BFSI 시장에서의 생성 AI - 글로벌 산업 규모, 점유율, 추세, 기회 및 예측, 배포별(클라우드 기반, 온프레미스), 기술별(자연어 처리, 머신 러닝, 딥 러닝, 로봇 프로세스 자동화), 애플리케이션별(사기 탐지 및 예방, 고객 서비스 및 지원, 개인화된 재무 자문, 위험 관리 및 규정 준수, 기타), 최종 사용별(은행, 금융 서비스, 보험, 기타), 지역 및 경쟁별, 2019-2029F

시장 개요

글로벌

BFSI 부문은 방대한 양의 데이터에서 학습하여 새로운 콘텐츠, 통찰력 및 솔루션을 만들고 생성하는 고급 AI 기술을 말합니다. 여기에는 머신 러닝 알고리즘을 활용하여 새로운 재무 모델을 생성하고 복잡한 프로세스를 자동화하며 개인화된 고객 상호 작용을 제공하는 것이 포함됩니다. 생성적 AI는 현실적인 재무 시나리오를 생성하고 자동화된 보고서를 작성하며 예측 분석을 통해 의사 결정을 개선하여 운영 효율성을 크게 개선할 수 있습니다. BFSI 부문에서 이 기술은 더 깊은 통찰력과 더 정확한 예측을 제공함으로써 사기 탐지 및 위험 관리에서 고객 서비스 및 규정 준수에 이르기까지 다양한 기능을 혁신합니다. BFSI의 생성적 AI 시장은 여러 가지 추진 요인으로 인해 상당히 증가할 것으로 예상됩니다. 금융 운영에서 자동화와 효율성에 대한 수요가 증가함에 따라 수동 개입을 줄이고 프로세스를 간소화하는 AI 기술 도입이 촉진되고 있습니다. 금융 기관과 보험 회사는 방대한 양의 데이터와 씨름하고 있으며, 생성 AI는 실행 가능한 통찰력을 도출하고 데이터 기반 의사 결정을 보다 효율적으로 내리는 데 도움이 되는 고급 분석 기능을 제공합니다. 향상된 고객 경험에 대한 필요성이 커지면서 고객 참여와 만족도를 개선하는 챗봇 및 가상 비서와 같은 AI 기반 개인화 서비스 및 지원 시스템의 개발이 촉진되고 있습니다. 더 나은 규정 준수 및 위험 관리에 대한 규제 압력으로 인해 기관은 잠재적 위험을 완화하는 동시에 표준을 준수하는 AI 솔루션을 도입해야 합니다. 사이버 위협과 사기의 증가로 인해 사기 활동을 보다 정확하게 탐지하고 예방하도록 설계된 AI 도구의 도입도 가속화되고 있습니다. 자연어 처리 및 딥 러닝을 포함한 AI 기술의 지속적인 발전은 생성 AI의 기능과 응용 프로그램을 지속적으로 향상시켜 경쟁 우위를 추구하는 BFSI 조직에 점점 더 매력적인 투자가 되고 있습니다. 금융 기관과 보험사가 혁신, 효율성, 고객 중심성을 추진하는 데 있어 생성적 AI의 전략적 가치를 점점 더 인식함에 따라 이러한 솔루션 시장은 상당한 성장을 향해 나아가고 있으며, 이는 BFSI 산업의 미래에 대한 AI의 변혁적 영향을 반영합니다.

주요 시장 동인

운영 효율성에 대한 수요 증가

운영 효율성을 향한 추진은 BFSI 부문에서 생성적 인공 지능을 도입하는 데 중요한 요인입니다. 금융 기관은 높은 서비스 표준을 유지하면서 운영을 최적화하고 비용을 절감할 방법을 지속적으로 모색하고 있습니다. 생성적 인공 지능은 반복적이고 복잡한 작업을 자동화하여 프로세스를 간소화하고 수동 개입의 필요성을 줄임으로써 솔루션을 제공합니다. 예를 들어, AI 기반 자동화는 일상적인 데이터 입력을 처리하고, 클레임을 처리하고, 인간보다 더 빠르게 거래를 관리할 수 있습니다. 이를 통해 워크플로가 가속화될 뿐만 아니라 수동 프로세스와 관련된 오류도 최소화됩니다. 조직은 생성적 인공 지능을 운영에 통합함으로써 상당한 비용 절감을 달성하고, 정확성을 높이고, 전반적인 효율성을 개선할 수 있습니다. AI는 방대한 양의 데이터를 분석하고 실행 가능한 통찰력을 생성하여 의사 결정을 더욱 지원하여 기관이 시장 변화와 운영상의 과제에 보다 효과적으로 대응할 수 있도록 합니다. 운영 우수성에 대한 수요가 계속 증가함에 따라 금융 기관이 효율성 목표를 달성하고 경쟁력을 유지하는 데 있어 생성 AI의 역할이 점점 더 중요해지고 있습니다.

