كيف يعمل الذكاء الاصطناعي على تعطيل التمويل

ملخص تنفيذي

تقنية الأغراض العامة هي مصطلح يحتفظ به الاقتصاديون للتقنيات التي تحفز النمو الاقتصادي المطول والتقدم المجتمعي ، مما يحدث ثورة في عمليات الأسر والشركات على حد سواء. نموذج لتكنولوجيا الأغراض العامة هو الكهرباء. أنتجت الكهرباء العديد من المنتجات والقطاعات ، بما في ذلك الثلاجات والغسالات والقطارات وبالطبع أجهزة الكمبيوتر. أدى ظهور الكهرباء إلى تغيير جذري في العالم.

حددت مقالة حديثة من Harvard Business Review الذكاء الاصطناعي (AI) باعتباره أهم تكنولوجيا للأغراض العامة في عصرنا . نحن على دراية بقوة الذكاء الاصطناعي. يتجلى ذلك في شكل روبوت يهزم لاعب شطرنج مشهور عالميًا. سيارة يمكن أن تكون موازية لركن نفسها. الأجهزة التي تستجيب لطقس الغد عندما نطلب. لكن الكثير من اتصالنا وفهمنا للذكاء الاصطناعي يدور حول المنتجات التي تؤثر على حياتنا اليومية كمستهلكين. على المستوى التنظيمي ، هناك سؤال أكبر حول كيفية قيام الذكاء الاصطناعي بتعطيل الصناعات ، وعلى وجه التحديد ، كيف ستستخدم الخدمات المالية الذكاء الاصطناعي.

ستحدد المقالة التالية الذكاء الاصطناعي ، ومجال التقنيات المرتبطة به ، وحجم صناعة الذكاء الاصطناعي الشاملة ، وتطبيقات الذكاء الاصطناعي في التمويل. لا تهدف هذه المقالة إلى تقديم حكم معياري بشأن تطوير الذكاء الاصطناعي ؛ بدلاً من ذلك ، سيركز على كيفية تعطيل الذكاء الاصطناعي للتمويل.

الذكاء الاصطناعي: ما هو الذكاء الاصطناعي؟

الذكاء الاصطناعي هو مجال من مجالات علوم الكمبيوتر يركز على إنشاء آلات ذكية تعمل مثل البشر. تم تصميم أجهزة الكمبيوتر التي تعمل بالذكاء الاصطناعي لأداء الوظائف البشرية بما في ذلك التعلم واتخاذ القرار والتخطيط والتعرف على الكلام.

يُمكِّن الذكاء الاصطناعي الآلات من تحسين أدائها باستمرار دون أن يقدم البشر تعليمات توجيهية لكيفية القيام بذلك. هذا مهم لعدة أسباب. أولاً ، يعرف البشر أكثر مما نستطيع قوله. وهذا يعني أن البشر قد يكونون قادرين على التعرف على الوجه أو تنفيذ استراتيجية ذكية في لعبة الشطرنج. ومع ذلك ، قبل تكنولوجيا الذكاء الاصطناعي المتقدمة ، كان عدم قدرة البشر على التعبير عن معرفتنا يعني أننا لا نستطيع أتمتة العديد من المهام. ثانيًا ، تعد تقنية الذكاء الاصطناعي خارقة في التنفيذ ، حيث تعمل بسرعة أكبر وغالبًا بدقة أكبر من البشر.

تقنيات الذكاء الاصطناعي

يشمل الذكاء الاصطناعي العديد من القدرات والتقنيات. تؤكد شركة PWC الاستشارية أن الذكاء الاصطناعي "ليس موضوعًا موحدًا. إنه يشتمل على عدد من الأشياء التي تضيف جميعها إلى مفهومنا عما يعنيه أن تكون "ذكيًا". فيما يلي بعض المجالات الأكثر شيوعًا في الذكاء الاصطناعي:

