3 เทรนด์เทคโนโลยีที่ได้รับแรงหนุนจากบริการธนาคารและการลงทุนในปี 2565
“การลงทุนไอทีของธนาคารจะส่งผลต่อ การเติบโตของ 3 เทคโนโลยีเกิดใหม่ แมชชีนเลิร์นนิ่งที่เรียนรู้เกี่ยวกับคอนเทนท์, ระบบอัตโนมัติ และการประมวลผลเพื่อเพิ่มประสิทธิภาพความเป็นส่วนตัว
การ์ทเนอร์ เผย 3 แนวโน้มเทคโนโลยีที่ได้รับแรงหนุนสำคัญจากบริการธนาคารและการลงทุนในปี 2565 ประกอบด้วย เทคโนโลยี แมชชีนเลิร์นนิ่งที่เรียนรู้เกี่ยวกับคอนเทนท์ Generative Artificial Intelligence (AI), ระบบอัตโนมัติ (Automatic Systems) และ การประมวลผลเพื่อเพิ่มประสิทธิภาพความเป็นส่วนตัว (Privacy-Enhancing Computation)
ซึ่งเทคโนโลยีทั้งสามกลุ่มนี้จะยังเติบโตต่อเนื่องใน 2 หรือ 3 ปีจากนี้ โดยมีส่วนสนับสนุนการเติบโตและการเปลี่ยนแปลงขององค์กรธุรกิจที่ให้บริการทางการเงิน
มูตูซี เซา รองประธานฝ่ายวิจัยของการ์ทเนอร์ กล่าวว่า “ขณะที่การเติบโตมีความสำคัญสูงสุดต่อธุรกิจ ความจำเป็นในการจัดการความเสี่ยง การเพิ่มประสิทธิภาพด้านต้นทุนและการดำเนินงานต่างต้องการนวัตกรรมและเทคโนโลยีใหม่ๆ Generative_AI ช่วยให้ผู้บริหารไอทีของธนาคารสามารถนำเสนอเทคโนโลยีโซลูชันให้กับธุรกิจเพื่อสร้างรายได้ให้เติบโตได้ ขณะที่ Autonomic Systems และ Privacy-Enhancing Computation จะเป็นโซลูชันดำเนินการระยะยาวที่นำเสนอทางเลือกใหม่ๆ สำหรับการเปลี่ยนแปลงทางธุรกิจในด้านบริการทางการเงิน”
การ์ทเนอร์คาดว่ามูลค่าการใช้จ่ายด้านไอทีของธุรกิจธนาคารและการลงทุนทั่วโลกในปี 2565 จะเติบโตขึ้น 6.1% หรือคิดเป็น 623 พันล้านดอลลาร์ โดยหมวดที่มีการใช้จ่ายมากที่สุดคือ บริการด้านไอที ประกอบไปด้วย บริการให้คำปรึกษาและบริการด้านการจัดการ คิดเป็น 42% ของมูลค่าการใช้จ่ายด้านไอทีทั้งหมดในหมวดนี้อยู่ที่ 264 พันล้านดอลลาร์ สำหรับหมวดที่เติบโตเร็วที่สุดคือซอฟต์แวร์ ที่คาดการณ์ว่าจะเพิ่มขึ้น 11.5% หรือประมาณ 149 พันล้านดอลลาร์
เช่นเดียวกับประเทศไทย ที่การ์ทเนอร์คาดว่ามูลค่าใช้จ่ายไอทีของธุรกิจธนาคารและการลงทุนในปี 2565 จะเติบโต 6.5% หรือ 82.2 พันล้านบาท โดยหมวดที่มีมูลค่าการใช้จ่ายมากที่สุด คือ บริการด้านไอที ที่ประกอบด้วย บริการให้คำปรึกษาและบริการด้านการจัดการ และหมวดที่เติบโตรวดเร็วที่สุดคือ ซอฟต์แวร์ คาดว่าจะเติบโตขึ้น 14% หรือ 13.5 พันล้านบาท
เทรนด์เทคโนโลยีเกิดใหม่ 3 กลุ่ม ที่การ์ทเนอร์ระบุมีส่วนช่วยธุรกิจให้บรรลุเป้าหมายในการดำเนินการ สร้างการเติบโต และเปลี่ยนแปลงธุรกิจ และแสดงให้เห็นกรณีตัวอย่างการใช้งานในอุตสาหกรรมการธนาคารและการลงทุน ได้แก่
เทรนด์ที่ 1 เป็นแมชชีนเลิร์นนิ่งที่เรียนรู้เกี่ยวกับคอนเทนท์ (Generative AI)
การ์ทเนอร์คาดการณ์ว่า 20% ของข้อมูลทดสอบจากการใช้งานของผู้บริโภคจะถูกสังเคราะห์ขึ้นภายในปี 2568 ทั้งนี้ Generative_AI จะเรียนรู้การเป็นตัวแทนดิจิทัลของสิ่งประดิษฐ์จากข้อมูลและสร้างนวัตกรรมที่คล้ายกับต้นฉบับแต่จะไม่ทำซ้ำ
