています。いつものように、ヨーロッパは進歩よりも規制に焦点を当てており、これが彼らにコストをかけるかもしれません。

アフリカとラテンアメリカはまだ初期段階にありますが、急速に進展しています。ブラジルのヌーバンクは際立っており、OpenAIと提携して内部でツールを展開し、最終的にはクライアントにも提供する予定です。南アフリカでは、スタンダードバンクやネッドバンクなどの銀行が、リスク、サポート、開発に関する内部AIパイロットを実施しています。

中国：独自のAIスタックを構築

中国の銀行は単にAIを使用しているだけでなく、スタックを構築しています。

• ICBCが発足しました志勇, 1000億パラメータの大規模言語モデルを社内で構築しました。これは10億回以上呼び出され、文書分析からマーケティング自動化に至るまで、200のビジネスドメインにわたるユースケースを支えています。これは単なる内部ツールではなく、銀行の運営方法における基盤的な変革です。
• アントグループは2つの金融LLMを発表しました -Zhixiaobao 2.0 (小売顧客向け) とZhixiaozhu 1.0(金融専門家向け)。前者は、Alipay内の一般ユーザーに金融商品を説明するために設計されています。後者は、資産管理者が市場レポートを要約し、ポートフォリオのインサイトを生成するのを助けます。
• 平安グループ、私のお気に入りのフィンテックの一つで、保険、銀行、技術のハイブリッドであるこの企業は、さらに進んでいます。それは構築しましたAskBob, クライアントとリレーションシップマネージャーのための生成的AIアシスタントです。顧客にとって、AskBobは投資や保険に関する質問に自然な中国語で答えることができます。アドバイザーには、顧客の履歴、商品データ、マーケティング資料を引き出し、要約し、すべてのエージェントをデジタルに強化された金融専門家に変えます。平安の野望は、AIを通じて金融アドバイザリーを再定義することであり、単に質問に答えるだけでなく、質問を予測することです。

中国では、規制の枠組みがデータのローカリゼーションとモデルの透明性を強く奨励しているため、これらの機関は長い道のりを歩んでいます：国内の規制、言語、そして市場環境で成功できるようにカスタムトレーニングされたAIを構築しています。さらに、中国には銀行が独自の基盤モデルを構築できるだけの十分な人材が存在しており、この業績は世界の他のどこでも繰り返されることはないかもしれません。

誰がこれを支えているのか？

いくつかの大手企業が至る所に現れます：Microsoft（Azure OpenAIを介して）は、間違いなく最も一般的なプラットフォームです。Morgan StanleyからStandard Charteredまで、すべての企業がMicrosoftの安全なサンドボックスでモデルを実行しています。

GoogleのLLMも動いており、ウェルズ・ファーゴはFargoを支えるためにFlanを使用しています。そして中国では、主に自国産の技術が使われています：DeepSeek、Hunyuan、その他。

いくつかの銀行、例えばJPMorgan、ICBC、PingAnは自社のモデルをトレーニングしています。しかし、多くは既存のモデルを微調整しています。それはモデルを所有することではありません。データレイヤーとオーケストレーションを所有することが重要です。

世界のさまざまなAIイニシアチブの概要

だから何？

厳しく規制された業界では、慎重であることが重要です。そのため、銀行はAIを前面に出さず、常に関与させています。それでも、他のプラットフォームの変化で観察してきたように、決断を下し、迅速に実験することが重要です。規制は決して実行に先行することはなく、規制を待つという考えでAI実験を停滞させることは賢明ではありません。10年以上前にそのような規制のない国でエージェンシーバンキングを構築したことを覚えています。それを構築した際、私たちが中央銀行に説明したのです。もし私が銀行の取締役会にいたなら、私の質問は「どれだけの実験を行い、どれだけの洞察を得ているのか？」となるでしょう。

進捗を本当に測るためには、プラットフォームの変化の基本に戻る必要があります。あなたのAI戦略は次の質問に答えなければなりません:

「私たちのAI戦略は、コアアーキテクチャを再構築し、コストを100倍削減し、新しい価値モデルを解放し、エコシステムのリンクアップを促進し、市場を破壊し、アクセスを民主化しますか？」

論理は明確です。懐疑的であることは重要ですが、論理と事実はAIが新しいプラットフォームのシフトであることを示しています。さらに、論理と事実は過去のプラットフォームのシフトが金融市場で比喩的にチーズを動かしてきたことを示しています。70年代と80年代におけるシティの技術への取り組みは、小売業務を大きく拡大させました。キャピタルワンは無から出現し、市場でトップ10の銀行となり、自動車ローンや住宅ローンなどの隣接産業において重要なプレーヤーとなりました。アフリカでは、エクイティバンクがクライアントサーバーの波に乗って、東アフリカで時価総額最大の銀行となりました。同じ波に乗ったのは、アクセスバンク、GTバンク、そしてキャピテックです。

AIプラットフォームの時代が到来し、勝者を生み出します。重要なのは、敗者に焦点を当てないことです。なぜなら、勝者は特定のベクトルで重要な市場シェアを獲得するからです。例えば、Stripeは決済の分野で成功しています。これらの初期の楔は、市場シェアの獲得に繋がり、Nubankがクレジットカードを利用して中小企業および小売銀行業界で本格的なプレーヤーになるような隣接領域での成長を促します。

私の見解では、AI時代の勝者は関係のコストに焦点を当てるでしょう。もはや取引的なゲームではありません。それはすでに起こりました。顧客体験と関係性のゲームです。これは、金融サービスのリーダーが持つべき核心的な洞察です。コストの一部で顧客体験とリレーションシップバンキングを100倍改善するにはどうすればよいでしょうか？銀行として、あなたの財政、ビジネス、生活をより良く管理するために知性をどのように活用できるでしょうか？これらの質問に答え、実行するプレイヤーが勝者となるでしょう。

免責事項：

1. この記事は[から転載されていますフロンティアフィンテックニュースレター]. 原題を転送します‘#81 - ハイプを超えて: なぜジェンAIが銀行の次の真のプラットフォームシフトなのか (無料で読む)’. すべての著作権は原作者に帰属します [ メアリー・モゴイ]. この再印刷に異議がある場合は、次にご連絡ください。ゲートラーニングチームが迅速に対応します。
2. 責任の免責事項：この記事に表明された見解や意見は著者自身のものであり、投資アドバイスを構成するものではありません。
3. この記事の他の言語への翻訳は、Gate Learn チームによって行われます。特に記載がない限り、翻訳された記事のコピー、配布、または盗用は禁止されています。