สัมภาษณ์กับเดนนิส เคทเทอร์: ปัญญาประดิษฐ์กำลังเปลี่ยนแปลงการชำระเงินอย่างไร

SleepTrader

2026-02-26 18:30:07

Dennis Kettler เป็นหัวหน้าฝ่ายกลยุทธ์ข้อมูลและวิทยาศาสตร์ข้อมูลระดับโลกที่ Worldpay.

ค้นหาข่าวและกิจกรรมด้านฟินเทคชั้นนำ!

สมัครรับจดหมายข่าว FinTech Weekly

อ่านโดยผู้บริหารจาก JP Morgan, Coinbase, Blackrock, Klarna และอื่นๆ

ถ้าคุณติดตามอุตสาหกรรมบริการทางการเงิน คุณจะรู้แน่ชัดว่า: AI ไม่ใช่แนวคิดในอนาคตอีกต่อไป—มันอยู่ที่นี่แล้ว และกำลังเปลี่ยนแปลงทุกอย่าง แต่ในขณะที่แนวคิดของ AI ที่จะปฏิวัติการชำระเงินดูน่าตื่นเต้น การเดินทางก็ไม่ได้ราบรื่นเสมอไป

การนำ AI มาใช้เพิ่มขึ้นอย่างรวดเร็วในช่วงไม่กี่ปีที่ผ่านมา โดยเฉพาะหลังจากการระบาดของโรคทำให้สถาบันการเงินต้องคิดใหม่เกี่ยวกับวิธีดำเนินงาน ตัวเลขไม่โกหก ตลาด AI ในบริการทางการเงินคาดว่าจะเติบโตขึ้นอีก 16.2 พันล้านดอลลาร์ใน 5 ปี ธนาคาร บริษัทประกันภัย และผู้ประมวลผลการชำระเงินต่างก็พุ่งเข้าสู่สระว่ายน้ำ AI อย่างเต็มที่ หวังที่จะปรับปรุงกระบวนการ เพิ่มประสิทธิภาพการตรวจจับการฉ้อโกง และ สร้างประสบการณ์ลูกค้าที่เป็นแบบเฉพาะบุคคลสูงสุด

แต่ข้อควรระวังคือ: แม้ AI จะมีศักยภาพมากมาย การบูรณาการ AI ก็ไม่ได้ไร้ปัญหา หลายธุรกิจตระหนักดีว่าข้อมูลของตน—ซึ่งเป็นรากฐานของ AI—มักถูกเก็บไว้ในระบบเก่า กระจัดกระจายกันในแผนกต่างๆ หรือมีความยุ่งเหยิง และแม้ข้อมูลจะอยู่ในสภาพดี ก็ยังมีความซับซ้อนในการปฏิบัติตามกฎระเบียบที่เปลี่ยนแปลงอยู่เสมอ

ยิ่งไปกว่านั้น นักอาชญากรไซเบอร์ก็ฉลาดขึ้นเรื่อยๆ และทันใดนั้น การสร้างระบบชำระเงินที่ขับเคลื่อนด้วย AI ที่แข็งแกร่งก็เหมือนกับการพยายามประกอบปริศนาเทคโนโลยีสูงในขณะที่ชิ้นส่วนต่างๆ กำลังเปลี่ยนแปลงอยู่เสมอ อย่างไรก็ตาม แม้จะมีอุปสรรคมากมาย บริษัทต่างก็ยังเดินหน้าต่อไป

ในปีที่ผ่านมา ยักษ์ใหญ่อย่าง JPMorgan Chase รายงานว่าประสิทธิภาพการทำงานเพิ่มขึ้นสูงสุดถึง 20% จากการใช้ผู้ช่วยเขียนโค้ด AI ขณะที่ NatWest ร่วมมือกับ OpenAI เพื่อเสริมความแข็งแกร่งในการป้องกันการฉ้อโกง ซึ่งเป็นการเคลื่อนไหวสำคัญเมื่อสหราชอาณาจักรสูญเสียเงิน 570 ล้านปอนด์ให้กับการฉ้อโกงการชำระเงินในต้นปี 2024 และไม่ใช่แค่ผู้เล่นรายใหญ่เท่านั้น ธนาคารขนาดเล็กก็ใช้ AI เพื่อเพิ่มประสิทธิภาพ ลดต้นทุน และมอบประสบการณ์ลูกค้าที่ดีขึ้นเช่นกัน

ระบบอัตโนมัติช่วยลดภาระงานหนัก ทำให้ผู้เชี่ยวชาญด้านมนุษย์สามารถทำหน้าที่เป็นที่ปรึกษาเชิงกลยุทธ์มากกว่าการทำงานในเบื้องหลัง คำถามคือ: บริษัทจะใช้พลังของ AI อย่างไรโดยไม่จมอยู่กับปัญหาข้อมูล ระบบเก่า หรือกฎระเบียบที่ซับซ้อน?

