Живые отпечатки предсказывают, что ИИ повысит производительность, генерирует новаторские знания и рационализирует операции — от управления рисками и соответствия фронт -офису и за ее пределами. Но за заголовками остается неприятный вопрос: может ли ИИ действительно удовлетворить эти высокие ожидания, или это риск краха под весом его собственной ажиотажа?
Сердцем проблемы не является самой ИИ, это данные. Во многих учреждениях устаревшие инфраструктуры, фрагментированные архитектуры и системы устаревших устаревших систем продолжают доминировать. Эти установки никогда не должны справляться со шкалом и срочностью, которые требует современный ИИ. Без пересмотра оснований данных даже самые мощные модели ИИ дают неточные результаты, создают ложное доверие и делают компании плохо подготовленными для реагирования на рыночные разработки.
Главный сотрудник по продукту и инновациям в Грешаме.
Содержание
Отсутствующая ссылка в готовности данных
Алгоритмы ИИ стремятся к полноте, точности и последовательности. Тем не менее, компании часто полагаются на системы данных, которые не являются едиными. Неудивительно, что многие финансовые учреждения испытывают трудности в гармонии с различными каналами в режиме реального времени или обновления данных. В результате качество данных быстро ухудшается. Затем ИИ полагается на несвежную или непоследовательную информацию, которая приводит к сомнительным расходам — и, в худшем случае, на дорогих ошибках.
Последние расследования, проведенные Грешамом, избирательными компаниями, которые разделили Соединенные Штаты, Великобритания и регион Дах, показали, что почти все компании начинают использовать ИИ, только 41% указали, что они широко использовали ИИ в бизнес -компаниях. Это несоответствие имеет смысл: если данные перемещены или противоречивы, усилия по ИИ остаются меньшими или чисто исследовательскими. Если стратегии данных надежны, инициативы по искусственному искусству продвигаются быстрее.
Инвестиции в управление данными также увеличиваются. В том же опросе 63% принятия решений, занятых финансовыми услугами по всему миру, заявили, что KI приведет к увеличению затрат на данные в своей компании, что связано с необходимостью новых инструментов и опыта, чтобы гарантировать, что данные готовы к прогрессивному анализу. Примечательно, что 40% выборки предсказывали увеличение хирургического стресса, которое противоречит сущному предположению, что ИИ автоматически уменьшает используемые числа.
Барьеры рисуют
Эти проблемы сильно концентрируются, когда мы рассматриваем базовые системы и структуры в финансовых учреждениях. Многие компании в течение многих лет создавали собственные платформы бэк-офиса и интеграции с конкретными клиентами, и ИИ в эти старые среды не совсем просто. Общение между моделями ИИ и устаревшими платформами может привести к непоследовательному потоку данных и ненадежным выходам.
Вопрос таланта — еще один барьер. ИИ в финансах требует больше, чем кодирование навыков. Это требует глубокого понимания нормативно -правовых базой, специализированных финансовых продуктов и институциональных процессов. Эта смесь трудно найти и кратко оставляет людей, которые могут разрабатывать, реализовать и поддерживать решения искусственного интеллекта в масштабе.
Юридические и лицензионные вопросы приводят к дальнейшим осложнениям. Поскольку генеративный ИИ начинает анализировать текст, изображения и рыночные данные, компании должны ограничивать большую осторожность и ограничивать права на коммерческое использование.
Например, лицензионные соглашения для рыночных и справочных данных не были разработаны с учетом развития навыков ИИ. Существуют также опасения случайно раскрыть конфиденциальную информацию из контролируемых AI инструментов. Условия юридической и оперативной структуры, которые регулируют эти новые технологии, остаются за быстрым введением ИИ.
Изменение концепций качества данных
Качество данных больше не о том, является ли поле правильным или неправильным. Речь идет о понимании того, можете ли вы в первую очередь использовать определенные данные и имеют ли это смысл сделать это. Разрешения, происхождение и потенциал для предвзятых или неоднозначных расходов вступают в игру. Например, крупные модели могут предоставить самостоятельные, но объективно неточные ответы и сделать строгие тесты и валидацию необходимыми.
Старые инструменты каталогизации данных и управления не могут идти в ногу с этими развивающимися требованиями. Статический словарь, который характеризует собственность или приемлемые значения, не охватывает контекстуальные нюансы, которые требует ИИ. Вместо этого современный жизненный цикл данных каталогизирует, ограничения на использование и необходимость использования моделей для гниющих команд или печатных тестов, чтобы показать потенциальные дефекты.
Идите вперед — Зачем прилагать усилия?
Легко понять, почему некоторые остаются скептическими. Инфраструктура данных конверсии, уточнение управления и прекращение специального персонала могут быть дорогими и потребовав временем.
Тем не менее, преимущества ИИ слишком важны для увольнения. SmartAlgorithms превосходит записи моделей в массовых записях данных, именно то, что необходимы финансовым учреждениям для признания мошенничества, знаний о рынке реального времени и анализа прогнозирования рисков. Учреждения, которым удается правильно интегрировать ИИ, часто встречаются быстрее и увлекают возможности, чтобы упускать из виду конкурентов.
Повышение эффективности может быть особенно убедительным. Рутинные задачи, такие как примирение и обработка документов, могут быть автоматизированы для бесплатных человеческих команд, чтобы сосредоточиться на высококачественной и аналитической работе. Кроме того, персонализация, контролируемая ИИ, может углубить отношения с клиентами. Клиенты в отрасли, в которой лояльность не может быть рассмотрена для пользовательского предложения продукта и упреждающих сервисных настроек.
Пусть AI работает
Если отрасль хочет, чтобы ИИ раскрыл свой потенциал, она должна решать проблемы с данными напрямую. Это означает модернизацию устаревшей архитектуры, гарантируя, что качество данных постоянно поддерживается и создается четкие рекомендации по конфиденциальности и лицензированию. Он также должен быть инвестирован в людей, которые могут сократить разрыв между разработкой программного обеспечения, финансами и регулированием. В то же время, юридические команды с изменяющимися моделями, ограничениями использования и лицензионными обязательствами должны идти в ногу.
Так может ли ИИ действительно предоставлять финансовые услуги? Краткий ответ: при условии, что учреждения создают необходимые основы. Эти инструменты могут пересмотреть то, как обрабатываются данные, ускоряют сложные решения и раскрывают разумные знания в области, в которой важны время и точность. Но если компании не обязаны чистить и модернизировать свои данные, ИИ никогда не может выходить за рамки заметных концепций. Реальный успех требует надежных оснований.
Мы представили лучшего создателя сайта ИИ.
Эта статья была произведена в рамках канала Expert Insights Techradarpro, в котором мы сегодня предлагаем лучшие и умные руководители в технологической индустрии. Взгляды, выраженные здесь, относятся к авторскому и не обязательно мнениям Techradarpro или Future PLC. Если вы заинтересованы в том, чтобы определить больше здесь:
