Apa yang bisa kita pelajari dari kasus penggunaan AI dan ML?

Apa yang bisa kita pelajari dari kasus penggunaan AI dan ML?

Stempel Waktu: 5 Maret 2024 4
Apa yang bisa kita pelajari dari kasus penggunaan AI dan ML? Kecerdasan Data PlatoBlockchain. Pencarian Vertikal. Ai.

Menurut survei terbaru yang dilakukan oleh Bank of England, penggunaan teknologi ML di perusahaan jasa keuangan Inggris terus meningkat: lebih dari 70% perusahaan yang merespons menggunakan atau mengembangkan aplikasi pembelajaran mesin (ML), dan perusahaan mengharapkan hal tersebut.
jumlah aplikasi ML menjadi lebih dari tiga kali lipat selama tiga tahun ke depan. Manfaat yang dilaporkan dari teknologi ML adalah peningkatan kemampuan data dan analitik, peningkatan efisiensi operasional, dan peningkatan deteksi penipuan dan pencucian uang (Bank of
Inggris, 2022).

Jika Anda termasuk dalam 70% atau lebih perusahaan yang beruntung yang telah menerapkan ML, Anda tahu bahwa Anda sedang mendapatkan keuntungan. Namun, sepertinya Anda sudah menerapkan ML ke semua kasus penggunaan yang jelas dalam bisnis Anda. Sebaliknya, jika Anda punya
belum mulai mengembangkan atau menerapkan aplikasi ML di perusahaan Anda, maka mungkin tampak seperti perjuangan berat untuk mulai mempertimbangkannya. Memang, masuk akal untuk membayangkan bahwa persentase sebenarnya perusahaan belum memulai perjalanan ML mereka
bahkan lebih besar dari 30%, karena angka-angka ini didasarkan pada organisasi-organisasi yang menanggapi survei tentang ML (yang menunjukkan bias seleksi mandiri).

Saat mempertimbangkan peluang baru untuk penerapan ML – atau lebih luasnya AI –, baik ini pertama kalinya atau tidak, ada baiknya untuk mempertimbangkan bagaimana organisasi lain telah berhasil menerapkan teknologi ini. Seringkali, informasi ini sulit
untuk mengaksesnya, karena sensitif secara komersial. Jika tersedia, informasi tersebut dapat terkubur dalam laporan, hasil survei, atau dokumentasi lainnya. Tujuan ulasan dan penampilan saya baru-baru ini bulan ini di London bersama Google adalah untuk membantu
pihak lain untuk mengatasi tantangan ini dan berbagi pemahaman sistematis tentang kasus penggunaan AI dan ML di domain jasa keuangan setelah melakukan survei literatur.

Saya akan menyajikan ringkasan sintesis yang dikelompokkan dalam tiga kategori utama: manajemen risiko, organisasi/operasional, dan peningkatan pengalaman dan keterlibatan pelanggan. Seperti halnya dengan tinjauan literatur, keputusan harus dibuat
pengelompokan, kategorisasi dan penyertaan kasus penggunaan dan sumbernya. Misalnya, untuk tinjauan yang lebih luas yang juga mencakup algoritme AI dan ML serta risiko terkait penggunaan teknologi ini, saya akan merekomendasikan laporan terbaru dari Turing Institute
(Maple, dkk. 2023).

Sektor jasa keuangan

Berdasarkan survei terbaru, organisasi-organisasi di sektor jasa keuangan semakin banyak yang mengadopsi – dan mendapatkan manfaat dari – teknologi ML dan AI. Namun, salah satu kendala dalam penerapan AI adalah identifikasi kasus penggunaan yang tepat. Di dalam
artikel kami telah menjelajahi berbagai kasus penggunaan yang dapat dikelompokkan secara luas menjadi 'Manajemen risiko', 'Organisasi / operasional', dan 'Meningkatkan pengalaman dan keterlibatan pelanggan'. Dalam beberapa kasus, mungkin lebih berguna untuk mengabstraksi dari hal-hal spesifik
use case untuk menggunakan pendekatan yang lebih induktif. Untuk membantu hal ini, saya menyajikan tiga karakteristik umum kasus penggunaan AI/ML, yaitu 'Proses bisnis', 'Data', dan 'Jenis tugas', beserta contoh terkait.

Ringkasan teknologi dan aplikasi ML dan AI tidak akan lengkap tanpa menyentuh potensi peluang yang ditawarkan oleh AI generatif. Meskipun pendekatan ini telah ada selama beberapa tahun, itu sudah akhir tahun 2022 dan rilis beta publik
ChatGPT oleh OpenAI dan alat serupa dari pesaing seperti PaLM-2; yang menarik perhatian masyarakat umum dan para pemimpin bisnis. Saat ini, pendekatan AI generatif tersebut belum ditampilkan dalam tinjauan sistematis penerapan AI dan ML di bidang keuangan
layanan (walaupun Buckmann, Haldane dan Hüser, 2021 telah meninjau dan mengidentifikasi keterbatasan model bahasa besar OpenAI sebelumnya, GPT-3). Namun, demi kelengkapan, Anda perlu mempertimbangkan beberapa area umum di mana teknologi AI generatif
seperti ChatGPT dapat diterapkan secara efektif.

Saya berharap dapat segera membagikan ulasan mendetail termasuk melakukannya di acara Google kami di London bulan ini!

Stempel Waktu:

Lebih dari Fintextra