Was können wir aus KI- und ML-Anwendungsfällen lernen?

Was können wir aus KI- und ML-Anwendungsfällen lernen?

Zeitstempel: 5. März 2024, 4:05 Uhr
Was können wir aus KI- und ML-Anwendungsfällen lernen? PlatoBlockchain Data Intelligence. Vertikale Suche. Ai.

Laut einer aktuellen Umfrage der Bank of England nimmt der Einsatz von ML-Technologien in britischen Finanzdienstleistungsunternehmen weiter zu: Über 70 % der Unternehmen, die geantwortet haben, nutzen oder entwickeln Anwendungen für maschinelles Lernen (ML), und die Unternehmen erwarten dies
Die Zahl der ML-Anträge wird sich in den nächsten drei Jahren mehr als verdreifachen. Die berichteten Vorteile von ML-Technologien sind verbesserte Daten- und Analysefunktionen, erhöhte betriebliche Effizienz und eine verbesserte Erkennung von Betrug und Geldwäsche (Bank of
England, 2022).

Wenn Sie zu den glücklichen 70 % der Unternehmen gehören, die ML bereits implementiert haben, wissen Sie, dass Sie auf dem richtigen Weg sind. Allerdings könnte es so aussehen, als hätten Sie ML bereits auf alle offensichtlichen Anwendungsfälle in Ihrem Unternehmen angewendet. Auf der anderen Seite, wenn ja
Wenn Sie in Ihrem Unternehmen noch nicht damit begonnen haben, ML-Anwendungen zu entwickeln oder einzusetzen, dann könnte es Ihnen wie ein großer, mühsamer Kampf erscheinen, überhaupt darüber nachzudenken. In der Tat scheint es vernünftig, sich vorzustellen, dass der tatsächliche Prozentsatz der Unternehmen ihre ML-Reise noch nicht begonnen hat
liegt sogar bei über 30 %, da diese Zahlen auf Organisationen basieren, die auf eine Umfrage zum Thema ML geantwortet haben (dh eine Voreingenommenheit bei der Selbstauswahl gezeigt haben).

Wenn man über neue Möglichkeiten für ML- oder allgemeiner KI-Anwendungen nachdenkt, ist es – ob zum ersten Mal oder nicht – sinnvoll, darüber nachzudenken, wie andere Organisationen diese Technologien erfolgreich eingesetzt haben. Diese Informationen können oft schwierig sein
nicht zugänglich, da es wirtschaftlich sensibel ist. In Fällen, in denen es verfügbar ist, kann es im Hauptteil von Berichten, Umfrageergebnissen oder anderen Dokumentationen vergraben werden. Der Zweck meiner letzten Rezension und meines Auftritts in London diesen Monat zusammen mit Google besteht darin, zu helfen
andere, um diese Herausforderung zu meistern und nach Durchsicht der Fachliteratur ein systematisches Verständnis von KI- und ML-Anwendungsfällen im Finanzdienstleistungsbereich zu teilen.

Ich werde die zusammengefasste Zusammenfassung präsentieren, die in drei Hauptkategorien unterteilt ist: Risikomanagement, organisatorisch/betrieblich und Verbesserung des Kundenerlebnisses und -engagements. Wie bei jeder Literaturrecherche mussten Entscheidungen darüber getroffen werden
die Gruppierung, Kategorisierung und Einbeziehung von Anwendungsfällen und deren Quellen. Für eine umfassendere Übersicht, die auch KI- und ML-Algorithmen und Risiken im Zusammenhang mit der Nutzung dieser Technologien abdeckt, würde ich beispielsweise den aktuellen Bericht des Turing-Instituts empfehlen
(Maple, et al. 2023).

Der Finanzdienstleistungssektor

Jüngsten Umfragen zufolge setzen Unternehmen im Finanzdienstleistungssektor zunehmend ML- und KI-Technologien ein und profitieren davon. Eine der Hürden bei der Einführung von KI ist jedoch die Identifizierung geeigneter Anwendungsfälle. In diesem
In diesem Artikel haben wir eine Reihe von Anwendungsfällen untersucht, die grob in „Risikomanagement“, „Organisatorisch/betrieblich“ und „Verbesserung des Kundenerlebnisses und -engagements“ eingeteilt werden können. In manchen Fällen kann es sinnvoller sein, vom Spezifischen abzustrahieren
Anwendungsfälle, um einen induktiveren Ansatz zu verwenden. Um dabei zu helfen, habe ich drei allgemeine Merkmale von KI/ML-Anwendungsfällen vorgestellt, nämlich „Geschäftsprozesse“, „Daten“ und „Aufgabentyp“, zusammen mit entsprechenden Beispielen.

Eine Zusammenfassung der ML- und KI-Technologien und -Anwendungen wäre nicht vollständig, ohne auf die potenziellen Chancen der generativen KI einzugehen. Obwohl es diese Ansätze schon seit mehreren Jahren gibt, war es Ende 2022 und die öffentliche Beta-Version von
ChatGPT von OpenAI und ähnliche Tools von Konkurrenten wie PaLM-2; Dadurch wurden sie in der breiten Öffentlichkeit und in der Wirtschaft auf sie aufmerksam. Derzeit sind solche generativen KI-Ansätze noch nicht in systematischen Überprüfungen von KI- und ML-Anwendungen im Finanzwesen enthalten
Dienste (obwohl Buckmann, Haldane und Hüser, 2021, die Einschränkungen des früheren OpenAI-Großsprachenmodells GPT-3 überprüften und identifizierten). Der Vollständigkeit halber müssen jedoch einige typische Bereiche betrachtet werden, in denen generative KI-Technologien zum Einsatz kommen
wie ChatGPT könnten effektiv eingesetzt werden.

Ich freue mich darauf, bald detaillierte Bewertungen zu teilen, auch diesen Monat bei unserem Google-Event in London!

Zeitstempel:

Mehr von Fintextra