• التعلم الآلي هو طريقة لتحليل البيانات تعمل على أتمتة بناء النموذج التحليلي. باستخدام الخوارزميات التي تتعلم بشكل متكرر من البيانات ، يمكّن التعلم الآلي أجهزة الكمبيوتر من العثور على رؤى خفية دون أن تتم برمجتها بشكل صريح حيث تبحث.
• التعلم العميق هو مجموعة فرعية من التعلم الآلي. لقد سهل التعرف على الأشياء في الصور ، ووضع العلامات على الفيديو ، والتعرف على النشاط ، ويحرز تقدمًا في الإدراك (بما في ذلك الصوت والكلام). على سبيل المثال ، تم تدريب تطبيق التعلم العميق DeepFace من Facebook للتعرف على الأشخاص في الصور. يقارن الكثيرون بين تقنية التعلم العميق وعلم الأحياء ، لكن الخبراء يتفقون عمومًا على أنه على الرغم من إلهامهم من الدماغ البشري ، إلا أنه لا يصمم بالضرورة على غراره.
• معالجة اللغة الطبيعية هي قدرة برنامج الكمبيوتر على فهم كلام الإنسان في الوقت الفعلي. يتحول البحث والتطوير نحو أنظمة قادرة على التفاعل مع الناس من خلال الحوار ، وليس مجرد الرد على الطلبات المنمقة.
• إنترنت الأشياء (IoT) مكرس لفكرة أن مجموعة واسعة من الأجهزة ، بما في ذلك الأجهزة والمركبات والمباني يمكن أن تكون مترابطة. على سبيل المثال ، إذا رن المنبه الخاص بك في الساعة 7:00 صباحًا ، فيمكنه تلقائيًا إخطار صانع القهوة لبدء تحضير القهوة من أجلك. تعد التقنيات القابلة للارتداء التي تعمل كمستشعرات عند ارتدائها جزءًا من هذا الاتجاه الأكبر.

بالطبع ، هذه القائمة ليست شاملة. انظر أدناه للاطلاع على مجموعة واسعة من موضوعات وتقنيات الذكاء الاصطناعي.

حجم سوق الذكاء الاصطناعي

تتنبأ مقالة Harvard Business Review المذكورة أعلاه بأن "تأثيرات الذكاء الاصطناعي سوف تتضخم في العقد القادم ، مثل التصنيع ، وتجارة التجزئة ، والنقل ، والتمويل ، والرعاية الصحية ، والقانون ، والإعلان ، والتأمين ، والترفيه ، والتعليم ، وتقريباً كل صناعة أخرى ستحولها العمليات الأساسية ونماذج الأعمال للاستفادة من التعلم الآلي. العقبة في الإدارة والتنفيذ وخيال الأعمال ".

من المتوقع أن يؤدي الاعتماد الواسع النطاق للذكاء الاصطناعي عبر الصناعات إلى دفع الإيرادات العالمية البالغة 12.5 مليار دولار في عام 2017 و 47 مليار دولار في عام 2020 بمعدل نمو سنوي مركب (CAGR) يبلغ 55.1٪ من عام 2016 إلى عام 2020. وعلى وجه التحديد ، الصناعات التي ستستثمر أكثر في التكنولوجيا هي الأعمال المصرفية والتجزئة ، تليها الرعاية الصحية والتصنيع. بشكل إجمالي ، ستشكل هذه الصناعات الأربعة أكثر من نصف الإيرادات العالمية للذكاء الاصطناعي في عام 2016 ، حيث سيقدم كل من قطاعي البنوك والتجزئة ما يقرب من 1.5 مليار دولار.

عبر الصناعات ، ستكون أكبر استثمارات الذكاء الاصطناعي في عام 2017 في مجالات مثل وكلاء خدمة العملاء الآليين ، واستخبارات التهديدات الآلية ، وتحليل الاحتيال (انظر الرسم البياني أدناه). وفقًا لجيسيكا جويبفيرت ، مديرة البرامج في شركة أبحاث السوق IDC ، "توجد فرص قريبة المدى للأنظمة المعرفية في صناعات مثل البنوك والأوراق المالية والاستثمارات والتصنيع. في هذه الأجزاء ، نجد ثروة من البيانات غير المهيكلة ، والرغبة في الاستفادة من الرؤى من هذه المعلومات ، والانفتاح على التقنيات المبتكرة ". سيتعمق القسم التالي من هذه المقالة في حالات الاستخدام المختلفة للذكاء الاصطناعي في صناعة الخدمات المالية.

