Vad kan vi lära oss av AI och ML användningsfall?

Vad kan vi lära oss av AI och ML användningsfall?

Tidsstämpel: 5 mars 2024 4:05
Vad kan vi lära oss av AI och ML användningsfall? PlatoBlockchain Data Intelligence. Vertikal sökning. Ai.

Enligt en nyligen genomförd undersökning från Bank of England fortsätter användningen av ML-teknologier i brittiska finansiella tjänsteföretag att öka: över 70 % av de företag som svarade använde eller utvecklade applikationer för maskininlärning (ML), med företag som förväntade sig
antalet ML-ansökningar att mer än tredubblas under de kommande tre åren. De rapporterade fördelarna med ML-tekniker är förbättrade data- och analysmöjligheter, ökad operativ effektivitet och förbättrad upptäckt av bedrägerier och penningtvätt (Bank of
England, 2022).

Om du är i de lyckliga 70 % eller så av företag som redan har implementerat ML, vet du att du är inne på en bra sak. Det kan dock kännas som att du redan har tillämpat ML på alla uppenbara användningsfall inom ditt företag. Å andra sidan, om du har
inte börjat utveckla eller distribuera ML-applikationer ännu i ditt företag, då kan det verka som en enorm kamp i uppförsbacke att ens börja överväga det. Det verkar faktiskt rimligt att föreställa sig att den faktiska andelen företag som ännu inte har påbörjat sin ML-resa
är till och med större än 30 %, eftersom dessa siffror är baserade på organisationer som svarat på en enkät om ML (dvs. visat sig vara partisk för självval).

När man överväger nya möjligheter för ML – eller mer allmänt AI – applikationer, oavsett om detta är för första gången eller inte, är det användbart att överväga hur andra organisationer framgångsrikt har tillämpat dessa teknologier. Ofta kan denna information vara svår
att komma åt, eftersom det är kommersiellt känsligt. I de fall det är tillgängligt kan det begravas i rapporten, undersökningsresultat eller annan dokumentation. Syftet med min senaste recension och framträdande denna månad i London tillsammans med Google är att hjälpa
andra för att övervinna denna utmaning och för att dela en systematisk förståelse av AI och ML användningsfall inom finansiella tjänster efter att ha granskat litteraturen.

Jag kommer att presentera den syntetiserade sammanfattningen som är grupperad i tre huvudkategorier: riskhantering, organisatorisk/operativ och förbättra kundupplevelse och engagemang. Som är fallet med all litteraturgenomgång måste beslut fattas om
gruppering, kategorisering och inkludering av användningsfall och deras källor. Till exempel, för en bredare översyn som också täcker AI- och ML-algoritmer och risker relaterade till användningen av dessa teknologier, skulle jag rekommendera den senaste rapporten från Turing Institute
(Maple, et al. 2023).

Den finansiella tjänstesektorn

Enligt färska undersökningar antar organisationer inom finanssektorn i allt högre grad – och drar nytta av – ML- och AI-teknologier. Ett av hindren för adoption av AI är dock identifieringen av lämpliga användningsfall. I denna
artikeln har vi utforskat en rad användningsfall som kan grupperas brett i "Riskhantering", "Organisatorisk/operativ" och "Förbättra kundupplevelse och engagemang". I vissa fall kan det vara mer användbart att abstrahera bort från specifika
använd fall för att använda ett mer induktivt tillvägagångssätt. För att hjälpa till med detta presenterade jag tre breda egenskaper hos AI/ML-användningsfall, nämligen 'affärsprocesser', 'data' och 'uppgiftstyp', tillsammans med motsvarande exempel.

En sammanfattning av ML- och AI-teknologier och applikationer skulle inte vara komplett utan att beröra de potentiella möjligheter som generativ AI erbjuder. Även om dessa metoder har funnits i flera år, var det sent 2022 och den offentliga betaversionen av
ChatGPT av OpenAI och liknande verktyg från konkurrenter som PaLM-2; som drog dem till allmänhetens och företagsledares uppmärksamhet. För närvarande har sådana generativa AI-metoder ännu inte förekommit i systematiska granskningar av AI- och ML-tillämpningar inom finansiell
tjänster (även om Buckmann, Haldane och Hüser, 2021 granskade och identifierade begränsningar hos den tidigare OpenAI-storspråksmodellen GPT-3). Men för fullständighetens intresse måste du överväga några typiska områden där generativ AI-teknik
som ChatGPT skulle kunna tillämpas effektivt.

Jag ser fram emot att dela detaljerade recensioner snart, inklusive att göra det på vårt Google-evenemang i London den här månaden!

Tidsstämpel:

Mer från Fintextra