Cosa possiamo imparare dai casi d’uso di AI e ML?

Cosa possiamo imparare dai casi d’uso di AI e ML?

Timestamp: 5 marzo 2024 4:05
Cosa possiamo imparare dai casi d’uso di AI e ML? Intelligenza dei dati PlatoBlockchain. Ricerca verticale. Ai.

Secondo un recente sondaggio della Banca d’Inghilterra, l’uso delle tecnologie ML nelle società di servizi finanziari del Regno Unito continua ad aumentare: oltre il 70% delle aziende che hanno risposto utilizzava o sviluppava applicazioni di machine learning (ML), con le aziende che si aspettano il
numero di domande di riciclaggio sarà più che triplicato nei prossimi tre anni. I vantaggi segnalati delle tecnologie ML sono capacità di dati e analisi migliorate, maggiore efficienza operativa e migliore rilevamento di frodi e riciclaggio di denaro (Banca di
Inghilterra, 2022).

Se fai parte di quel fortunato 70% circa di aziende che hanno già implementato il machine learning, sai che hai fatto una buona cosa. Tuttavia, potresti avere la sensazione che tu abbia già applicato il machine learning a tutti i casi d’uso ovvi della tua azienda. D'altra parte, se hai
non hai ancora iniziato a sviluppare o distribuire applicazioni ML nella tua azienda, allora potrebbe sembrare un'enorme strada in salita anche solo iniziare a prenderla in considerazione. In effetti, sembrerebbe ragionevole immaginare che questa sia la percentuale effettiva di aziende che devono ancora intraprendere il percorso di ML
è addirittura superiore al 30%, poiché queste cifre si basano su organizzazioni che hanno risposto a un sondaggio sul ML (ovvero dimostrando pregiudizi di autoselezione).

Quando si considerano nuove opportunità per le applicazioni ML (o, più in generale, di intelligenza artificiale), che si tratti della prima volta o meno, è utile considerare come altre organizzazioni hanno applicato con successo queste tecnologie. Spesso queste informazioni possono essere difficili
ad accedere, poiché è commercialmente sensibile. Nei casi in cui è disponibile, può essere sepolto nel corpo di rapporti, risultati di sondaggi o altra documentazione. Lo scopo della mia recente recensione e della mia apparizione questo mese a Londra insieme a Google è di aiutare
altri per superare questa sfida e condividere una comprensione sistematica dei casi d’uso di AI e ML nel settore dei servizi finanziari dopo aver esaminato la letteratura.

Presenterò il riepilogo sintetizzato raggruppato in tre categorie principali: gestione del rischio, organizzativo/operativo e miglioramento dell'esperienza e del coinvolgimento del cliente. Come nel caso di qualsiasi revisione della letteratura, è stato necessario prendere delle decisioni in merito
il raggruppamento, la categorizzazione e l'inclusione dei casi d'uso e delle loro fonti. Ad esempio, per una revisione più ampia che copra anche gli algoritmi di AI e ML e i rischi relativi all’uso di queste tecnologie, consiglierei il recente rapporto del Turing Institute
(Maple, et al. 2023).

Il settore dei servizi finanziari

Secondo recenti sondaggi, le organizzazioni del settore dei servizi finanziari stanno adottando sempre più – e beneficiando – le tecnologie ML e AI. Tuttavia, uno degli ostacoli all’adozione dell’IA è l’identificazione di casi d’uso appropriati. In questo
In questo articolo abbiamo esplorato una serie di casi d'uso che possono essere ampiamente raggruppati in "Gestione del rischio", "Organizzativo/operativo" e "Miglioramento dell'esperienza e del coinvolgimento del cliente". In alcuni casi, potrebbe essere più utile astrarre dallo specifico
casi d’uso per utilizzare un approccio più induttivo. Per facilitare questo, ho presentato tre caratteristiche generali dei casi d'uso AI/ML, vale a dire "Processi aziendali", "Dati" e "Tipo di attività", insieme agli esempi corrispondenti.

Una sintesi delle tecnologie e delle applicazioni ML e AI non sarebbe completa senza toccare le potenziali opportunità offerte dall’IA generativa. Sebbene questi approcci esistessero da diversi anni, era la fine del 2022 e il rilascio della beta pubblica
ChatGPT di OpenAI e strumenti simili di concorrenti come PaLM-2; che li ha attirati all’attenzione del grande pubblico e dei leader aziendali. Attualmente, tali approcci di intelligenza artificiale generativa devono ancora essere presenti nelle revisioni sistematiche delle applicazioni di intelligenza artificiale e machine learning in ambito finanziario
servizi (sebbene Buckmann, Haldane e Hüser, 2021 abbiano esaminato e identificato i limiti del precedente modello di linguaggio di grandi dimensioni OpenAI GPT-3). Tuttavia, per completezza, è necessario considerare alcuni ambiti tipici in cui operano le tecnologie di intelligenza artificiale generativa
come ChatGPT potrebbe essere applicato in modo efficace.

Non vedo l'ora di condividere presto recensioni dettagliate, incluso il nostro evento Google a Londra questo mese!

Timestamp:

Di più da Fintextra