นั่นคือสิ่งที่เราต้องการค้นหา ดังนั้น เราจึงติดต่อผู้เชี่ยวชาญที่อยู่ในสนามของโซลูชันการชำระเงินที่ขับเคลื่อนด้วย AI มานานกว่าทศวรรษ จากการปรับปรุงกระบวนการเรียกเก็บเงินและชำระเงิน ไปจนถึงการเสริมความแข็งแกร่งในการตรวจจับการฉ้อโกง ประสบการณ์ของ Dennis Kettler ครอบคลุมทั้งระบบนิเวศของการชำระเงิน และบอกได้เลยว่าข้อมูลเชิงลึกของเขาน่าตื่นเต้นมาก

ในการสนทนาที่จะตามมา คุณจะได้ยินเกี่ยวกับความท้าทายและโอกาสที่สำคัญที่สุดที่ธุรกิจเผชิญอยู่

R: คุณช่วยเล่าเส้นทางอาชีพของคุณและวิธีที่คุณพัฒนาความเชี่ยวชาญด้านฟินเทคและโซลูชันการชำระเงินได้ไหม?

D: หลังจากจบการศึกษาระดับปริญญาตรีและปริญญาโทด้านคณิตศาสตร์ ผมเปลี่ยนเส้นทางเข้าสู่ด้านการวิเคราะห์ข้อมูลและการวิเคราะห์เชิงทำนาย จุดเริ่มต้นของผมคือการมุ่งเน้นไปที่ข้อมูลเชิงทำนายและอัตโนมัติ

ประมาณ 13 ปีที่แล้ว ผมเข้าสู่วงการบริการทางการเงิน โดยนำประสบการณ์และวินัยด้านข้อมูลและปัญญาประดิษฐ์มาใช้ ผมเริ่มนำความรู้เหล่านี้ไปใช้ในด้านการเรียกเก็บเงิน การชำระเงิน การปรับปรุงประสิทธิภาพการชำระเงิน และประสบการณ์ลูกค้า

แม้ว่าตอนนั้นผมจะไม่มีพื้นฐานด้านการชำระเงินโดยตรง แต่ผมใช้ประสบการณ์จากการค้าปลีกและการออกบัตรเครดิต รวมกับความชำนาญด้านอัลกอริทึมและ AI เพื่อสร้างคุณค่าให้กับ Worldpay อย่างมีประสิทธิภาพ

R: คุณเห็นการเปลี่ยนแปลงที่สำคัญอะไรบ้างในอุตสาหกรรมการชำระเงินตลอดหลายปี โดยเฉพาะกับการเติบโตของ AI?

D: การเปลี่ยนแปลงที่สำคัญสามอย่างที่ผมคิดถึงคือ การแพร่หลาย ความเร่งรีบ และความซับซ้อน ในขณะที่ AI ไม่ใช่แนวคิดใหม่ แต่การแพร่หลายของมันเพิ่มขึ้นอย่างมาก

แต่ก่อน การพัฒนา AI ถูกจำกัดอยู่ในทีมเฉพาะทางที่มีความเชี่ยวชาญเฉพาะด้าน ปัจจุบัน AI เข้าถึงได้มากขึ้นสำหรับกลุ่มคนและทีมต่างๆ ส่งผลให้การนำไปใช้รวดเร็วขึ้นและเวลาสำหรับการเข้าสู่ตลาดลดลง นอกจากนี้ ความซับซ้อนของ AI ก็พัฒนาขึ้นอย่างมาก งานที่เคยเป็นไปไม่ได้เมื่อสิบปีก่อน หรือแม้แต่ห้าปีก่อน ก็สามารถทำได้แล้วด้วยความก้าวหน้าของ AI และโครงสร้างพื้นฐานบนคลาวด์

R: การบูรณาการ AI เข้าสู่บริการทางการเงินมาพร้อมกับโอกาสและความท้าทาย จากประสบการณ์ของคุณ อุปสรรคที่ใหญ่ที่สุดที่บริษัทเผชิญเมื่อใช้โซลูชันการชำระเงินที่ขับเคลื่อนด้วย AI คืออะไร?