التطبيقات الحالية والمستقبلية للذكاء الاصطناعي في التمويل

يمكن للذكاء الاصطناعي في التمويل أن يقود الكفاءات التشغيلية في مجالات تتراوح من إدارة المخاطر والتداول إلى الاكتتاب والمطالبات. في حين أن بعض التطبيقات أكثر صلة بقطاعات محددة ضمن الخدمات المالية ، يمكن الاستفادة من البعض الآخر في جميع المجالات.

الذكاء الاصطناعي في التمويل: إدارة المخاطر

ثبت أن الذكاء الاصطناعي قيم للغاية عندما يتعلق الأمر بالأمن واكتشاف الاحتيال. تشمل الطرق التقليدية للكشف عن الاحتيال أجهزة الكمبيوتر التي تحلل البيانات المنظمة وفقًا لمجموعة من القواعد. على سبيل المثال ، قد تضع شركة مدفوعات معينة حدًا للتحويلات الإلكترونية بقيمة 15000 دولارًا أمريكيًا بحيث يتم وضع علامة على أي معاملة تتجاوز هذا المبلغ لإجراء مزيد من التحقيق. ومع ذلك ، ينتج عن هذا النوع من التحليل العديد من الإيجابيات الخاطئة ويتطلب الكثير من الجهد الإضافي. ولعل الأهم من ذلك هو أن المحتالين في جرائم الإنترنت يغيرون بشكل متكرر تكتيكاتهم. لذلك ، يجب أن تصبح الأنظمة الأكثر فاعلية أكثر ذكاءً باستمرار.

باستخدام خوارزميات التعلم المتقدمة ، مثل تلك الموجودة في التعلم العميق ، يمكن إضافة ميزات جديدة إلى النظام من أجل التعديل الديناميكي. وفقًا لسمير هانز ، المدير الاستشاري في Deloitte Transactions and Business Analytics LLP ، "مع التحليلات المعرفية ، يمكن أن تصبح نماذج الكشف عن الاحتيال أكثر قوة ودقة. إذا أطلق نظام معرفي شيئًا ما يحدده على أنه احتيال محتمل وحدد الإنسان أنه ليس احتيالًا بسبب X و Y و Z ، فإن الكمبيوتر يتعلم من تلك الأفكار البشرية ، وفي المرة القادمة لن يرسل اكتشافًا مشابهًا لك . يصبح الكمبيوتر أكثر ذكاءً وذكاءً ".

نجاح PayPal مع الذكاء الاصطناعي واكتشاف الاحتيال

خذ على سبيل المثال عملاق الدفع PayPal وبروتوكولات الاحتيال المتقدمة الخاصة به. نظرًا لحجمها وإمكانية رؤيتها ، فإن PayPal "لديها هدف ضخم على ظهرها". لقد عالجت 235 مليار دولار في عام 2015 من أربعة ملايين معاملة قام بها 170 مليون عميل. ومع ذلك ، فقد تمكنت PayPal من تعزيز الأمان من خلال الاستفادة من تقنية التعلم العميق. في الواقع ، يعتبر احتيال PayPal منخفضًا نسبيًا عند 0.32٪ من الإيرادات ، وهو رقم أفضل بكثير من متوسط ​​1.32٪ الذي يراه التجار.

في الماضي ، استخدم PayPal نماذج خطية بسيطة. اليوم ، تستخرج خوارزمياتها البيانات من سجل شراء العميل وتراجع أنماط الاحتيال المحتمل المخزنة في قواعد البيانات المتنامية. بينما يمكن أن يستهلك النموذج الخطي 20-30 متغيرًا ، يمكن لتقنية التعلم العميق أن تطلب آلاف نقاط البيانات. تساعد هذه الإمكانات المحسّنة PayPal في تمييز المعاملات البريئة عن المعاملات المشبوهة. وفقًا لهوي وانج ، المدير الأول لعلوم المخاطر العالمية في PayPal ، "ما نتمتع به من التعلم الآلي الأكثر تقدمًا وحداثة هو قدرته على استهلاك الكثير من البيانات ، والتعامل مع طبقات وطبقات التجريد والقدرة على" رؤية "الأشياء [... ] حتى البشر قد لا يكونون قادرين على الرؤية. "

