تجاوز به هوش مصنوعی در امور مالی

از زمان طلوع عاشقانه های بشر و رشد توانایی های تخیلی ، میل به ایجاد تقلیدی از تفکر در قالب سازه ای که همانند سازی هوش انسانی را برای فعالیت به عنوان دستیار انجام می دهد ، در تمام کارهای هنری قابل پیگیری است. ادبیات.

از کارگران طلایی خوانده که به هفائستوس در جعل جعل کمک می کنند تا گولم بدنام ، تقلید از زندگی متفکر ، تخیل انسان را پیش برده و مخترعان را هر چه بیشتر به قلمرویی سوق می دهد که اکنون آنها را می شناسیم هوش مصنوعی.

اما تنها در دهه 1950 بود که رایانه های به اندازه اتاق راه را برای برنامه نویسی و اولین تلاش ها برای تکثیر سازه های هوش مصنوعی و شبکه های عصبی هموار کردند. امکان پذیر شد.

از آنجا که اقتصاد تقریباً هر حوزه فعالیت انسانی را مورد تأیید قرار داده ، اختراعات و نوآوری ها را از طریق منشور سودآوری تصویب یا از بین می برد ، هوش مصنوعی نیز با بازگشت سرمایه ، قضاوت را طی می کند.

و اکنون هوش مصنوعی اهداف خود را در بخش مالی حل و فصل کرده است ، و تبدیل به یک اصطلاح کاملاً جدید می شود که به عنوان fintech شناخته می شود. بانکداری ، تجارت و سرمایه گذاری زمینه های جدیدی است که AI در سال های آینده به عنوان خانه خود فراخوانی می کند.

هوش مصنوعی در حال آمدن است

دلایل اصلی چرا هوش مصنوعی حل و فصل شده است در بخش مالی عمدتا به لطف این واقعیت ساده است که این فناوری برای مقابله با حجم گسترده ای از داده ها و انجام کاری که از زمان های بسیار قدیم تصور می شد ، مناسب ترین است – کمک به ذهن انسان برای کنار آمدن با وظایفی که از نظر زیست شناختی محدود است.

بخش مالی شامل مقادیر زیادی داده است که برای استخراج اطلاعات معنی داری که می تواند برای سودآوری استفاده شود ، نیاز به پردازش و تجزیه و تحلیل دارند. و این منطقه اصلی است که هوش مصنوعی می تواند با برنامه ریزی برای بدست آوردن و استخراج نتایج یا روندها به عنوان ابزاری پیش بینی از آرایه داده های منتقل شده از زیرساخت های مالی ، به آن کمک کند..

طبیعتاً ، همانطور که در هر فناوری وجود دارد ، هوش مصنوعی از چرخه های اصلی توسعه و در نتیجه لول های ناشی از سرخوردگی یا بحران های مالی عبور کرده است.

آخرین چرخه “زمستانی” مربوط به دهه 1990 بود و تا سالهای اخیر نیز ادامه داشت ، تا اینکه اقتصاد جهانی به طور کامل بهبود یافت تا از فن آوری های جدید استقبال کند و به پیشرفتی در نوآوری ها دست یابد. فناوری های نتیجه گیری AI در راس این جنبش بوده و کاربردهای بی شماری را به خود دیده است.

هوش مصنوعی به عنوان Fintech: هوش مصنوعی چگونه Fintech را تغییر داده است?

اولین و محسوس ترین تظاهرات هوش مصنوعی را می توان در ظهور ربات ها مشاهده کرد.

هرکسی که تا به حال وارد یک فروشگاه اینترنتی شده و با یک دستیار آنلاین گفتگو کرده است ، احتمالاً با یک ربات چت کرده است. یک مطالعه از Statista نشان داد که انتظار می رود تعداد مصرف کنندگان استفاده کننده از دستیار مجازی در سراسر جهان در سال 2018 بیش از یک میلیارد نفر باشد.

کلمه “بهینه سازی” در اصطلاحات اقتصادی به معنی دو چیز است که در یک قالب شکل می گیرد – کاهش یا هزینه ها و افزایش بهره وری. نتیجه اخراج کارمندان از طریق معرفی ربات ها ، یا بهتر بگوییم ساختارهای ساده AI است که می تواند برای انجام کارهای ساده ، مانند پاسخ به س clientالات مشتری از طریق یک سری الگوریتم های از پیش برنامه ریزی شده ، برنامه ریزی شود..

