သုံးစွဲသူအားလုံးအတွက် Itaú ၏ ဖန်တီးမှု AI တည်ဆောက်ပုံ

ဘရာဇီးလို နိုင်ငံတွင် သန်းနှင့်ချီသော သုံးစွဲသူများကို ရင်းနှီးပြီး တစ်ဦးချင်းနှင့်ကိုက်ညီသည့် အတွေ့အကြုံပေးရန် မော်ဒယ်ထက် ရိုးရှင်းလွယ်ကူမှုက ပိုအရေးကြီးသည်။

“အဓိကက ရိုးရှင်း၊ တိုက်ရိုက်ကျပြီး အသုံးဝင်ဖို့၊ သုံးစွဲသူကို တိုက်ရိုက်အကျိုးပြုပြီး နည်းပညာကို သတိမထားမိသလောက် ဖြစ်စေဖို့ပါ” ဟု Itaú ၏ နည်းပညာအရာရှိချုပ် Carlos Eduardo Mazzei က ဆိုသည်။

သူ့စံနှုန်းက မြင့်မားသည်။ ဖြေရှင်းချက်သည် နေ့စဉ်ပြဿနာတစ်ခုကို အမှန်တကယ်ဖြေရှင်းပေးပြီး တိုက်ရိုက်ကျ၊ ရိုးရှင်းကာ မှတ်မိလွယ်ရမည်။ နည်းပညာသည် အသုံးပြုမှုအတွေ့အကြုံ၏ အဓိကအရာမဟုတ်ဘဲ ကြားခံနည်းလမ်းသာ ဖြစ်သည်။

ဤသို့သော ဝန်ဆောင်မှုကို လူများလိုလားကြသည်။ Itaú နှင့် Grupo Consumoteca ၏ လေ့လာမှုအရ ဘရာဇီးနိုင်ငံသား 80% သည် ငွေကြေးကို ပိုစနစ်တကျ စီမံလိုပြီး ဆုံးဖြတ်ရာတွင် ပိုထိရောက်သော အကူအညီလိုလားကြသည်။ 65% က စဉ်ဆက်မပြတ် လမ်းညွှန်ပေးသည့် ဘဏ္ဍာရေးအကူ နည်းပညာကို လိုချင်ကြသည်။

ဘဏ္ဍာရေးလိုအပ်ချက်အချို့အတွက် Inteligência Itaú ၏ ပထမဆုံးစွမ်းရည်များကို ဘဏ်က မိတ်ဆက်ခဲ့သည့် 2024 ခုနှစ်တွင် ဤခရီးစတင်ခဲ့သည်။ နောက်တစ်ဆင့်ဖြစ်သော ia.i သည် စာ သို့မဟုတ် အသံဖြင့် သုံးနိုင်သည့် ပြည့်စုံသော စကားပြောစနစ်ဖြစ်သည်။ စာရင်းရှင်အကောင့်၊ ချေးငွေ၊ ကတ်၊ အာမခံနှင့် အခြားဝန်ဆောင်မှုများကို တစ်နေရာတည်းတွင် ချိတ်ဆက်ပေးပြီး လိုအပ်ပါက လူသားကျွမ်းကျင်သူထံ လွှဲပေးသည်။

ဤကျယ်ပြန့်သော အသုံးချမှုအပေါ် အခြေခံ၍ မော်ဒယ်များကို ရွေးချယ်ခဲ့သည်။

“OpenAI ရဲ့ မော်ဒယ်တွေက ဒီဖြေရှင်းချက်အမျိုးမျိုးမှာ အလုပ်လုပ်နိုင်လို့ ဒီအတွေ့အကြုံကို ပေးနိုင်ဖို့ သိပ်အရေးပါခဲ့ပါတယ်” ဟု Mazzei က ရှင်းပြသည်။ “ကုန်ကျစရိတ်နဲ့ တုံ့ပြန်ချိန် သက်သာဖို့လိုတဲ့ ရိုးရှင်းတဲ့ ဖြေရှင်းချက်တွေကနေ သင့်လျော်တဲ့အဖြေရဖို့ ကျိုးကြောင်းသင့်လျော်စွာ စဉ််းစားပေးသော စွမ်းရည်နဲ့ လိုအပ်တဲ့ အခြေပြုခိုင်မာစေခြင်း အားလုံးပါဝင်ရတဲ့ ရှုပ်ထွေးတဲ့ ဖြေရှင်းချက်တွေအထိပါပဲ။”