الذكاء الاصطناعي في التمويل: التداول

الانتقال من النماذج التي صنعها الإنسان إلى الذكاء الاصطناعي الحقيقي

لسنوات ، اعتمدت شركات إدارة الاستثمار على أجهزة الكمبيوتر لإجراء الصفقات. يعتمد حوالي 1،360 صندوق تحوط ، يمثلون 9٪ من جميع الصناديق ، على نماذج إحصائية كبيرة بناها علماء البيانات غالبًا ما يكونون حاصلين على درجة الدكتوراه في الرياضيات (تُعرف أيضًا باسم "quants"). ومع ذلك ، فإن هذه النماذج تستخدم البيانات التاريخية فقط ، وغالبًا ما تكون ثابتة ، وتتطلب تدخلاً بشريًا ، ولا تؤدي أداءً جيدًا عندما يتغير السوق. ونتيجة لذلك ، تتجه الأموال بشكل متزايد نحو نماذج الذكاء الاصطناعي الحقيقية التي لا يمكنها فقط تحليل كميات كبيرة من البيانات ، ولكن أيضًا الاستمرار في تحسين نفسها.

تستخدم هذه التقنيات الجديدة تقنيات معقدة بما في ذلك التعلم العميق ، وهو شكل من أشكال التعلم الآلي يسمى شبكات Bayesian ، والحساب التطوري ، المستوحى من علم الوراثة. يمكن لبرمجيات التداول بالذكاء الاصطناعي استيعاب كميات هائلة من البيانات للتعرف على العالم والتنبؤ بالسوق المالي. لفهم الاتجاهات العالمية ، يمكنهم استهلاك كل شيء من الكتب والتغريدات والتقارير الإخبارية والبيانات المالية وأرقام الأرباح والسياسة النقدية الدولية إلى رسومات Saturday Night Live.

للتوضيح ، ما سبق يختلف عن التداول عالي التردد (HFT) ، والذي يسمح للمتداولين بتنفيذ ملايين الطلبات ومسح أسواق متعددة في غضون ثوانٍ ، والاستجابة للفرص بطرق لا يستطيع البشر ببساطة القيام بها. تبحث المنصات التي تعتمد على الذكاء الاصطناعي التي نوقشت أعلاه عن أفضل الصفقات على المدى الطويل ، والآلات - وليس البشر - هي التي تملي الإستراتيجية.

تم تطوير بعض أنظمة التداول بالذكاء الاصطناعي من قبل الشركات الناشئة. على سبيل المثال ، Aidiya ومقرها هونغ كونغ هو صندوق تحوط مستقل بالكامل يقوم بجميع تداولات الأسهم الخاصة به باستخدام الذكاء الاصطناعي (AI). يقول المؤسس المشارك Ben Goertzel: "إذا ماتنا جميعًا ، فسوف يستمر التداول". المؤسسات التقليدية مهتمة أيضًا بتكنولوجيا التداول بالذكاء الاصطناعي. في عام 2014 ، قادت Goldman Sachs جولة التمويل من السلسلة A وبدأت في تثبيت منصة تداول AI تسمى Kensho. في جولة Kensho's Series B ، بالإضافة إلى S&P Global ، شاركت أيضًا أكبر ستة بنوك في وول ستريت (Goldman Sachs و JPMorgan Chase و Bank of America Merrill Lynch و Morgan Stanley و Citigroup و Wells Fargo).

مقارنة أداء التداول

تتبعت دراسة حديثة أجرتها شركة الأبحاث الاستثمارية يوريكاهيدج أداء 23 صندوق تحوط باستخدام الذكاء الاصطناعي في الفترة من 2010-2016 ، ووجدت أنها تفوقت على تلك الصناديق التي تدار من قبل الكميات التقليدية وصناديق التحوط المعممة.

