Que pouvons-nous apprendre des cas d’utilisation de l’IA et du ML ?

Que pouvons-nous apprendre des cas d’utilisation de l’IA et du ML ?

Horodatage: 5 mars 2024 4:05
Que pouvons-nous apprendre des cas d’utilisation de l’IA et du ML ? Intelligence des données PlatoBlockchain. Recherche verticale. Aï.

Selon une enquête récente de la Banque d'Angleterre, l'utilisation des technologies de ML dans les sociétés de services financiers britanniques continue d'augmenter : plus de 70 % des entreprises ayant répondu utilisaient ou développaient des applications d'apprentissage automatique (ML), les entreprises s'attendant à ce que
le nombre de demandes de ML va plus que tripler au cours des trois prochaines années. Les avantages signalés des technologies ML sont des capacités de données et d'analyse améliorées, une efficacité opérationnelle accrue et une détection améliorée de la fraude et du blanchiment d'argent (Bank of
Angleterre, 2022).

Si vous faites partie des quelque 70 % de chanceux qui ont déjà mis en œuvre le ML, vous savez que vous êtes sur la bonne voie. Cependant, vous aurez peut-être l'impression d'avoir déjà appliqué le ML à tous les cas d'utilisation évidents au sein de votre entreprise. Par contre, si vous avez
Si vous n'avez pas encore commencé à développer ou à déployer des applications ML dans votre entreprise, cela peut sembler une tâche ardue de ne serait-ce que commencer à l'envisager. En effet, il semblerait raisonnable d’imaginer que le pourcentage réel d’entreprises qui n’ont pas encore entrepris leur parcours de ML
est même supérieur à 30 %, puisque ces chiffres sont basés sur des organisations qui ont répondu à une enquête sur le ML (c'est-à-dire démontrant un biais d'auto-sélection).

Lorsque l’on envisage de nouvelles opportunités pour les applications de ML – ou plus largement d’IA –, que ce soit pour la première fois ou non, il est utile de considérer comment d’autres organisations ont appliqué avec succès ces technologies. Souvent, ces informations peuvent être difficiles
accès, car il est commercialement sensible. Lorsqu’elles sont disponibles, elles peuvent être enfouies dans le corps des rapports, des résultats d’enquêtes ou d’autres documents. Le but de mon récent examen et de ma comparution ce mois-ci à Londres aux côtés de Google est d'aider
d’autres pour surmonter ce défi et partager une compréhension systématique des cas d’utilisation de l’IA et du ML dans le domaine des services financiers après avoir étudié la littérature.

Je présenterai le résumé synthétisé qui est regroupé sous trois catégories principales : gestion des risques, organisationnel/opérationnel et amélioration de l'expérience et de l'engagement client. Comme c'est le cas pour toute revue de la littérature, des décisions ont dû être prises concernant
le regroupement, la catégorisation et l’inclusion des cas d’utilisation et de leurs sources. Par exemple, pour une étude plus large couvrant également les algorithmes d’IA et de ML ainsi que les risques liés à l’utilisation de ces technologies, je recommanderais le récent rapport du Turing Institute.
(Maple et coll. 2023).

Le secteur des services financiers

Selon des enquêtes récentes, les organisations du secteur des services financiers adoptent de plus en plus – et profitent – ​​des technologies de ML et d’IA. Cependant, l’un des obstacles à l’adoption de l’IA est l’identification de cas d’utilisation appropriés. Dans ce
Dans cet article, nous avons exploré une gamme de cas d'utilisation qui peuvent être largement regroupés en « Gestion des risques », « Organisationnel/Opérationnel » et « Amélioration de l'expérience et de l'engagement client ». Dans certains cas, il peut être plus utile de faire abstraction des aspects spécifiques
cas d’usage afin d’utiliser une approche plus inductive. Pour vous aider, j'ai présenté trois grandes caractéristiques des cas d'utilisation de l'IA/ML, à savoir « Processus métier », « Données » et « Type de tâche », ainsi que des exemples correspondants.

Un résumé des technologies et applications du ML et de l’IA ne serait pas complet sans aborder les opportunités potentielles offertes par l’IA générative. Bien que ces approches existent depuis plusieurs années, c'était fin 2022 et la version bêta publique de
ChatGPT par OpenAI et des outils similaires de concurrents tels que PaLM-2 ; cela les a attirés à l’attention du grand public et des chefs d’entreprise. Actuellement, de telles approches d’IA générative ne figurent pas encore dans les revues systématiques des applications d’IA et de ML dans le domaine financier.
services (bien que Buckmann, Haldane et Hüser, 2021 aient examiné et identifié les limites du précédent modèle de grand langage OpenAI GPT-3). Cependant, par souci d’exhaustivité, vous devez considérer certains domaines typiques dans lesquels les technologies d’IA générative
tels que ChatGPT pourraient être appliqués efficacement.

J'ai hâte de partager bientôt des critiques détaillées, notamment lors de notre événement Google à Londres ce mois-ci !

Horodatage:

Plus de Fintextra