چنین ربات هایی قادر به پاسخگویی همزمان به چندین درخواست و منجر به فروش هستند ، کاری که مدیران انسانی در انجام چنین مقیاسی قادر به انجام آن نیستند. ربات ها در صنایع مختلف نفوذ کرده اند ، از تجارت آنلاین گرفته تا بانکداری ، جایی که قبلاً جایگزین لایه بزرگی از مدیران خط متوسط ​​شده اند..

Sberbank ، بزرگترین غول مالی روسیه ، اخیراً فعالیت کرده است اعلام کرد که راه حل های هوش مصنوعی تا 90 درصد از کارکنان خط متوسط ​​را کاهش داده و منجر به کاهش بازدید مشتری از شعب تا 5 میلیون نفر در سال 2018 شده است. یک موفقیت قابل توجه در صرفه جویی در هزینه.

تجزیه و تحلیل پیش بینی یکی دیگر از کاربردهای بی نظیر فناوری های هوش مصنوعی است که اخیراً به صحنه مالی راه پیدا کرده است.

NASDAQ از سال 2018 استخدام هوش مصنوعی را در کف معاملات خود آغاز کرد و شاخص هوش مصنوعی و رباتیک NASDQ CTA (NQROBO) از رقبای خود ، شاخص رباتیک و اتوماسیون جهانی ROBO و رباتیک جهانی Indxx ، بهتر عمل کرد. & شاخص موضوعی هوش مصنوعی (IBOTZ) به ترتیب 5.3٪ در مقابل 0.19٪ و 2.71٪.

استفاده از هوش مصنوعی برای تجزیه و تحلیل حرکات بالقوه نمودار در حال تبدیل شدن به یک گزینه مناسب و سودآور برای نگهداری تعداد زیادی از تحلیلگران است که هرگز قادر به پردازش مقادیر اطلاعاتی AI در عرض چند ثانیه نیستند..

در همین زمان ، بانک UBS سوئیس ، که به دلیل دارایی خود در رده 35 جهان قرار دارد ، اخیراً با آمازون همکاری کرده است تا سرویس “Ask UBS” خود را در دستگاه های بلندگو Echo مجهز به الکسا بگنجاند..

تجارت پول نکته مهم بعدی برای هوش مصنوعی است ، زیرا استفاده از ترکیبی از تجزیه و تحلیل پیش بینی و ربات ها برای نگاه کردن به آینده بر اساس داده های جمع آوری شده از اینترنت در مورد حرکات بالقوه بازار ، یک ابزار ارزشمند برای معامله گران است..

هوش مصنوعی تخصصی می تواند داده های گسترده ای را از شبکه های اجتماعی و کانال های خبری خلاصه کند تا پیش بینی نرخ ارز هر ارز را تنظیم کند. و این ابزاری است که به طور فعال در هر دو طبقه اصلی معاملات و استارت آپ های مالی کوچکتر به کار گرفته می شود.

GAN یا General Adversarial Networks یکی از این موارد است بزرگترین روندها از سالهای آینده.

GAN ها توسط Ian Goodfellow در سال 2014 اختراع شد و از دو شبکه عصبی به عنوان یک تبعیض کننده و یک ژنراتور تشکیل شده است که می تواند هر نوع داده را بین خود طبقه بندی کرده و در صورت توافق زمانی که ژنراتور عکس های غیرقابل تشخیص تولید می کند ، به تعادل برسد. داده های واقعی.

به عبارت دیگر ، GAN ها می توانند به صورت نامحدود آموزش ببینند و بی وقفه یاد بگیرند. این خبر خارق العاده ای برای fintech است زیرا صنعت قادر خواهد بود این شبکه ها را به صورت جداگانه آموزش دهد تا رفتار واقعی بازار را شکل دهند ، بنابراین برای هر کس از بازرگانان گرفته تا مدیران ریسک به ابزاری فرستاده می شود..

روند استفاده آینده از هوش مصنوعی

در کنار GAN ها ، مشهودترین جلوه های هوش مصنوعی در fintech در سال های آینده نه چندان بر نوآوری ، بلکه بر روی کاربرد. بیشترین روندها استفاده از هوش مصنوعی در امنیت ، شخصی سازی و بهینه سازی فرآیند است.

صنایع بانکی و مالی بطور کلی در طی سالهای گذشته با مشکلات امنیتی روبرو بوده اند و هوش مصنوعی یکی از ابزارهایی است که به نظر می رسد قادر به بازخرید خلأهای متعدد موجود در سیستم باشد. استفاده از داده های بیومتریک ، مانند اثر انگشت و الگوهای شبکیه برای شناسایی مشتری یکی از زمینه هایی است که می تواند هوش مصنوعی را همراه با فن آوری های شناسایی چهره که توسط اپل در تلفن های خود برای خدمات Apple Pay استفاده می شود ، اعمال کند..