고급 사기 탐지 및 위험 관리

생성 AI는 BFSI 부문에서 사기 탐지 및 위험 관리를 발전시키는 데 중요한 역할을 합니다. 금융 기관이 정교한 사기 계획과 규제 압력으로 인해 위협이 증가함에 따라 견고하고 사전 예방적 위험 관리 솔루션에 대한 필요성이 가장 중요해졌습니다. 생성 인공 지능은 대규모 데이터 세트를 분석하여 사기 활동을 나타내는 비정상적인 패턴과 이상을 식별하여 사기 탐지를 강화합니다. AI 시스템은 잠재적 위협을 예상하고 실시간으로 이상을 탐지하는 예측 모델을 생성하여 사기 탐지의 정확도와 속도를 크게 향상시킬 수 있습니다. 마찬가지로 AI 기반 위험 관리 도구는 다양한 금융 시나리오를 시뮬레이션하고 잠재적 위험을 평가하여 기관이 이러한 위험을 완화하고 관리하기 위한 보다 효과적인 전략을 개발할 수 있도록 합니다. 금융 기관은 사기 탐지 및 위험 관리 프로세스에 생성적 인공 지능을 통합하여 자산을 보호하고 규정을 준수하며 평판을 보호하는 능력을 강화할 수 있습니다. AI 기술의 지속적인 발전은 새로운 위협에 대처하고 안전하고 회복성 있는 금융 환경을 유지하는 역량을 더욱 강화합니다.

규정 준수 및 보고

규정 준수 및 정확한 보고에 대한 필요성은 은행, 금융 서비스 및 보험 부문에서 생성적 인공 지능을 도입하는 데 중요한 원동력입니다. 규제 요구 사항이 더욱 엄격하고 복잡해짐에 따라 금융 기관은 규정 준수 표준을 충족하고 정확하고 시기적절한 보고서를 제공해야 합니다. 생성적 인공 지능은 규정 준수 프로세스를 자동화하고 포괄적인 보고서를 생성하여 솔루션을 제공합니다. AI 기술은 최소한의 수동 작업으로 규제 변경 사항을 분석하고, 규정 준수 기준을 준수하며, 자세한 문서를 생성할 수 있습니다. 예를 들어, AI는 규정 준수 보고서를 자동으로 생성하고, 규정 변경 사항을 추적하며, 모든 필수 문서가 제대로 작성되었는지 확인할 수 있습니다. 이를 통해 불이행 및 관련 처벌의 위험을 줄일 뿐만 아니라 보고 프로세스의 효율성도 향상됩니다. 또한 AI는 방대한 양의 데이터를 분석할 수 있어 기관이 잠재적인 규정 준수 문제를 파악하고 사전에 해결하는 데 도움이 됩니다. 규정 준수 및 보고를 위해 생성적 인공 지능을 활용함으로써 금융 기관은 프로세스를 간소화하고, 위험을 완화하며, 더 정확하고 효율적으로 규정 기준을 유지할 수 있습니다.

혁신 및 경쟁 우위

혁신을 추진하고 경쟁 우위를 유지하는 것은 은행, 금융 서비스 및 보험 부문에서 생성적 인공 지능을 도입하는 데 영향을 미치는 핵심 요소입니다. 빠르게 변화하는 금융 환경에서 조직은 경쟁자보다 앞서 나가고 고객의 변화하는 요구를 충족하기 위해 지속적으로 혁신해야 합니다. 생성적 AI를 통해 금융 기관은 시장에서 차별화를 이룰 수 있는 새로운 제품, 서비스 및 비즈니스 모델을 개발할 수 있습니다. 예를 들어, AI는 신흥 시장 트렌드에 맞춰 혁신적인 금융 상품을 생성하거나 고유한 통찰력과 역량을 제공하는 고급 분석 도구를 만들 수 있습니다. 금융 기관은 AI를 운영에 통합하여 시장 역학에 대응하고, 상품 개발을 추진하고, 최첨단 솔루션을 제공하는 능력을 강화할 수 있습니다. AI 기반 혁신을 통해 얻은 경쟁 우위는 조직이 고객을 유치하고 유지하고, 시장 입지를 강화하고, 지속 가능한 성장을 달성하는 데 도움이 됩니다. 금융 부문이 기술 발전을 계속 수용함에 따라 생성적 인공 지능은 혁신을 촉진하고 시장에서 경쟁 우위를 확보하는 데 중요한 역할을 할 것입니다.

