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.