بانک و بیمه در معرکه هوش مصنوعی

How banks and insurers can tackle the big buzz

Sebastian Maus (URL:https://www.rolandberger.com/en/Persons/Sebastian.Maus.html)

PARTNER

Berlin Office, Central Europe

هوش مصنوعی عملاً بخشی از زندگی ما شده است. خدمات مالی هم با آن ناآشنا نیست. همانند بسیاری از صنایع، خدمات مالی متنوع و متعدد است اما بسیاری شرکت­ها به تریج فرآیندهایی را برای پیش­ انداختن هوش مصنوعی در شرکت خود آغاز کرده ­اند. بانک­ها و شرکت­های بیمه ­ای بسیاری در حال آزمودن یوز کیس­ هایی مثل چت ­بات و راهکارهای شناسایی کلاهبرداری هستند. اما الآن زمان توسعه مسیری شفاف به سمت موفقیت برای بهره گیری از هوش مصنوعی در مدل کسب و کار خود است.

هوش مصنوعی ورد زبان همه است اما عموماً حرف از ابعاد فنی است که هوش مصنوعی چه باید انجام دهد؟  برای کاربرد آن به چه چیزی نیاز داریم؟ کجا می توانیم آن را به کار ببریم؟

به­هرحال هوش مصنوعی در بخش مالی، یک دارای استراتژیک است که بیش از جنبه­های فن­آورانه مزیت دارد. برای صنعت بانک و بیمه که محصولات فیزیکی کمی دارد، همه­چیز حول داده می­گردد؛ مجموعه ­هایی با تنظیمات عالی فن­آوری برای استفاده از هوش مصنوعی، که مزیت آن به ­ویژه زمانی که با­حجم زیادی از داده سروکار داریم پدیدار می­شود.

با این حال راهکار استانداردی برای همه نیازها و مشکلات صنعت با استفاده از هوش مصنوعی وجود ندارد. کسب و کارهای مختلف نیازمند راهبردهای گوناگون در حوزه هوش مصنوعی هستند که هر شرکت باید تصمیم متناسب را اتخاذ کند؛ همان تصمیمی که هر بازیگری با توجه به سرعت بالای تحول در هوش مصنوعی، از دیرشدن آن پرهیزدارد؛ حوزه­ای که دیرشدن در آن اتفاق خواهد افتاد. ابتدایی­ترین رویکرد، تبلیغ آینده­ای پر از موفقیت، با برخی اقدامات دم دستی نیست، هوش مصنوعی نیازمند اقدامی فراتر از تبلیغات صرف است زیر سرشت آن تغییر چهره صنعت است.

سه گزینه برای تأمین کنندگان خدمات مالی

راه­های زیادی برای به­کار گرفتن هوش مصنوعی در صنعت بانک و بیمه از تجزیه و تحلیل پیشران­های مختلف تا بهبود فرآیندهای داخلی و ایجاد محصول در خدمات مشاوره سرمایه گزاری، مدیریت اعتبار و پردازش پرداخت­ها وجود دارد. اما انتخاب گزینه­ای از این دسته هم کافی نیست. کاربردی کردن هوش مصنوعی باید به شکل راهبردی مورد توجه باشد.

• هوش مصنوعی به عنوان “هوش کمکی”، که به عنوان ابزاری برای بهبود کارایی و عملکرد ایفاء نقش می­کند؛ در این حالت، از داده­ها و الگوریتم­های هوش مصنوعی برای خودکارسازی فرآیندها و پشتیبانی از کارکنان استفاده می­شود؛ برای مثال به روش­هایی پیشنهاد شده یا در لحظه، ترتیباتی{برای تصمیم گیری} درست می­شود. در حالت موصوف، از هوش مصنوعی برای تغییر بنیادین مدل کسب و کار یا زنجیره ارزش استفاده نمی­شود؛ تصمیم­گیری هنوز وابسته به انسان بوده و الگوریتم­ها توصیه­هایی برای پشتیبانی ارائه می­کنند.
• دومین گزینه، ” ماشین همه چیز دان” است؛ اینجا هوش مصنوعی گامی جلوتر از گزینه اول می رود؛ فرآیندهای کسب و کار به شکل بنیادی تغییر نمی­کند اما نحوه­ی اجرا به شکل اساسی تغییر می­کند. هوش انسانی تنها محدود به تقویت شدن نیست بلکه عملکرد­ها و کارکردهایی از آن جایگزین هوش انسانی می­گردد. دستیابی به این موقعیت با الگوریتم­هایی است که با استفاده از حجم زیادی از داده­های درونی و بیرونی، چگونگی عمل کردن را یاد می­گیرند. مرکز تماس خودکار، نمونه­ای از این حالت است.
• ” داده شاه” سومین گزینه و مختل کننده ترین حالت است و بانک­ها و بیمه­هایی که در پی هوش مصنوعی هستند را به شکل اساسی تغییر می­دهد. اینجا، هوش مصنوعی درون ژنتیک شرکت وارد می­گردد و سراسر کسب و کار به شکل راهبردی از داده­ها و هوش مصنوعی در جهت خلق ارزش استفاده می­کند. بازیگران این عرصه می­توانند راه حل­هایی را ایجاد کنند که بدون هوش مصنوعی امکان فکر کردن به آن­ها ممکن نیست همانند دستیار مجازی که به مشتری برای اتخاذ تصمیم مالی مشاوره می­دهد یا حتی نیابتاً از جانب مشتری تصمیم­گیری می­کند. این گزینه، بهترین فرصت برای متمایز شدن از رقبا را فراهم می­کند.

مطمئناً تبدیل شدن از ارائه کننده­ای معمولی به ارائه کننده­ای که متکی به هوش مصنوعی خدمات ارائه می­دهد، یک روز و یک شب رخ نمی­دهد. برخی موقعیت­ها ممکن است به دلیل موانع نظارتی در حال حاضر دست نیافتنی باشند. اما همزمان با پیشرفت دانش کلان­داده، محاسبات ابری و یادگیری ماشین، {قواعد} خدمات مالی ممکن است سریعتر از آنچه تصور می­شود نیازمند بازنگری شود. بنابراین برای ماندن در رقابت، باید سریع عمل کرد و فعالیت استراتژیک بر روی هوش مصنوعی را آغاز کرد.