주요 시장 과제

데이터 개인 정보 보호 및 보안 문제

BFSI 부문에서 생성적 AI가 직면한 주요 과제 중 하나는 데이터 개인 정보 보호 및 보안을 둘러싼 문제입니다. 생성적 인공 지능 시스템은 효과적으로 작동하려면 방대한 양의 민감하고 기밀 데이터에 액세스해야 합니다. 여기에는 개인 금융 정보, 거래 내역 및 기타 독점 데이터가 포함되며, 손상되면 심각한 보안 침해 및 개인 정보 침해로 이어질 수 있습니다. 생성적 인공지능을 구현하려면 무단 액세스와 잠재적 오용을 방지하기 위한 엄격한 데이터 보호 조치가 필요합니다. 금융 기관은 AI 시스템이 유럽의 일반 데이터 보호 규정이나 미국의 캘리포니아 소비자 개인정보 보호법과 같은 엄격한 데이터 보호 규정을 준수하도록 해야 합니다. 또한 생성적 AI를 사용하면 악의적인 행위자가 악용할 수 있는 AI 알고리즘의 잠재적 취약성을 포함하여 사이버 위협에 대한 새로운 벡터가 도입됩니다. AI 시스템이 해킹, 데이터 침해 및 기타 사이버 보안 위협으로부터 안전한지 확인하는 것은 신뢰를 유지하고 민감한 정보를 보호하는 데 필수적입니다. AI 알고리즘의 복잡성은 때때로 데이터 처리 메커니즘을 가려서 데이터 사용에 대한 완전한 투명성과 제어를 보장하기 어렵게 만들 수 있습니다. 금융 기관은 강력한 보안 프레임워크, 정기적인 감사 및 지속적인 모니터링에 투자하여 데이터 개인 정보를 보호하고 이러한 과제를 효과적으로 해결해야 합니다. 여기에는 고급 암호화 기술 채택, 데이터 전송 채널 보안, 포괄적인 데이터 거버넌스 정책 구현을 통해 잠재적 위협으로부터 보호하고 개인정보 보호 규정 준수를 보장하는 것이 포함됩니다.

레거시 시스템과의 통합

BFSI 부문에서 생성 AI에 대한 또 다른 중요한 과제는 레거시 시스템과의 통합입니다. 많은 금융 기관은 최신 AI 기술을 수용하도록 설계되지 않은 다양한 오래되거나 독점적인 시스템으로 운영됩니다. 이러한 레거시 시스템에 생성 인공 지능을 통합하는 것은 복잡하고 비용이 많이 들며 시간이 많이 걸릴 수 있습니다. 레거시 시스템은 종종 고급 AI 기능을 지원하는 데 필요한 인프라가 부족하여 원활한 통합을 위해 상당한 업그레이드 또는 완전한 정비가 필요합니다. 새로운 AI 솔루션을 기존 시스템과 통합하는 프로세스에는 호환성 문제, 데이터 마이그레이션 과제 및 진행 중인 운영의 잠재적 중단을 해결하는 것이 포함됩니다. 또한 레거시 시스템은 데이터 접근성 및 상호 운용성 측면에서 한계가 있을 수 있으며, 이는 정확하고 실행 가능한 통찰력을 생성하는 생성적 인공 지능의 효과를 방해할 수 있습니다. AI 솔루션을 통합하는 복잡성은 시스템 안정성과 운영 연속성에 대한 우려도 제기합니다. 금융 기관은 중단을 최소화하기 위해 엄격한 테스트와 단계적 구현 방식을 포함하여 통합 전략을 신중하게 계획하고 실행해야 합니다. 이러한 과제는 종종 기술 파트너 및 컨설턴트와 협력하여 레거시 시스템을 업그레이드하고 생성적 인공 지능 애플리케이션을 효과적으로 지원할 수 있도록 하는 데 관련된 기술적 및 조직적 장애물을 탐색해야 합니다.

