מה אנחנו יכולים ללמוד ממקרי שימוש ב-AI ו-ML?

הועלה מחדש על ידי אפלטון

עוקב: 0

מה אנחנו יכולים ללמוד ממקרי שימוש ב-AI ו-ML? PlatoBlockchain Data Intelligence. חיפוש אנכי. איי.

על פי סקר שנערך לאחרונה על ידי הבנק המרכזי של אנגליה, השימוש בטכנולוגיות ML בחברות שירותים פיננסיים בבריטניה ממשיך לעלות: למעלה מ-70% מהחברות שהגיבו השתמשו או פיתחו יישומי למידת מכונה (ML), כאשר החברות מצפות
מספר יישומי ML יגדל מפי שלושה במהלך שלוש השנים הבאות. היתרונות המדווחים של טכנולוגיות ML הם יכולות נתונים וניתוח משופרות, הגברת היעילות התפעולית וזיהוי משופר של הונאה והלבנת הון (Bank of
אנגליה, 2022).

אם אתה נמצא ב-70% או משהו כזה של חברות שכבר הטמיעו ML, אתה יודע שהגעת לדבר טוב. עם זאת, זה עשוי להרגיש כאילו כבר החלת ML על כל מקרי השימוש הברורים בעסק שלך. מצד שני, אם יש לך
עדיין לא התחלת לפתח או לפרוס יישומי ML במשרד שלך, אז הכל עשוי להיראות כמו מאבק ענק אפילו להתחיל לשקול את זה. אכן, נראה הגיוני לדמיין שאחוז החברות בפועל שעדיין לא יצאו למסע ה-ML שלהן
הוא אפילו יותר מ-30%, מאחר שהנתונים הללו מבוססים על ארגונים שהגיבו לסקר בנושא ML (כלומר הפגינו הטיה בבחירה עצמית).

כאשר בוחנים הזדמנויות חדשות עבור יישומי ML – או באופן רחב יותר AI – יישומי AI, בין אם זו הפעם הראשונה או לא, כדאי לשקול כיצד ארגונים אחרים יישמו בהצלחה את הטכנולוגיות הללו. לעתים קרובות, מידע זה יכול להיות קשה
לגשת, בשל היותו רגיש מבחינה מסחרית. במקרים שבהם הוא זמין, ניתן לקבור אותו בגוף הדוחות, תוצאות הסקר או תיעוד אחר. מטרת הסקירה וההופעה האחרונה שלי החודש בלונדון לצד גוגל, היא לעזור
אחרים כדי להתגבר על האתגר הזה ולחלוק הבנה שיטתית של מקרי שימוש ב-AI ו-ML בתחום השירותים הפיננסיים לאחר סקר הספרות.

אציג את הסיכום המסונתז המקובץ בשלוש קטגוריות עיקריות: ניהול סיכונים, ארגוני/תפעולי, ושיפור חווית הלקוח ומעורבות. כמו בכל סקירת ספרות, היה צריך לקבל החלטות לגבי
קיבוץ, סיווג והכללה של מקרי שימוש ומקורותיהם. לדוגמה, לסקירה רחבה יותר המכסה גם אלגוריתמים של AI ו-ML וסיכונים הקשורים לשימוש בטכנולוגיות אלה, אמליץ על הדו"ח האחרון של מכון טיורינג
(Maple, et al. 2023).

מגזר השירותים הפיננסיים

על פי סקרים אחרונים, ארגונים במגזר השירותים הפיננסיים מאמצים יותר ויותר - ומרוויחים - טכנולוגיות ML ו-AI. עם זאת, אחד המכשולים לאימוץ AI הוא זיהוי מקרי שימוש מתאימים. בזה
במאמר בדקנו מגוון מקרי שימוש שניתן לקבץ באופן רחב ל'ניהול סיכונים', 'ארגוני/תפעולי' ו'שיפור חווית הלקוח ומעורבותם'. במקרים מסוימים, זה עשוי להיות שימושי יותר להפשט מהפרטים
השתמש במקרים כדי להשתמש בגישה אינדוקטיבית יותר. כדי לעזור בכך, הצגתי שלושה מאפיינים רחבים של מקרי שימוש ב-AI/ML, כלומר 'תהליכים עסקיים', 'נתונים' ו'סוג משימה', יחד עם דוגמאות מתאימות.

סיכום של טכנולוגיות ויישומי ML ו-AI לא יהיה שלם בלי לגעת בהזדמנויות הפוטנציאליות שמציעות AI גנראטיבי. למרות שגישות אלה קיימות כבר כמה שנים, זה היה בסוף 2022 ומהדורת הביטא הציבורית של
ChatGPT של OpenAI וכלים דומים של מתחרים כמו PaLM-2; שהסב אותם לתשומת לב הציבור הרחב ומנהיגים עסקיים. נכון לעכשיו, גישות בינה מלאכותיות כאלה עדיין לא הופיעו בסקירות שיטתיות של יישומי בינה מלאכותית ו-ML בפיננסים
שירותים (למרות ש-Buckmann, Haldane and Hüser, 2021 סקרו וזיהו מגבלות של מודל השפה הגדולה של OpenAI GPT-3). עם זאת, למען השלמות, אתה צריך לשקול כמה תחומים טיפוסיים שבהם טכנולוגיות AI גנרטיביות
כמו ChatGPT ניתן ליישם ביעילות.

אני מצפה לחלוק ביקורות מפורטות בקרוב כולל לעשות זאת באירוע Google שלנו בלונדון החודש!