မော်ဒယ်တစ်ခုတည်းအစား အမျိုးမျိုးသုံးခြင်းကြောင့် ပြည့်စုံသော ဖြေရှင်းချက်ကို ထုတ်ကုန်တစ်ခုတည်းဖြင့် ပေးနိုင်ခဲ့သည်။ ဤအတွေ့အကြုံ၏ အဓိကမှာ Customer DNA ဖြစ်သည်။ ၎င်း၏ ဘဏ္ဍာရေးနောက်ခံအချက်အလက်များက သုံးစွဲသူ သန်း 70 ခန့်၏ လိုအပ်ချက်၊ အလေ့အထနှင့် ဘဝအဆင့်များကို ဘဏ်က နားလည်စေသည်။ ကြီးကြပ်မှုနှင့် တာဝန်ယူမှုရှိသော AI ထိန်းချုပ်မှုအောက်တွင် GPT မော်ဒယ်များက ဤအချက်အလက်ပုံရိပ်ကို ထိန်းသိမ်းဖြည့်စွက်ပေးရာ အပြန်အလှန်ဆက်သွယ်မှုများ ပိုမိုကိုက်ညီလာသည်။

အခြေခံမူ သုံးချက်မှာ အပြန်အလှန်တုံ့ပြန်နိုင်မှု၊ စာ၊ အသံ၊ ပုံ၊ ကလစ်တို့ကို တစ်နေရာတည်းတွင် သုံးနိုင်မှုနှင့် တစ်ဦးချင်းအလိုက် ချိန်ညှိပေးမှုတို့ ဖြစ်သည်။

ပထမအဆင့်တွင် သုံးစွဲသူ 300,000 ခန့်ဖြင့် ဘဏ်သည် သုံးစွဲသူနှင့် ထုတ်ကုန်ကြား လက်တွေ့ဆက်နွှယ်မှုကို စတင်လေ့လာခဲ့သည်။

“သုံးစွဲသူတွေ ဒီထုတ်ကုန်ကို ပိုနက်နက်ရှိုင်းရှိုင်း ဘယ်လိုစသုံးသလဲ၊ တစ်ဦးချင်းရဲ့ နေ့စဉ်ငွေကြေးဘဝကို ဘယ်လို တိုက်ရိုက်အကျိုးပြုနိုင်သလဲဆိုတာ နားလည်လာနိုင်ပါတယ်” ဟု Mazzei က ဆိုသည်။ စာရင်းရှင်းတမ်းပါ အသုံးစရိတ်အကြောင်း မေးခြင်းမှ ရင်းနှီးမြှုပ်နှံမှုအကြံဉာဏ်နှင့် WhatsApp တွင် အလွယ်တကူ ငွေကြေးလွှဲပြောင်းခြင်းအထိ အဆင့်တိုင်း၌ အသုံးဝင်သည်။

မြင်ရသော အတွေ့အကြုံများ၏ နောက်ကွယ်တွင် စနစ်ဖွဲ့စည်းပုံဆိုင်ရာ ဆုံးဖြတ်ချက်တစ်ခု ရှိသည်။ ဘဏ်တစ်ခု၏ အတိုင်းအတာဖြင့် AI သုံးနိုင်ရန် Itaú က IARA ကို တည်ဆောက်ခဲ့သည်။ ဤကြီးကြပ်ညှိနှိုင်းရေး ပလက်ဖောင်းသည် အတွင်းပိုင်းမူဝါဒအတိုင်း အဖွဲ့များအား မော်ဒယ်အမျိုးမျိုးကို ထိန်းချုပ်မှုဖြင့် သုံးခွင့်ပေးသည်။ ဤစနစ်ရှိ မော်ဒယ်ပံ့ပိုးသူများထဲတွင် OpenAI လည်း ပါဝင်သည်။