윤리 및 편견 문제

윤리 및 편견 문제는 BFSI 부문의 생성적 AI에 상당한 과제를 제시합니다. 생성적 인공 지능 시스템은 과거 데이터로 학습되므로 데이터에 존재하는 기존 편견과 불평등을 부주의하게 영속시킬 위험이 있습니다. 예를 들어 신용 평가 또는 대출 승인에 사용되는 AI 모델은 특정 인구 통계 그룹에 대한 과거 편견을 반영하고 강화하여 불공정한 대우와 차별로 이어질 수 있습니다. 이러한 윤리적 우려 사항을 해결하려면 AI 시스템의 설계 및 교육에 세심한 주의를 기울여 편향되지 않고 공평하도록 해야 합니다. 금융 기관은 AI 알고리즘의 편향을 탐지하고 완화하기 위해 엄격한 감독 및 감사 프로세스를 구현해야 합니다. 여기에는 AI 의사 결정 프로세스를 정기적으로 검토하고, 공정성 평가를 실시하고, 편향을 방지하기 위해 교육 데이터를 균형 있게 조정하는 기술을 사용하는 것이 포함됩니다. 또한 AI 시스템이 의사 결정을 내리는 방식에 대한 투명성을 보장하고 영향을 받는 개인에 대한 구제책과 책임에 대한 메커니즘을 제공하는 것은 윤리적 책임이 있습니다. 이 과제는 또한 생성적 인공 지능이 책임감 있게 사용되고 윤리적 기준 및 규제 요구 사항에 부합하도록 보장하는 데까지 확대됩니다. 금융 기관은 고객, 규제 기관, 옹호 단체를 포함한 이해 관계자와 지속적인 대화를 통해 윤리적 우려 사항을 해결하고 책임감 있는 AI 관행을 촉진해야 합니다. 혁신과 윤리적 고려 사항의 균형을 맞추는 것은 대중의 신뢰를 유지하고 생성적 인공 지능이 BFSI 부문에 긍정적으로 기여하도록 하는 데 중요합니다.

주요 시장 동향

AI 기반 통찰력을 통한 향상된 개인화

BFSI 부문 내 생성적 AI 공간에서 두드러진 동향은 향상된 개인화에 대한 집중이 증가하고 있다는 것입니다. 생성적 AI를 통해 금융 기관은 방대한 양의 고객 데이터를 분석하여 고도로 개인화된 금융 상품과 서비스를 생성할 수 있습니다. 여기에는 개별 고객 프로필과 선호도에 따라 맞춤형 투자 포트폴리오, 개인화된 대출 제안, 맞춤형 보험 플랜을 만드는 것이 포함됩니다. 금융 기관은 고급 머신 러닝 알고리즘과 데이터 분석을 활용하여 고객의 특정 요구 사항과 목표에 정확하게 맞는 권장 사항과 솔루션을 제공할 수 있습니다. 이러한 동향은 더욱 관련성 있고 개인화된 경험에 대한 고객의 기대가 커짐에 따라 촉진되었습니다. 금융 기관은 생성적 AI를 활용하여 고객 만족도를 개선할 뿐만 아니라 더욱 긴밀한 고객 관계를 육성하고 충성도를 높이고 있습니다. 개인화된 권장 사항과 솔루션을 제공할 수 있는 능력은 보다 효과적인 교차 판매 및 상향 판매 기회로 이어져 궁극적으로 매출 성장을 촉진할 수 있습니다. 고객의 기대치가 계속 진화함에 따라 개인화에 대한 강조는 경쟁 시장에서 차별화를 모색하는 금융 기관의 핵심 전략이 될 가능성이 높습니다.

