Broadridge Financial Solutions ได้ใช้งานความสามารถด้านปัญญาประดิษฐ์เชิงตัวแทน (agentic AI) ในการดำเนินงานตลาดทุนและการจัดการความมั่งคั่ง โดยเปิดตัวระบบเวิร์กโฟลว์อัตโนมัติที่ออกแบบมาเพื่อวิเคราะห์ จัดลำดับความสำคัญ และแก้ไขข้อยกเว้นการปฏิบัติงาน โดยมีการแทรกแซงของมนุษย์อย่างจำกัด เทคโนโลยีกำลังทำงานในสภาพแวดล้อมการผลิตสำหรับลูกค้าที่ใช้บริการบริหารจัดการมากกว่า 40 ราย โดยประมวลผลธุรกรรมปฏิบัติงานนับล้านรายการต่อเดือน ในกระบวนการหลังการซื้อขาย การจัดการบัญชี และเวิร์กโฟลว์การบริการลูกค้า จากที่ Broadridge ระบุ ลูกค้าใหม่ที่นำระบบไปใช้สามารถลดต้นทุนการปฏิบัติงานได้สูงถึง 30% ทันทีหลังการติดตั้ง
เปลี่ยนจากผู้ช่วย AI ไปสู่การปฏิบัติงานแบบอิสระ
การนำ AI มาใช้ในช่วงแรกของอุตสาหกรรมการเงินมักมุ่งเน้นการเพิ่มประสิทธิภาพการทำงาน เช่น โคไพลอต (copilot) เครื่องมือช่วยวิเคราะห์ หรืออินเทอร์เฟซแบบสนทนา อย่างไรก็ตาม การติดตั้งของ Broadridge มุ่งไปที่ “agentic AI” ซึ่งเป็นแนวคิดที่ระบบซอฟต์แวร์สามารถดำเนินงานด้านการปฏิบัติการได้เอง ประเมินข้อยกเว้น เริ่มการดำเนินการ และประสานเวิร์กโฟลว์โดยไม่จำเป็นต้องมีคำสั่งจากมนุษย์อย่างต่อเนื่อง
การติดตั้งในปัจจุบันครอบคลุมการทำหน้าที่ด้านการปฏิบัติการ ได้แก่ การจัดการเคสเทรดล้มเหลว การแก้ไข break การประมวลผลข้อยกเว้นด้านการประเมินมูลค่า เวิร์กโฟลว์การดูแลบัญชี การทำให้อัตโนมัติสำหรับการสอบถามลูกค้า และการจัดการเวิร์กโฟลว์อีเมล ระบบทำงานภายใต้สิ่งที่ Broadridge อธิบายว่าเป็น “สถาปัตยกรรมที่มีมนุษย์กำกับ” เพื่อคงไว้ซึ่งการตรวจสอบได้ ความสามารถในการกำกับดูแล และการควบคุมด้านกฎระเบียบ
Tom Carey ประธานฝ่าย Global Technology and Operations ของ Broadridge ให้ความเห็นว่า: “เรามีความเชื่อว่าบริษัทที่เป็นผู้นำในยุคถัดไปของบริการทางการเงิน จะเป็นบริษัทที่ฝัง AI ลงไปโดยตรงในวิธีการทำงาน”
โครงสร้างพื้นฐานด้านข้อมูลและฐานรากด้านออนโทโลยี
หนึ่งในประเด็นที่สำคัญที่สุดของการประกาศจาก Broadridge คือการเน้นเรื่องการทำให้ข้อมูลเป็นมาตรฐาน (data normalization) และโครงสร้างพื้นฐานด้านออนโทโลยี บริษัทให้เหตุผลว่าข้อมูลปฏิบัติการที่กระจัดกระจายยังคงเป็นอุปสรรคหลักที่ขัดขวางการใช้งาน AI ในระดับขนาดใหญ่ในสถาบันการเงิน
ธนาคารและผู้จัดการสินทรัพย์จำนวนมากยังคงทำงานบนระบบที่แยกจากกัน ฐานข้อมูลแบบไซโล เวิร์กโฟลว์เดิม (legacy) และอนุกรมวิธานการปฏิบัติการที่ไม่สอดคล้องกัน ซึ่งสะสมกันมายาวนานหลายทศวรรษ Broadridge อ้างว่าสามารถแก้โจทย์นี้ได้ด้วยสิ่งที่บริษัทอธิบายว่าเป็นออนโทโลยีบริการทางการเงินที่เสร็จสมบูรณ์ของอุตสาหกรรมเป็นรายแรก และทำงานได้ในระดับสถาบัน
ออนโทโลยีทำหน้าที่เป็นชั้นข้อมูลที่อ่านได้ด้วยเครื่องแบบมาตรฐาน (normalized machine-readable data layer) โดยบูรณาการข้อมูลด้านการปฏิบัติการและข้อมูลเชิงธุรกรรมข้ามคลาสสินทรัพย์ เวิร์กโฟลว์ และระบบสถาบันต่าง ๆ ตามที่ Broadridge ระบุ โครงสร้างพื้นฐานดังกล่าวมาจากข้อมูลด้านการปฏิบัติการมากกว่า 60 ปี และรองรับกิจกรรมการเทรดรายวันที่มูลค่ามากกว่า $15 ล้านล้าน ทั้งในหลักทรัพย์ที่ถูกโทเคไนซ์และหลักทรัพย์แบบดั้งเดิม
Broadridge มองว่าโครงสร้างสถาปัตยกรรมข้อมูลแบบมาตรฐานนี้เป็นตัวแยกความแตกต่างสำคัญที่ทำให้ระบบ agentic AI ระดับใช้งานจริง (production-grade) แตกต่างจากการทดลองที่กระจัดกระจาย บริษัทให้เหตุผลว่า “คุณภาพของ AI ในการปฏิบัติการทางการเงิน” ไม่ได้ขึ้นกับความซับซ้อนของโมเดลเพียงอย่างเดียว แต่ขึ้นกับบริบทการปฏิบัติการที่มีโครงสร้าง และข้อมูลสถาบันที่เป็นมาตรฐาน
การบรรจบกันของบริการที่มีการจัดการ (Managed Services) และโครงสร้างพื้นฐานด้าน AI
Broadridge ระบุว่า ความสามารถเชิงตัวแทนของตนพัฒนาผ่านการติดตั้งในสภาพแวดล้อมการผลิตภายในธุรกิจ managed services ตั้งแต่ปี 2024 ตอนนี้บริษัทมีรูปแบบการติดตั้งให้ลูกค้า 2 แบบ ภายใต้โมเดลแรก Broadridge ดูแลการดำเนินงานตั้งแต่ต้นจนจบด้วยโครงสร้างพื้นฐานด้านการเอาท์ซอร์สของตนเอง พร้อมทั้งฝังระบบอัตโนมัติแบบ agentic เข้าไปในเวิร์กโฟลว์เหล่านั้น ส่วนโมเดลที่สองเปิดให้องค์กรต่าง ๆ เชื่อมต่อแพลตฟอร์ม AI ของ Broadridge เข้ากับโครงสร้างพื้นฐานของตนโดยตรงผ่าน API แบบมาตรฐานที่เปิดกว้าง (open-standard APIs)
ทั้งสองแนวทางอาศัยออนโทโลยีและกรอบงานการปฏิบัติการชุดเดียวกัน โครงสร้างแบบสองทางนี้เผยให้เห็นว่า AI กำลังเปลี่ยนแปลงเศรษฐศาสตร์ของการเอาท์ซอร์สทางการเงินมากขึ้น ผู้ให้บริการ managed service ไม่ได้แข่งขันกันเพียงเรื่องขนาดแรงงานหรือความเชี่ยวชาญด้านการปฏิบัติการเท่านั้นอีกต่อไป แต่เริ่มแข่งขันกันมากขึ้นในเรื่องระบบอัตโนมัติของเวิร์กโฟลว์ที่เป็นกรรมสิทธิ์ (proprietary workflow automation), ข่าวกรองเชิงปฏิบัติการ (operational intelligence) และโครงสร้างพื้นฐานที่เปิดใช้งานด้วย AI
ผลกระทบด้านการแข่งขันและกฎระเบียบ
หากระบบ agentic สามารถทำให้งานจำนวนมากในกระบวนการหลังการซื้อขาย รวมถึงการปฏิบัติการของลูกค้า การกระทบยอด การจัดการข้อยกเว้น และการประสานเวิร์กโฟลว์ อัตโนมัติได้สำเร็จ โครงสร้างของทีมปฏิบัติการทางการเงินอาจเปลี่ยนแปลงอย่างมีนัยสำคัญในระยะเวลาอันค่อยเป็นค่อยไป สถาบันการเงินมีแนวโน้มแสวงหาวิธีลดภาระงานเชิงปฏิบัติการแบบใช้แรงคน ในขณะเดียวกันก็ยังคงการปฏิบัติตามข้อกำหนดและการควบคุมด้านกฎระเบียบไว้
ในเวลาเดียวกัน หน่วยงานกำกับดูแลมีแนวโน้มจะจับตาดูว่า “ระบบปฏิบัติการแบบอิสระ” ทำการตัดสินใจอย่างไร เพิ่มระดับความสำคัญของข้อยกเว้น (escalate) จัดการข้อผิดพลาด และคงไว้ซึ่งบันทึกการตรวจสอบได้ (audit trails) Broadridge ย้ำเรื่องการกำกับดูแลโดยมนุษย์และธรรมาภิบาลซ้ำแล้วซ้ำเล่าตลอดการประกาศ ซึ่งสะท้อนว่าบริษัทตระหนักถึงความกังวลเหล่านี้
บริษัทระบุด้วยว่า กำลังสำรวจการเปิดการเข้าถึงส่วนต่าง ๆ ของโครงสร้างพื้นฐานด้านออนโทโลยีให้กับอุตสาหกรรมในวงกว้างผ่านมาตรฐานแบบเปิด หากนำไปใช้ได้จริง นั่นอาจส่งผลต่อวิธีที่สถาบันการเงินทำให้ข้อมูลการปฏิบัติการเป็นมาตรฐาน และนำระบบ AI ที่ทำงานร่วมกันได้ (interoperable) ไปใช้ทั่วทั้งอุตสาหกรรม