ဤစနစ်သည် ဥပဒေရေးရာဌာန၏ ဖြေရှင်းချက်ကဲ့သို့ အသုံးချမှုများကို ပံ့ပိုးကာ စာရွက်စာတမ်း ဖတ်ရှု၊ ခွဲခြမ်းစိတ်ဖြာ၊ အဓိပ္ပာယ်ဖော်ခြင်းတို့ကို အလိုအလျောက် လုပ်ပေးသည်။ စာရွက်စာတမ်း သန်း 90 ကျော် သိုလှောင်ထားရာတွင် လုပ်ဆောင်ပြီး တစ်လလျှင် လုပ်ငန်း 2 သန်းကျော် ဆောင်ရွက်ပေးသည်။ ဌာန၏ လုပ်ငန်းစဉ်အဆင့်များ၌ ထိရောက်မှု 20% မှ 80% တိုးတက်လာသည်။

“ဒီအချက်အလက်တွေကို ဘဏ်ရဲ့စနစ်အတွင်း ထိန်းသိမ်းပြီး မော်ဒယ်တွေကို လုံခြုံ၊ စနစ်တကျ သုံးဖို့ မဖြစ်မနေလိုပါတယ်။ ဘဏ်အတွက် စီးပွားရေးအရ တွက်ခြေကိုက်ဖို့ တိုကင်သုံးစွဲမှု ထိရောက်ပုံကိုလည်း နားလည်ရပါမယ်” ဟု Mazzei က ဆိုသည်။

IARA သည် တိုကင်အလိုက် ကုန်ကျစရိတ်ထိန်းချုပ်မှု၊ အဖြေတိကျမှုနှင့် တာဝန်ယူမှုရှိသော AI မူဝါဒကျင့်သုံးမှုဟူသော ပြဿနာသုံးခုကို တစ်ပြိုင်နက် ဖြေရှင်းပေးသည်။ စည်းမျဉ်းတင်းကျပ်သော ဤကဏ္ဍတွင် ထိန်းချုပ်မှုမပျက်ဘဲ မြန်မြန်တိုးတက်နိုင်စေသည်။

“ဘဏ်မှာ တာဝန်ယူမှုရှိတဲ့ AI ဆိုတာ ကျွန်တော်တို့ အလွန်အလေးထားတဲ့ လုပ်ငန်းတစ်ရပ်ပါ” ဟု သူက ဆိုသည်။ “သုံးစွဲသူတွေ ဘဏ်နဲ့ဆက်သွယ်တဲ့အခါ ကျွန်တော်တို့အဖြေတွေက ကိုယ့်တန်ဖိုးထားမှု၊ ယဉ်ကျေးမှုနဲ့ ကိုက်ညီရပါမယ်။” စွမ်းဆောင်ရည်အမြင့်ဆုံး မော်ဒယ်များတွင် ဖြစ်နိုင်သော ဘက်လိုက်မှုအန္တရာယ် လျှော့ချရေးလည်း ပါဝင်သည်။

တာဝန်ယူမှုရှိသော AI မူများက ဖန်တီးမှုမှ စဉ်ဆက်မပြတ်စောင့်ကြည့်မှုအထိ လမ်းညွှန်သည်။ နည်းပညာတိုးချဲ့ချိန်တွင် ဘေးကင်းမှု၊ ပွင့်လင်းမြင်သာမှု၊ ကျင့်ဝတ်နှင့် စည်းမျဉ်းလိုက်နာမှုရှိစေရန် ရည်ရွယ်သည်။

ဘဏ်၏ AI ဦးစားပေးမဟာဗျူဟာသည် နောက်ဆုံးသုံးစွဲသူများအတွက်သာ မဟုတ်ပါ။ ia.i ကို ပံ့ပိုးသော အသိဉာဏ်စနစ်က ကျွမ်းကျင်သူများ၊ မန်နေဂျာများနှင့် ဖောက်သည်ဝန်ဆောင်မှုအဖွဲ့များကိုလည်း ကူညီသည်။

