¿Qué podemos aprender de los casos de uso de IA y ML?

Según una encuesta reciente del Banco de Inglaterra, el uso de tecnologías de aprendizaje automático en las empresas de servicios financieros del Reino Unido continúa aumentando: más del 70% de las empresas que respondieron estaban usando o desarrollando aplicaciones de aprendizaje automático (ML), y las empresas esperaban que
El número de solicitudes de lavado de dinero se triplicará en los próximos tres años. Los beneficios reportados de las tecnologías de ML son capacidades mejoradas de datos y análisis, mayor eficiencia operativa y mejor detección de fraude y lavado de dinero (Banco de
Inglaterra, 2022).

Si se encuentra entre el afortunado 70 % de las empresas que ya han implementado el ML, sabrá que ha llegado a algo bueno. Sin embargo, puede parecer que ya ha aplicado el aprendizaje automático a todos los casos de uso obvios dentro de su empresa. Por otro lado, si tienes
Si aún no ha comenzado a desarrollar o implementar aplicaciones de aprendizaje automático en su empresa, entonces podría parecer una gran lucha cuesta arriba incluso comenzar a considerarlo. De hecho, parecería razonable imaginar que el porcentaje real de empresas que aún no se han embarcado en su viaje de ML
es incluso superior al 30%, ya que estas cifras se basan en organizaciones que respondieron a una encuesta sobre ML (es decir, que demuestran un sesgo de autoselección).

Al considerar nuevas oportunidades para aplicaciones de ML (o más ampliamente de IA), ya sea por primera vez o no, es útil considerar cómo otras organizaciones han aplicado con éxito estas tecnologías. A menudo, esta información puede resultar difícil.
de acceso, por ser comercialmente sensible. En los casos en que esté disponible, puede ocultarse en el cuerpo de informes, resultados de encuestas u otra documentación. El propósito de mi reciente reseña y aparición este mes en Londres junto con Google es ayudar
otros para superar este desafío y compartir una comprensión sistemática de los casos de uso de IA y ML en el ámbito de los servicios financieros después de examinar la literatura.

Presentaré el resumen sintetizado que se agrupa en tres categorías principales: gestión de riesgos, organizacional/operacional y mejora de la experiencia y el compromiso del cliente. Como ocurre con cualquier revisión de la literatura, se tuvieron que tomar decisiones sobre
la agrupación, categorización e inclusión de casos de uso y sus fuentes. Por ejemplo, para una revisión más amplia que también cubra los algoritmos de IA y ML y los riesgos relacionados con el uso de estas tecnologías, recomendaría el informe reciente del Instituto Turing.
(Maple, et al.2023).

El sector de servicios financieros.

Según encuestas recientes, las organizaciones del sector de servicios financieros adoptan cada vez más (y se benefician) de las tecnologías de aprendizaje automático e inteligencia artificial. Sin embargo, uno de los obstáculos para la adopción de la IA es la identificación de casos de uso apropiados. En esto
En este artículo hemos explorado una variedad de casos de uso que se pueden agrupar ampliamente en 'Gestión de riesgos', 'Organizacional/operacional' y 'Mejora de la experiencia y el compromiso del cliente'. En algunos casos, podría ser más útil abstraerse de temas específicos.
casos de uso para utilizar un enfoque más inductivo. Para ayudar con esto, presenté tres características generales de los casos de uso de IA/ML, a saber, "procesos de negocio", "datos" y "tipo de tarea", junto con los ejemplos correspondientes.

Un resumen de las tecnologías y aplicaciones de ML e IA no estaría completo sin abordar las oportunidades potenciales que ofrece la IA generativa. Aunque estos enfoques existen desde hace varios años, era a finales de 2022 y la versión beta pública de
ChatGPT de OpenAI y herramientas similares de competidores como PaLM-2; que los llamó la atención del público en general y de los líderes empresariales. Actualmente, estos enfoques de IA generativa aún no han aparecido en revisiones sistemáticas de aplicaciones de IA y ML en el sector financiero.
servicios (aunque Buckmann, Haldane y Hüser, 2021 revisaron e identificaron limitaciones del anterior modelo de lenguaje grande OpenAI, GPT-3). Sin embargo, en aras de la exhaustividad, es necesario considerar algunas áreas típicas en las que las tecnologías de IA generativa
como ChatGPT podrían aplicarse eficazmente.

¡Espero compartir reseñas detalladas pronto, incluso en nuestro evento de Google en Londres este mes!

• Distribución de relaciones públicas y contenido potenciado por SEO. Consiga amplificado hoy.
• PlatoData.Network Vertical Generativo Ai. Empodérate. Accede Aquí.
• PlatoAiStream. Inteligencia Web3. Conocimiento amplificado. Accede Aquí.
• PlatoESG. Carbón, tecnología limpia, Energía, Ambiente, Solar, Gestión de residuos. Accede Aquí.
• PlatoSalud. Inteligencia en Biotecnología y Ensayos Clínicos. Accede Aquí.
• Fuente: https://www.finextra.com/blogposting/25836/what-can-we-learn-from-ai-and-ml-use-cases?utm_medium=rssfinextra&utm_source=finextrablogs