ในส่วนบริการด้านการธนาคารและการลงทุน จะพบแอปพลิเคชันของเทคโนโลยี Deep Learning แบบ Generative Adversarial Networks – GAN และการสร้างภาษาธรรมชาติ (Natural Language Generation – NLG) เป็นส่วนใหญ่ได้ในสถานการณ์การตรวจจับการฉ้อโกง การคาดการณ์การซื้อขาย การสร้างข้อมูลแบบสังเคราะห์ และการสร้างแบบจำลองปัจจัยเสี่ยง ซึ่ง Generative AI มีศักยภาพเนื่องจากความสามารถปรับเปลี่ยนในแบบเฉพาะบุคคลไปสู่ระดับที่สูงขึ้น
เทรนด์ที่ 2 ระบบอัตโนมัติ (Autonomic Systems)
ระบบอัตโนมัติเป็นระบบที่จัดการได้ทั้งแบบกายภาพหรือจากซอฟต์แวร์ ซึ่งเรียนรู้จากสภาพแวดล้อมและปรับเปลี่ยนอัลกอริธึมของมันเองได้แบบไดนามิกแบบเรียลไทม์ เพื่อเพิ่มประสิทธิภาพการเรียนรู้พฤติกรรมของระบบในสภาวะระบบนิเวศที่ซับซ้อน ระบบอัตโนมัติจะสร้างชุดความสามารถทางเทคโนโลยีที่คล่องตัวสนับสนุนความต้องการและสถานการณ์ใหม่ๆ เพิ่มประสิทธิภาพการทำงานและป้องกันการโจมตีโดยปราศจากการแทรกแซงของมนุษย์
ปัจจุบันระบบอัตโนมัติส่วนใหญ่ทำงานอยู่ในรูปแบบซอฟต์แวร์ในบริบทของธุรกิจธนาคาร อย่างไรก็ตามก็มีหุ่นยนต์แบบฮิวแมนนอยด์ในสาขาธนาคารอัจฉริยะซึ่งเป็นตัวอย่างของระบบอัตโนมัติที่ทำงานบนฮาร์ดแวร์ที่ทำหน้าที่ให้บริการแก่ลูกค้าและผู้ใช้บริการ
สิ่งเหล่านี้สามารถนำไปปรับใช้ในการจัดการหนี้แบบอัตโนมัติ เป็นผู้ช่วยด้านการเงินส่วนบุคคลและการให้กู้ยืมอัตโนมัติ Roboadvisors จัดเป็นระบบอัตโนมัติระดับพื้นฐานแม้ว่ายังมีความกังวลเรื่องความน่าเชื่อถืออยู่ในความเป็นระบบอัตโนมัติในระดับสูง
การ์ทเนอร์คาดการณ์ว่าภายในปี 2567 20% ขององค์กรที่จำหน่ายระบบหรืออุปกรณ์อัตโนมัติจะขอให้ลูกค้าละเว้นการชดใช้ค่าเสียหายตามข้อกำหนดเรื่องความเป็นส่วนตัวที่เกี่ยวข้องกับการเรียนรู้พฤติกรรมจากผลิตภัณฑ์ของตน
เทรนด์ที่ 3 การประมวลผลเพื่อเพิ่มประสิทธิภาพความเป็นส่วนตัว (Privacy-Enhancing Computation)
การประมวลผลเพื่อเพิ่มประสิทธิภาพความเป็นส่วนตัว (Privacy-Enhancing Computation หรือ PEC) นั้นช่วยให้การประมวลผลข้อมูลส่วนบุคคลมีความปลอดภัยในสภาพแวดล้อมที่ไม่น่าเชื่อถือ เนื่องจากกฎหมายความเป็นส่วนตัวและการคุ้มครองข้อมูลมีความสำคัญมากขึ้นรวมถึงความกังวลของผู้บริโภค ซึ่ง PEC ใช้เทคนิคการป้องกันความเป็นส่วนตัวที่หลากหลายเพื่อให้สามารถดึงข้อมูลออกมาใช้ได้อย่างมีคุณค่าและยังปฏิบัติตามข้อกำหนด
การ์ทเนอร์คาดว่า ภายในปี 2568 องค์กรขนาดใหญ่ 60% จะใช้เทคนิคของ Privacy-Enhancing Computation อย่างน้อยหนึ่งเทคนิคเพื่อการวิเคราะห์ หรือใช้ในธุรกิจอัจฉริยะ หรือเพื่อการประมวลผลบนคลาวด์ สำหรับภาคบริการทางการเงินที่ข้อมูลถือว่ามีบทบาทอย่างมากในการวิเคราะห์ การคำนวณ และการสร้างรายได้ จึงมีการนำเทคนิค PEC มาใช้เพิ่มขึ้น อาทิ ใช้วิเคราะห์การฉ้อโกง ดำเนินการด้านข่าวกรอง แบ่งปันข้อมูล และต่อต้านการฟอกเงิน
Featured Image: Rfid photo created by fanjianhua – www.freepik.com