Mazzei အဆိုအရ ရိုးရှင်းသောအလုပ်များကို အလိုအလျောက်လုပ်ပေးခြင်းမှ ယခင်က မဖြစ်နိုင်ခဲ့သောအလုပ်များအထိ ဆောင်ရွက်ပေးသည်။ အစည်းအဝေးအကြို အကျဉ်းချုပ်နှင့် ပြင်ဆင်မှု၊ ပြဿနာတစ်ခုကို နားလည်မှု၊ ယခင်က စဉ်းစားရခက်ပြီး အချိန်ကုန်ခဲ့သည့် အစီအစဉ်နှင့် ရွေးချယ်စရာများ ဖန်တီးမှုတို့က သုံးစွဲသူဆက်ဆံရေးကို အကျိုးပြုသည်။

ဘဏ်က သုံးစွဲသူဆက်ဆံရေးအတွက် အချိန် သုံးဆရလာရန်၊ ဝန်ဆောင်မှု နှစ်ဆအထိမြန်ရန်နှင့် စကားပြောဆွေးနွေးမှု သုံးဆအထိ ထိရောက်ရန် မျှော်မှန်းထားသည်။

• ia.i သည် ပထမအဆင့်၌ သုံးစွဲသူ 300,000 ခန့်ထံ ရောက်ရှိခဲ့ပြီး စာ သို့မဟုတ် အသံဖြင့် အလွယ်တကူ ငွေကြေးလွှဲပြောင်းမှုမှ ရင်းနှီးမြှုပ်နှံမှုအကြံဉာဏ်အထိ ပေးသည်။

• IARA က ဘဏ်အဖွဲ့များကို ကြီးကြပ်မှု၊ စောင့်ကြည့်သိရှိနိုင်မှု၊ တိုကင်အလိုက် ကုန်ကျစရိတ်ထိန်းချုပ်မှုနှင့် တာဝန်ယူမှုရှိသော AI စည်းကမ်းများဖြင့် မော်ဒယ်အမျိုးမျိုး သုံးခွင့်ပေးသည်။

• ဥပဒေရေးရာဖြေရှင်းချက်သည် စာရွက်စာတမ်း သန်း 90 ကျော်ကို အသုံးပြု၍ လစဉ် လုပ်ငန်း 2 သန်းကျော် ဆောင်ရွက်ပြီး ထိရောက်မှု 20% မှ 80% တိုးတက်စေသည်။

• မော်ဒယ်အမျိုးမျိုးသုံး၍ ကုန်ကျစရိတ်နှင့် တုံ့ပြန်ချိန် အရေးကြီးသောအလုပ်များ၊ ပိုနက်ရှိုင်းစွာ ကျိုးကြောင်းသင့်လျော်စွာ စဉ််းစားပေးသော စွမ်းရည်လိုသည့်အလုပ်များကို ဆောင်ရွက်နိုင်ခဲ့သည်။ GPT‑5.x မော်ဒယ်များပါသော Customer DNA က သုံးစွဲသူ သန်း 70 ခန့်၏ ဘဏ္ဍာရေးနောက်ခံအချက်အလက်ကို ပံ့ပိုးသည်။

• အတွေ့အကြုံကို ဆန်းပြားမှုထက် ရိုးရှင်းလွယ်ကူမှုဖြင့် တိုင်းတာပါ။ ရည်ရွယ်ချက်မှာ နည်းပညာကို သတိမထားမိဘဲ အကျိုးကျေးဇူးကို သိသာစေရန် ဖြစ်သည်။

• မော်ဒယ်တစ်ခုတည်းအစား အမျိုးမျိုးရွေးချယ်ပါ။ လက်တွေ့အသုံးပြုမှုတွင် အမြန်တုံ့ပြန်မှုနှင့် ကျိုးကြောင်းသင့်လျော်စွာ စဉ််းစားပေးသော စွမ်းရည်လိုသည့် ဆုံးဖြတ်ချက်များ တွဲပါသည်။

