Wat kunnen we leren van AI- en ML-use cases?

Wat kunnen we leren van AI- en ML-use cases?

Tijdstempel: 5 maart 2024 4:05 uur
Wat kunnen we leren van AI- en ML-use cases? PlatoBlockchain-gegevensintelligentie. Verticaal zoeken. Ai.

Volgens een recent onderzoek van de Bank of England blijft het gebruik van ML-technologieën bij Britse financiële dienstverleners toenemen: meer dan 70% van de bedrijven die reageerden, gebruikten of ontwikkelden toepassingen voor machinaal leren (ML), waarbij bedrijven verwachtten dat de
aantal ML-aanvragen zal de komende drie jaar meer dan verdrievoudigen. De gerapporteerde voordelen van ML-technologieën zijn verbeterde data- en analysemogelijkheden, verhoogde operationele efficiëntie en verbeterde detectie van fraude en het witwassen van geld (Bank of
Engeland, 2022).

Als u tot de gelukkige 70% van de bedrijven behoort die ML al hebben geïmplementeerd, weet u dat u goed op weg bent. Het kan echter lijken alsof u ML al hebt toegepast op alle voor de hand liggende gebruiksscenario's binnen uw bedrijf. Aan de andere kant, als je dat wel hebt
Als u nog niet bent begonnen met het ontwikkelen of implementeren van ML-applicaties in uw bedrijf, dan lijkt het misschien allemaal een enorme bergopwaartse worsteling om er zelfs maar over na te denken. Het lijkt inderdaad redelijk om je voor te stellen dat het werkelijke percentage bedrijven dat nog aan hun ML-reis moet beginnen, zal stijgen
is zelfs groter dan 30%, omdat deze cijfers gebaseerd zijn op organisaties die hebben gereageerd op een enquête over ML (dat wil zeggen dat zij een vooringenomenheid met zelfselectie aantonen).

Bij het overwegen van nieuwe mogelijkheden voor ML – of bredere AI – toepassingen, of dit nu voor het eerst is of niet, is het nuttig om te overwegen hoe andere organisaties deze technologieën met succes hebben toegepast. Vaak kan deze informatie moeilijk zijn
toegankelijk zijn, omdat het commercieel gevoelig is. Als het beschikbaar is, kan het worden verborgen in de hoofdtekst van rapporten, enquêteresultaten of andere documentatie. Het doel van mijn recente recensie en optreden deze maand in Londen naast Google, is om te helpen
anderen om deze uitdaging te overwinnen en na literatuuronderzoek een systematisch begrip te delen van AI- en ML-gebruiksscenario’s in het domein van de financiële dienstverlening.

Ik zal de samengevatte samenvatting presenteren die is gegroepeerd in drie hoofdcategorieën: risicobeheer, organisatorisch/operationeel en het verbeteren van de klantervaring en -betrokkenheid. Zoals bij elk literatuuronderzoek moesten er beslissingen worden genomen
het groeperen, categoriseren en opnemen van use cases en hun bronnen. Voor een breder onderzoek dat ook AI- en ML-algoritmen en de risico's met betrekking tot het gebruik van deze technologieën omvat, zou ik bijvoorbeeld het recente rapport van het Turing Instituut aanbevelen
(Maple, et al. 2023).

De financiële dienstverleningssector

Volgens recente onderzoeken adopteren en profiteren organisaties binnen de financiële sector steeds meer van ML- en AI-technologieën, en profiteren ze daar ook van. Een van de hindernissen voor de adoptie van AI is echter het identificeren van geschikte gebruiksscenario’s. In deze
In dit artikel hebben we een reeks gebruiksscenario's onderzocht die grofweg kunnen worden gegroepeerd in 'Risicobeheer', 'Organisatorisch/operationeel' en 'Het verbeteren van de klantervaring en -betrokkenheid'. In sommige gevallen kan het nuttiger zijn om afstand te nemen van specifieke zaken
use cases om een ​​meer inductieve aanpak te gebruiken. Om hierbij te helpen heb ik drie brede kenmerken van AI/ML-gebruiksscenario's gepresenteerd, namelijk 'Bedrijfsprocessen', 'Gegevens' en 'Taaktype', samen met bijbehorende voorbeelden.

Een samenvatting van ML- en AI-technologieën en -toepassingen zou niet compleet zijn zonder in te gaan op de potentiële kansen die generatieve AI biedt. Hoewel deze benaderingen al enkele jaren bestaan, was het eind 2022 en de publieke bètaversie van
ChatGPT van OpenAI en vergelijkbare tools van concurrenten zoals PaLM-2; Dat trok hen onder de aandacht van het grote publiek en bedrijfsleiders. Momenteel zijn dergelijke generatieve AI-benaderingen nog niet opgenomen in systematische reviews van AI- en ML-toepassingen in de financiële sector
diensten (hoewel Buckmann, Haldane en Hüser, 2021 de beperkingen van het eerdere OpenAI-grote taalmodel GPT-3 hebben beoordeeld en geïdentificeerd). Voor de volledigheid moet u echter rekening houden met enkele typische gebieden waar generatieve AI-technologieën voorkomen
zoals ChatGPT effectief kunnen worden toegepast.

Ik kijk ernaar uit om binnenkort gedetailleerde recensies te delen, onder meer tijdens ons Google-evenement in Londen deze maand!

Tijdstempel:

Meer van Fintextra