D: จากประสบการณ์ของผม อุปสรรคที่ใหญ่ที่สุดสามประการในการบูรณาการและนำ AI ไปใช้ในระบบชำระเงินคือ:

การจัดการข้อมูลเป็นพื้นฐานสำคัญ หลายคนมองข้ามความสำคัญของข้อมูลในการใช้ AI ข้อมูลในบริการทางการเงินมักถูกเก็บในระบบแยกส่วน มีหลายรูปแบบ และนิยามไม่สอดคล้องกัน การบริหารคุณภาพข้อมูล ความเข้าใจข้อมูลอย่างถูกต้อง และการบูรณาการข้อมูลอย่างมีประสิทธิภาพเป็นความท้าทายสำคัญ
จากมุมมองด้านการพัฒนา AI การบูรณาการ AI เข้ากับระบบเดิมเป็นความท้าทายใหญ่ ซึ่งไม่ใช่แค่ด้านเทคนิคเท่านั้น แต่ยังรวมถึงการเปลี่ยนแปลงวัฒนธรรมภายในองค์กรเพื่อรับเทคโนโลยีใหม่ๆ ด้วย
ความท้าทายสุดท้ายคือการนำทางในแนวทางกฎระเบียบระดับโลกและการรับรองความเป็นส่วนตัวของข้อมูล บริษัทต้องมั่นใจว่ามีการควบคุมความเป็นส่วนตัวอย่างเข้มงวด การบริหารความเสี่ยงของโมเดล และความโปร่งใสของโมเดล เพื่อให้เป็นไปตามกฎระเบียบและสร้างความเชื่อมั่นให้กับผู้มีส่วนได้ส่วนเสีย

R: การตรวจจับการฉ้อโกงเป็นหนึ่งในด้านสำคัญที่ AI ได้สร้างผลกระทบอย่างมาก คุณเห็นความก้าวหน้าอะไรบ้างในด้านการป้องกันการฉ้อโกง และยังคงมีความท้าทายอะไรที่ต้องแก้ไข?

D: โซลูชันการฉ้อโกงเป็นหนึ่งในกลุ่มที่ได้รับประโยชน์จากความก้าวหน้าของ AI มากที่สุด หนึ่งในความก้าวหน้าที่สำคัญคือความสามารถในการแก้ปัญหาตัวตนและเชื่อมโยงอุปกรณ์ บัญชี การทำธุรกรรม และแหล่งข้อมูลต่างๆ เข้าด้วยกันเพื่อสร้างภาพรวมที่แม่นยำและครอบคลุมมากขึ้นของความสัมพันธ์และกิจกรรมที่เกี่ยวข้อง

นอกจากนี้ ความสามารถในการปรับตัวต่อแนวโน้มการฉ้อโกงในแบบเรียลไทม์ก็เพิ่มขึ้นอย่างมาก AI ช่วยให้สามารถปรับตัวอย่างรวดเร็วต่อแนวโน้มใหม่ๆ ทำให้สามารถแทรกแซงได้ทันเวลาในกิจกรรมการฉ้อโกงที่อาจเกิดขึ้น

สุดท้าย AI ช่วยเพิ่มความแม่นยำของระบบตรวจจับการฉ้อโกงโดยลดความยุ่งยากและลด false positives กับ false negatives ซึ่งเป็นสิ่งสำคัญเพื่อให้ธุรกรรมที่ถูกต้องตามกฎหมายดำเนินไปอย่างราบรื่นและสามารถระบุการฉ้อโกงได้อย่างมีประสิทธิภาพ

ความท้าทายหลายอย่างในด้านการตรวจจับการฉ้อโกงก็คล้ายคลึงกับการนำ AI ไปใช้ในวงกว้าง เช่น แม้จะมีความก้าวหน้า แต่ก็ยังมีความท้าทายในการรับประกันคุณภาพข้อมูลและการบูรณาการที่ราบรื่นระหว่างระบบและแพลตฟอร์มต่างๆ ข้อมูลคุณภาพต่ำอาจนำไปสู่ผลลัพธ์การตรวจจับการฉ้อโกงที่ผิดพลาด และในขณะเดียวกัน ความซับซ้อนของผู้ร้ายก็เพิ่มขึ้นอย่างต่อเนื่อง

R: เทคโนโลยีการชำระเงินที่ขับเคลื่อนด้วย AI กำลังพัฒนาอย่างรวดเร็ว คุณมองบทบาทของผู้เชี่ยวชาญด้านการเงินเปลี่ยนแปลงไปอย่างไรเมื่อ AI เข้ามาอัตโนมัติและปรับปรุงกระบวนการชำระเงิน?