AI 기반 위험 관리 및 사기 탐지

또 다른 중요한 추세는 고급 위험 관리 및 사기 탐지를 위한 생성 AI 도입입니다. BFSI 부문은 금융 범죄 및 위험 관리와 관련된 과제가 증가하고 있어 조직이 이러한 분야에서 역량을 강화해야 합니다. 생성 AI 기술은 방대한 양의 거래 데이터를 분석하여 비정상적인 패턴과 잠재적 사기를 실시간으로 식별할 수 있는 정교한 모델을 개발하는 데 사용되고 있습니다. 이러한 AI 기반 시스템은 예측적 통찰력을 생성하고 다양한 위험 시나리오를 시뮬레이션하여 기관이 잠재적 위협에 사전에 대처하고 위험을 완화할 수 있도록 합니다. 생성적 AI를 활용함으로써 금융 기관은 사기 활동을 탐지하고, 거짓 양성을 줄이며, 전반적인 보안을 개선하는 능력을 강화할 수 있습니다. 이러한 추세는 금융 범죄의 복잡성 증가와 보다 효과적이고 효율적인 위험 관리 솔루션에 대한 필요성으로 인해 발생합니다. 생성적 AI를 사기 탐지 시스템에 통합하는 것은 금융 자산을 보호하고 규정 준수를 보장하는 데 있어 상당한 진전을 나타냅니다.

일상적인 운영 및 고객 상호 작용 자동화

일상적인 운영 및 고객 상호 작용의 자동화는 BFSI 부문에서 생성적 AI를 사용함으로써 나타나는 주요 추세입니다. 생성적 AI 기술은 데이터 입력, 문서 처리, 고객 서비스 문의와 같은 다양한 일상적인 작업을 자동화하는 데 점점 더 많이 사용되고 있습니다. 이 자동화는 금융 기관이 운영을 간소화하고, 운영 비용을 절감하고, 전반적인 효율성을 개선하는 데 도움이 됩니다. 예를 들어, AI 기반 챗봇과 가상 비서는 인간의 개입 없이 고객 문의를 처리하고, 거래를 처리하고, 지원을 제공할 수 있어 직원들이 더 복잡한 작업에 집중할 수 있습니다. 또한 생성적 인공 지능은 문서 분석 및 규정 준수 검사를 자동화하여 이러한 작업에 필요한 시간과 노력을 줄일 수 있습니다. 이러한 추세는 BFSI 부문 내에서 디지털 혁신과 운영 효율성을 향한 보다 광범위한 움직임을 반영합니다. 생성적 인공 지능을 통해 자동화를 도입함으로써 금융 기관은 운영 역량을 강화하고, 서비스 제공을 개선하고, 경쟁 우위를 유지할 수 있습니다.

세그먼트별 인사이트

배포 인사이트

클라우드 기반 배포 세그먼트는 2023년 BFSI 시장에서 생성적 AI의 지배적인 세력으로 부상했으며 예측 기간 내내 리더십을 유지할 것으로 예상됩니다. 이러한 지배력은 확장성, 유연성, 비용 효율성을 포함하여 클라우드 기반 솔루션에 내재된 몇 가지 주요 이점에 의해 주도됩니다. 클라우드 기반 배포를 통해 금융 기관은 물리적 인프라에 대한 상당한 사전 투자 없이도 고급 생성적 AI 기술에 액세스할 수 있습니다. 대신, 그들은 클라우드의 리소스를 사용량에 따라 지불하는 방식으로 활용할 수 있으며, 이는 자본 지출을 크게 줄이고 비용을 사용량에 맞춥니다. 클라우드 기반 솔루션은 뛰어난 확장성을 제공하여 기관이 변동하는 수요와 비즈니스 성장에 따라 컴퓨팅 리소스와 스토리지 용량을 쉽게 조정할 수 있도록 합니다. 이러한 확장성은 데이터 볼륨과 처리 요구 사항이 크게 다를 수 있는 BFSI 부문에서 특히 유용합니다. 클라우드는 또한 생성적 AI 도구의 신속한 배포 및 통합을 용이하게 하여 조직이 광범위한 지연 없이 새로운 AI 모델과 업데이트를 신속하게 구현할 수 있도록 합니다. 클라우드 기반 플랫폼은 실시간 데이터 액세스 및 협업을 지원하여 분산된 팀에서 실행 가능한 통찰력을 생성하고 의사 결정을 개선하는 기능을 향상시킵니다. 향상된 보안 기능 및 강력한 규정 준수 제어를 포함한 클라우드 기술의 지속적인 발전은 데이터 보호 및 규정 준수에 관심이 있는 금융 기관에 대한 매력을 더욱 강화합니다. 이러한 이점이 생성적 AI 역량을 최적화하려는 조직에 지속적으로 공감을 얻으면서 클라우드 기반 배포 세그먼트는 BFSI 부문에서 지속적인 성장과 혁신을 주도하면서 그 중요성을 유지할 것으로 예상됩니다.