گزارش اخیر Goode Intelligence ادعا می کند که 1.9 میلیارد مشتری بانکی از شناسایی بیومتریک به یک شکل یا شکل دیگر تا سال 2021 استفاده می کنند. کلاهبرداری یکی از زمینه های کلیدی است که در صورت اعمال صحیح در بخش های پیشگیری از کلاهبرداری ، AI می تواند آن را از بین ببرد..

شخصی سازی تجارب کاربر با بانک ها یک چالش بزرگ برای صنعت به طور کلی است زیرا مشتریان در زمینه سواد مالی خود خواستار ، دمدمی مزاج ، باهوش فنی و پیشرفته تر می شوند. شخصی سازی و شخصی سازی تجارب کاربر بدون استفاده از هوش مصنوعی قابل تصور نیست ، زیرا مورد آخر کلید پیش بینی درخواست های کاربر و تأمین آنها برای آنها قبل از این است که مشتری حتی بداند که در آینده چه مواردی را لازم دارد.

با تکیه بر تحلیل رفتار مشتری ، هوش مصنوعی می تواند به یک قدرتمند تبدیل شود ابزار تبلیغاتی برای ابزارها و محصولات مالی.

نیازی به گفتن نیست ، بهینه سازی فرآیندهای مدیریت داخلی و مشتری یکی از زمینه های کلیدی است که هوش مصنوعی در سال های آینده با تلاش سازمان ها برای کاهش هزینه ها و ساده سازی گردش کار ، مورد استفاده قرار خواهد گرفت. همانطور که رباتها اکنون می توانند درخواستهای مشتری در فروشگاههای آنلاین را مدیریت کنند ، سازه های مشابه متناسب با بخشهای مالی نیز می توانند پاسخگوی مشتریان باشند و از میزان مدارک مربوط به رسیدگی به درخواستها کاسته شوند.

به مفهوم داخلی این برنامه ، JPMorgan شروع به استفاده از سازه های مبتنی بر هوش مصنوعی برای پردازش درخواست های داخلی IT ، مانند دستکاری های کارمندان با سیستم های کلیدی بانک کرد. JPMorgan Chase اخیراً یک پلتفرم Contract Intelligence (COiN) معرفی کرده است که برای تجزیه و تحلیل اسناد قانونی و استخراج نقاط و بندهای مهم داده طراحی شده است..

از آنجا که بررسی دستی حدود 12000 قرارداد اعتباری تجاری سالانه و اسناد مربوطه تقریباً به 360،000 ساعت کار نیاز دارد ، استفاده از هوش مصنوعی که بتواند کار را در چند ساعت انجام دهد بیش از حد موجه است.

کاربرد: چه کسی از استفاده از هوش مصنوعی سود می برد و چگونه?

هیچ فناوری ای هرگز نمی تواند واقعاً سودآور باشد ، مگر اینکه ارزش و سودمندی خود را قبل از یک کاربر متوسط ​​اثبات کند. اما در بخش مالی ، یک کاربر متوسط ​​یک کلمه سه گانه است که مشتریان ، سرمایه گذاران و شرکت های نوپا را درگیر می کند.

برای طرف مشتری بخش مالی ، استفاده از فن آوری های AI می تواند به معنای سود فقط یک چیز باشد – راحتی. راحتی کار برای مشتریان شامل امنیت بیشتر ، شخصی سازی بیشتر خدمات ، سرویس دهی سریعتر و سودآوری بالاتر است. ترکیبی از این مزایا را می توان با استفاده از AI به دست آورد ، و سودآوری آن با کاهش هزینه های پرسنل اطمینان حاصل می کند.

مطمئناً کاهش کارمندان موضوعی است که جامعه نسبت به آن ابراز نگرانی می کند ، اما مشتریان مشتاق هستند که به دنبال راحتی در تعامل با بانک ها و توانایی دریافت خدمات بهتر تحت چتر حفاظت بیشتر از گذرواژه های خود ، از مشکلات اخراج شده چشم پوشی کنند. و داده های شخصی.

به عنوان مثال ، اخیراً شرکت بانک مرکزی آمریکا بی حجاب دستیار مجازی هوشمند آن به نام اریکا ، که از تجزیه و تحلیل پیش بینی و پیام رسانی شناختی برای ارائه راهنمایی مالی برای بیش از 45 میلیون مشتری سازمان استفاده می کند.