D: ในขณะที่ AI ช่วยให้เราปรับปรุงการดำเนินการชำระเงินให้มีประสิทธิภาพมากขึ้น มันก็เปลี่ยนบทบาทของผู้เชี่ยวชาญด้านการชำระเงินด้วย ตัวอย่างเช่น AI ทำให้สามารถอัตโนมัติภารกิจด้านปฏิบัติการมากขึ้น ทำให้เราสามารถมุ่งเน้นไปที่การวิเคราะห์ข้อมูลและข้อมูลเชิงลึกจาก AI รวมถึงการนำไปใช้ในเชิงกลยุทธ์ได้มากขึ้น

โดยเฉพาะอย่างยิ่ง ระบบอัตโนมัตินี้ช่วยให้เราทำหน้าที่เป็นผู้แปลความหมายให้กับลูกค้าและผู้มีส่วนได้ส่วนเสียได้ดีขึ้น AI ช่วยให้เรามีบทบาทเป็นที่ปรึกษาเชิงกลยุทธ์มากขึ้น ซึ่งช่วยปรับปรุงประสบการณ์ลูกค้า เช่นเดียวกับการเป็นผู้ให้คำปรึกษาที่มุ่งเน้นและมีเป้าหมายชัดเจนมากขึ้น

R: ความเป็นส่วนตัวของข้อมูลและความกังวลด้านจริยธรรมเป็นหัวข้อสำคัญในการนำ AI มาใช้ในธนาคารและการชำระเงิน คุณมีแนวทางอย่างไรในการสมดุลนวัตกรรมกับการใช้งาน AI อย่างรับผิดชอบ?

D: ผมเชื่อว่าไม่จำเป็นต้องมีสมดุลระหว่างนวัตกรรมและความรับผิดชอบในการใช้งาน AI แต่อย่างใด แนวคิดเหล่านี้ไม่ใช่สิ่งที่ขัดแย้งกันโดยธรรมชาติ และไม่จำเป็นต้องส่งผลเสียต่อกัน ในทางตรงกันข้าม ผมเชื่ออย่างแรงกล้าว่าการมีการกำกับดูแลที่ดี รวมถึงนโยบาย การควบคุม และการตรวจสอบ เป็นตัวเร่งให้เกิดนวัตกรรมได้อย่างแท้จริง ในประสบการณ์ของผม นโยบายที่ชัดเจน แนวทาง และกระบวนการที่ดี ช่วยให้ผู้พัฒนาสามารถสำรวจและสร้างนวัตกรรมได้อย่างปลอดภัยและมั่นใจ

การขาดความชัดเจนหรือกรอบการกำกับดูแลที่ไม่ชัดเจนจะนำไปสู่ความไม่แน่ใจของนักพัฒนา ชะลอการพัฒนา และขัดขวางนวัตกรรม

R: มองไปข้างหน้า คุณคิดว่าแนวโน้มที่น่าตื่นเต้นที่สุดในด้าน AI และการชำระเงินที่จะกำหนดอนาคตของอุตสาหกรรมในอีก 5 ถึง 10 ปีข้างหน้านี้คืออะไร?

D: ดังที่ได้กล่าวไว้ก่อนหน้านี้ AI จะยังคงพัฒนาประสิทธิภาพของระบบชำระเงินและจุดตัดสินใจที่เกี่ยวข้อง เช่น การตรวจจับการฉ้อโกง การปรับปรุงอัตราการอนุมัติ การตรวจสอบลูกค้าอย่างละเอียด (CDD) และรู้จักลูกค้าของคุณ (KYC) ฯลฯ

นอกจากนี้ AI จะยังคงมีบทบาทในการกำหนดบทบาทของผู้เชี่ยวชาญด้านการชำระเงินในการช่วยเหลือผู้ค้าและร้านค้ากำหนดกลยุทธ์การชำระเงิน ตัวอย่างเช่น การใช้ AI ช่วยให้สามารถปรับแต่งประสบการณ์และผลลัพธ์การชำระเงินให้เป็นส่วนตัวมากขึ้น พร้อมทั้งให้ข้อมูลเชิงลึกที่เป็นเอกลักษณ์ ซึ่งทั้งหมดนี้สามารถนำไปสู่ประสบการณ์ลูกค้าที่ดีขึ้นอย่างมาก

นอกจากนี้ ผมคาดว่าจะเห็นการพัฒนาและเร่งความเร็วของฟินเทคแบบฝังตัว (embedded finance) ทั้งในด้านการบูรณาการที่ไร้รอยต่อ รวมถึงความสามารถหลัก เช่น การให้กู้ยืม สุดท้าย ด้วยแรงกดดันด้านกฎระเบียบและความก้าวหน้าของ AI ผมคาดว่าจะเห็นความโปร่งใสมากขึ้นอย่างมีนัยสำคัญ

ดูต้นฉบับ

This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.