지역별 통찰력

북미는 2023년 BFSI 시장에서 생성적 AI를 지배했으며 예측 기간 내내 선두 자리를 유지할 것으로 예상됩니다. 이러한 지배력은 주로 이 지역의 첨단 기술 인프라, 금융 기관의 높은 집중도, 강력한 혁신 생태계에 기인합니다. 북미, 특히 미국은 운영 효율성과 고객 경험을 향상시키기 위해 최첨단 기술을 도입하는 데 중점을 둔 잘 정립된 금융 부문을 자랑합니다. 주요 기술 회사의 존재와 강력한 투자 환경이 결합되어 BFSI 부문 내에서 생성적 AI와 그 응용 프로그램의 지속적인 발전을 촉진합니다. 북미 금융 기관은 사기 탐지, 개인화된 고객 서비스, 위험 관리와 같은 응용 프로그램에 생성적 AI를 점점 더 활용하여 광범위한 채택과 통합을 추진하고 있습니다. 이 지역의 지원적인 규제 환경과 디지털 혁신에 대한 강조는 기업이 최신 AI 기술을 구현하여 경쟁력을 유지하려고 하기 때문에 지배력에 기여합니다. 혁신과 기술 발전이 계속 가속화됨에 따라 북미는 상당한 리소스, 산업 전문 지식, 금융 서비스 개선을 위한 AI 활용에 대한 노력으로 인해 생성 AI 시장에서 리더십을 유지할 것으로 예상됩니다.

최근 개발

• 2024년 8월, 일본 외부의 Sompo Holdings Group의 보험 및 재보험 운영을 담당하는 자회사인 Sompo는 현대 기업을 위한 인공 지능 시스템의 주요 공급업체인 Palantir Technologies Inc.와 전략적 파트너십을 발표했습니다. 이 협업은 향후 3년 동안 포괄적인 데이터 통합 및 인공 지능 솔루션을 개발하는 데 상당한 리소스를 투자하는 것을 목표로 합니다. 이 이니셔티브는 브라질의 기업 및 농업 보험 부문의 선도적 기업인 Sompo 내에서 디지털 혁신을 추진하도록 설계되었습니다. 이 파트너십은 Sompo가 고급 AI 기술을 활용하여 운영을 개선하고, 프로세스를 간소화하고, 경쟁이 치열한 보험 시장에서 전반적인 효율성을 개선하려는 의지를 강조합니다.
• Discover Financial Services는 2024년 4월 Google Cloud와의 전략적 파트너십을 발표하여 고객 센터 전반에 생성적 인공 지능 기술을 구현했습니다. 이 협업은 더 빠르고 개인화되고 효율적인 해결책을 제공함으로써 고객과 상담원 모두의 경험을 크게 향상시키고 상담원의 생산성을 높일 것입니다. GoogleCloud의 AI 플랫폼인 Vertex AI를 통합하여 Discover는 약 10,000명의 컨택센터 상담원에게 고급 생성적 AI 도구를 제공할 것입니다. 이러한 도구는 지능형 문서 요약(Vertex AI가 복잡한 정책과 절차를 분석하고 요약하여 상담원이 필수 정보에 빠르게 액세스하고 고객 문의에 효과적으로 대처할 수 있는 빠른 통찰력을 얻을 수 있도록 함) 및 실시간 검색 지원(자연어 처리를 활용하여 상담원이 라이브 상호 작용 중에 광범위한 지식 기반에서 관련 정보를 빠르게 검색할 수 있음. 이 기능을 통해 답변 검색에 소요되는 시간이 줄어들어 상담원이 고객 지원에 더 많은 시간을 할애할 수 있음)과 같은 기능을 제공합니다.
• 2024년 5월, Temenos  AI가 주입된 뱅킹 플랫폼 내에서 혁신적인 Responsible Generative AI 솔루션을 소개했습니다. 이러한 고급 솔루션은 Temenos Core 및 금융 범죄 완화(FCM) 시스템과 완벽하게 통합되어 은행의 데이터 상호 작용을 혁신하고 생산성을 향상시키며 수익성을 높여 상당한 투자 수익을 달성합니다.

주요 시장 참여자

• IBM Corporation
• MicrosoftCorporation
• GoogleLLC
• AmazonWeb Services, Inc.
• Salesforce,Inc.
• SAP SE
• OracleCorporation
• NVIDIACorporation
• PalantirTechnologies Inc.
• C3.ai,Inc.
• DataRobo t,Inc.
• H2O.ai,Inc.