اما این سرمایه گذاران مانند سرمایه گذاران نهادی و بازرگانان هستند که جذاب ترین مشتری هر سازمان بانکی هستند و هوش مصنوعی در هنگام صحبت از توسعه چنین دستورالعمل هایی ، مقدس است..

از ارائه ربات های معاملاتی گرفته تا تجزیه و تحلیل و پیش بینی گسترده داده ها تا دست زدن به آرایه های گسترده ای از داده های مشتری با پشتوانه نتایج مالی ، این فناوری می تواند در ضرب ارزش برای مشتریان معجزه کند. از آنجا که ارزش در مورد سرمایه گذاران به طور عمده به سود تبدیل می شود ، استفاده از هوش مصنوعی در تجزیه و تحلیل فرصت های بهینه سرمایه گذاری و ارائه راحتی بیشتر در خدمات نویدبخش است.

آخرین و نه مهمترین ، استارتاپ هایی که ستون فقرات توسعه بازار را تشکیل می دهند ، می توانند از کاربرد هوش مصنوعی بسیار بهره مند شوند.

از آنجا که رقابت یک پدیده سالم است که موجب پیشرفت می شود ، در دسترس بودن رایگان فناوری های هوش مصنوعی و وجود تعداد زیادی از پایگاه های اطلاعاتی پشتیبانی ، توسعه سازه های هوش مصنوعی برای تأمین نیازهای بازار را به یک سرمایه گذاری سودآور تبدیل می کند..

از آنجا که بازار هوش مصنوعی و شبکه های عصبی عمدتا توسط غول هایی مانند آمازون ، گوگل و IBM تحت سلطه قرار می گیرند ، حضور استارت آپ های کوچکتر با قابلیت ارائه محصولات با ارزش بالا مشابه محصولات ارائه شده توسط سلطه گران اما با ویژگی های بهتر و از همه مهمتر با هزینه کمتر ، بازار هوش مصنوعی را به وسعتی پر سود و کاملاً استفاده نشده پر از فرصت تبدیل می کند.

افکار نهایی

انقلاب fintech با استفاده از هوش مصنوعی هنوز هم در حال ظهور است ، اما در حال حاضر تأثیر قابل توجهی در کل صنعت ایجاد کرده است.

امکان پذیری و کارایی اقتصادی اثبات شده توسط سیستم ها و مشتقات آنها رهبران صنعت را به سمت سرمایه گذاری در توسعه فناوری های جدیدتر در جستجوی سود بیشتر و بهینه سازی سوق می دهد. بازار راه حل های هوش مصنوعی با فرصت هایی رسیده است و روند جهانی کاربرد آنها از یک طریق دیگر از مراکز مالی جهان در نیویورک ناشی می شود ، جایی که طراحان بخش مالی در حال سرمایه گذاری در ابزارهای جدید برای ایجاد انقلابی در صنعت هستند..

گزارشی توسط CB Insights نشان می دهد که تنها در سه ماهه اول 2018 رکوردشکنی 5.4 میلیارد دلار جمع آوری شده توسط شرکت های فین تک با پشتیبانی از سرمایه خطرپذیر بوده است – اثبات کافی این که سرمایه گذاران نهادی نوید بازدهی را در توسعه فن آوری های جدید برای تأمین بازار گسترده خدمات مالی.

بانکها عقب نیستند زیرا دستیابی به اتوماسیون خدمات مشتری ، شخصی سازی ، امنیت بهتر ، بهینه سازی فرآیند و شناخت الگو ، مزیت رقابتی آنها را نسبت به سایر سازمانهایی که هنوز ایده نوآوری را پذیرفته نیستند ، تضمین می کند..

از آنجا که بازار مالی به همان اندازه رقابتی وحشیانه رقابتی است که شامل پول هنگفتی می شود ، کسانی که روندها را دنبال می کنند و بر روی استخوان های تفکر باستانی پیروز می شوند ، همانطور که انقلاب فناوری در سراسر جهان اقتصاد را به بال و بال می کشاند ، پیروز می شوند. از هوش مصنوعی.

ایوان الكاندروف

ایوان الکساندروف شریک مدیر در یادداشت. سرمایه, یک شرکت سرمایه گذاری بین المللی بر دارایی های مبتنی بر بلاکچین متمرکز شده است. تخصص آنها در سرمایه های خطرپذیر ، سهام خصوصی و بانکداری سرمایه گذاری به آنها امکان می دهد خدمات مثال زدنی را به مشتریان خود و فرصت های زیادی برای جذب سرمایه گذاری ارائه دهند..