Hvad kan vi lære af AI og ML use cases?

Hvad kan vi lære af AI og ML use cases?

Tidsstempel: 5. marts 2024 kl. 4:05
Hvad kan vi lære af AI og ML use cases? PlatoBlockchain Data Intelligence. Lodret søgning. Ai.

Ifølge en nylig undersøgelse foretaget af Bank of England fortsætter brugen af ​​ML-teknologier i britiske finansielle servicevirksomheder med at stige: over 70 % af de virksomheder, der svarede, brugte eller udviklede maskinlæringsapplikationer (ML), hvor virksomhederne forventer, at
antallet af ML-ansøgninger mere end tredobles over de næste tre år. De rapporterede fordele ved ML-teknologier er forbedrede data- og analysemuligheder, øget driftseffektivitet og forbedret opdagelse af bedrageri og hvidvaskning af penge (Bank of
England, 2022).

Hvis du er i de heldige 70 % eller deromkring af virksomheder, der allerede har implementeret ML, ved du, at du er på vej til en god ting. Det kan dog føles, som om du allerede har anvendt ML på alle de åbenlyse use cases i din virksomhed. På den anden side, hvis du har
ikke begyndt at udvikle eller implementere ML-applikationer endnu i din virksomhed, så kan det hele virke som en kæmpe kamp op ad bakke for overhovedet at begynde at overveje det. Det virker faktisk rimeligt at forestille sig, at den faktiske procentdel af virksomheder, der endnu ikke er påbegyndt deres ML-rejse
er endda større end 30 %, da disse tal er baseret på organisationer, der har svaret på en undersøgelse om ML (dvs. demonstrerer selvvalgsbias).

Når man overvejer nye muligheder for ML – eller mere bredt AI – applikationer, uanset om det er for første gang eller ej, er det nyttigt at overveje, hvordan andre organisationer med succes har anvendt disse teknologier. Ofte kan denne information være svær
at få adgang til, da det er kommercielt følsomt. I tilfælde, hvor det er tilgængeligt, kan det begraves i rapporten, undersøgelsesresultater eller anden dokumentation. Formålet med min seneste anmeldelse og optræden i denne måned i London sammen med Google er at hjælpe
andre for at overvinde denne udfordring og for at dele en systematisk forståelse af AI- og ML-brugssager i domænet for finansielle tjenesteydelser efter at have gennemgået litteraturen.

Jeg vil præsentere det syntetiserede resumé, som er grupperet under tre hovedkategorier: risikostyring, organisatorisk / operationel og forbedring af kundeoplevelse og engagement. Som det er tilfældet med enhver litteraturgennemgang, skulle der træffes beslutninger om
gruppering, kategorisering og inklusion af use cases og deres kilder. For en bredere gennemgang, som også dækker AI- og ML-algoritmer og risici i forbindelse med brugen af ​​disse teknologier, vil jeg anbefale den nylige rapport fra Turing Institute
(Maple, et al. 2023).

Den finansielle servicesektor

Ifølge nylige undersøgelser anvender organisationer inden for finanssektoren i stigende grad – og drager fordel af – ML- og AI-teknologier. En af forhindringerne for AI-adoption er imidlertid identifikation af passende use cases. Heri
artiklen har vi udforsket en række use cases, som bredt kan grupperes i 'Risikostyring', 'Organisatorisk / operationel' og 'Forbedring af kundeoplevelse og engagement'. I nogle tilfælde kan det være mere nyttigt at abstrahere væk fra specifikke
use cases for at bruge en mere induktiv tilgang. For at hjælpe med dette præsenterede jeg tre brede karakteristika for AI/ML use cases, nemlig 'Forretningsprocesser', 'Data' og 'Task type' sammen med tilsvarende eksempler.

En oversigt over ML- og AI-teknologier og -applikationer ville ikke være komplet uden at berøre de potentielle muligheder, som generativ AI tilbyder. Selvom disse tilgange har eksisteret i flere år, var det sent i 2022 og den offentlige betaudgivelse af
ChatGPT af OpenAI og lignende værktøjer fra konkurrenter som PaLM-2; der henledte dem til den brede offentlighed og erhvervslederes opmærksomhed. I øjeblikket har sådanne generative AI-tilgange endnu ikke været med i systematiske gennemgange af AI- og ML-applikationer i finansiel
tjenester (selvom Buckmann, Haldane og Hüser, 2021 gennemgik og identificerede begrænsninger af den tidligere OpenAI store sprogmodel GPT-3). Men af ​​hensyn til fuldstændigheden skal du overveje nogle typiske områder, hvor generative AI-teknologier
såsom ChatGPT kunne anvendes effektivt.

Jeg ser frem til at dele detaljerede anmeldelser snart, herunder at gøre det ved vores Google-begivenhed i London i denne måned!

Tidsstempel:

Mere fra Fintextra