• အသုံးချမှုမတိုးချဲ့မီ ကြီးကြပ်ရေးစနစ် တည်ဆောက်ပါ။ စောင့်ကြည့်သိရှိနိုင်မှု၊ ကုန်ကျစရိတ်ထိန်းချုပ်မှုနှင့် တာဝန်ယူမှုရှိသော AI တို့က စည်းမျဉ်းတင်းကျပ်သည့် ကဏ္ဍများတွင် တိုးချဲ့နိုင်စေသည်။

• ဘက်လိုက်မှုကို ကိုင်တွယ်ရေးနှင့် ယဉ်ကျေးမှုကိုက်ညီရေးကို ထုတ်ကုန်လိုအပ်ချက်များအဖြစ် သတ်မှတ်ပါ။ သုံးစွဲသူများကို ပေးသောအဖြေများက အဖွဲ့အစည်း၏ တန်ဖိုးထားမှုများကို ထင်ဟပ်ရမည်။

• မဟာဗျူဟာကို အတွင်းပိုင်း၌လည်း ကျင့်သုံးပါ။ အဖွဲ့များ အချိန်ပိုရလာခြင်းက အရေးအကြီးဆုံးနေရာများ၌ လူချင်းဆက်ဆံရေးကို အာရုံစိုက်နိုင်စေသည်။

• စာရင်းရှင်းတမ်းမေးခွန်း၊ ရိုးရှင်းသော ငွေကြေးလွှဲပြောင်းမှုကဲ့သို့ လက်တွေ့နေ့စဉ်ပြဿနာများဖြင့် စတင်ပါ။

• သုံးစွဲသူအုပ်စုတစ်စုကို ဦးစွာသုံးစေပြီး မတိုးချဲ့မီ လက်တွေ့သုံးစွဲပုံကို လေ့လာပါ။

• ကုန်ကျစရိတ်နှင့် အရည်အသွေးကို ထိန်းချုပ်ရန် မော်ဒယ်အသုံးပြုခွင့်ကို ပလက်ဖောင်းတစ်ခုတည်းတွင် စုစည်းပါ။

• ပထမနေ့မှစ၍ တိုကင်သုံးစွဲမှု ထိရောက်ပုံကို စောင့်ကြည့်ပါ။ တွက်ခြေကိုက်မှုကို ဒီဇိုင်းတွင် ထည့်စဉ်းစားရသည်။

• စကားပြောခြင်းနှင့် မီနူးရွေးချယ်ခြင်းကို ပေါင်းစပ်ပါ။ လုပ်ဆောင်ချက်တိုင်းအတွက် သာမန်စကားဖြင့် ခိုင်းခြင်းက အကောင်းဆုံးမဟုတ်ပါ။

ia.i သည် ဆက်လက်တိုးတက်ပြောင်းလဲနေသည်။ 2026 နှစ်ကုန်တွင် သုံးစွဲသူအားလုံး သုံးနိုင်ရန် ဘဏ်က မျှော်မှန်းထားသည်။ နောက်အဆင့်များ၌ ဝန်ဆောင်မှုရလဒ် ကြိုတင်တွက်ချက်ခြင်း၊ စာရင်းသွင်းခြင်းနှင့် ဝင်ငွေ၊ အသုံးစရိတ်၊ အလေ့အထတို့ကို ပုံမှန်ဘဏ္ဍာရေးဆန်းစစ်ခြင်း ပါဝင်မည်။

Mazzei အတွက် ဤအစီအစဉ်၏ အရေးပါမှုက ထုတ်ကုန်တစ်ခုထက် ပိုသည်။ သုံးစွဲသူအလေ့အထနှင့် မျှော်လင့်ချက်များ အမြဲပြောင်းနေစဉ် ဘဏ်သည် ဆယ်စုနှစ်များစွာ အပြောင်းအလဲများကို ဖြတ်သန်းခဲ့ပြီးဖြစ်သည်။