الآثار المترتبة على التجار و Quants

سيكون من المثير للاهتمام ملاحظة كيف سيؤثر الذكاء الاصطناعي على سوق العمل التجاري. آثاره واضحة بالفعل في بعض المؤسسات المصرفية الكبرى. في عام 2000 ، قام مكتب تداول الأسهم النقدية في الولايات المتحدة التابع لشركة Goldman Sach في مقره بنيويورك بتوظيف 600 متداول يشترون ويبيعون الأسهم. اليوم ، لديها اثنين من متداولي الأسهم ، والآلات تقوم بالباقي. صرح دانيال نادلر ، الرئيس التنفيذي لشركة Kensho ، "في غضون 10 سنوات ، سيكون Goldman Sachs أصغر بكثير من حيث عدد الموظفين عما هو عليه اليوم." أما بالنسبة للكميات ، فقد يجدون أن مهاراتهم أقل طلبًا من شركات إدارة الاستثمار.

في الوقت الحالي ، يتغذى حوالي ثلث خريجي برامج الأعمال الكبرى على التمويل. إلى أين سينتقل بعض أفضل المواهب في البلاد؟ يعتقد مارك مينيفيتش ، كبير مستشاري المجلس الأمريكي للتنافسية ، أن "بعض هؤلاء الأشخاص الأذكياء سينتقلون إلى شركات تكنولوجية ناشئة ، أو سيساعدون في تطوير المزيد من منصات الذكاء الاصطناعي ، أو السيارات المستقلة ، أو تكنولوجيا الطاقة [...] قد تنافس نيويورك شركة السيليكون. Valley in tech. "

الذكاء الاصطناعي في التمويل: Robo-Advisory

ما هو المستشار الآلي وكيف يعمل؟

المستشارون الآليون عبارة عن منصات رقمية توفر خدمات تخطيط مالي مؤتمتة تعتمد على الخوارزميات مع الحد الأدنى من الإشراف البشري. في حين أن المديرين الماليين البشريين يستخدمون التخصيص الآلي للمحفظة منذ أوائل العقد الأول من القرن الحادي والعشرين ، كان على المستثمرين توظيف مستشارين للاستفادة من التكنولوجيا. اليوم ، يسمح المستشارون الآليون للعملاء بالوصول المباشر إلى الخدمة. على عكس نظرائهم من البشر ، يقوم المستشارون الآليون بمراقبة الأسواق بدون توقف وهم متاحون على مدار الساعة طوال أيام الأسبوع. يمكن لمستشاري Robo أيضًا أن يقدموا للمستثمرين ما يصل إلى 70٪ في توفير التكاليف وعادة ما يطلبون أقل أو لا يوجد حد أدنى للمشاركة.

اليوم ، يمكن للمستشارين الآليين المساعدة في المهام الأكثر تكرارًا مثل فتح الحساب ونقل الأصول. تتضمن العملية عادةً إجابة العملاء على استبيانات بسيطة حول الرغبة في المخاطرة أو عوامل السيولة ، والتي يترجمها المستشارون الآليون بعد ذلك إلى منطق استثماري. تهدف غالبية مستشاري الروبوتات الحاليين إلى تخصيص عملائهم لمحافظ ETF المُدارة بناءً على تفضيلاتهم. من المتوقع أن تتطور القدرات في المستقبل إلى عروض أكثر تقدمًا مثل التحولات التلقائية للأصول والتغطية الموسعة عبر فئات الأصول البديلة مثل العقارات.

يمكن أن يكون للاستشارات الآلية تأثير كبير على قطاعي التمويل الشخصي وإدارة الثروات. في حين أن إجمالي الأصول الحالية التي يديرها مستشار الروبوت (AUM) لا يمثل سوى 10 مليارات دولار من صناعة إدارة الثروات البالغة 4 تريليون دولار (أقل من 1٪ من جميع أصول الحسابات المدارة) ، تقدر دراسة لـ Business Insider أن هذا الرقم سيرتفع إلى 10٪ بحلول عام 2020 وهذا يعادل حوالي 8 تريليون دولار أمريكي من الأصول المُدارة.

اعتماد الصناعة للمشورة الآلية

اعتمد اللاعبون في الصناعة مناهج متنوعة للاستشارات الآلية. تضيف شركات إدارة الثروات الأصغر مكونات خوارزمية لأتمتة إدارة استثماراتها ، وخفض التكاليف / الرسوم ، والتنافس مع المستشارين الآليين. من ناحية أخرى ، تشتري شركات الاستثمار الراسخة مستشاري الروبوت الحاليين ، مثل استحواذ Invesco على Jemstep أو إنشاء حلول المستشار الآلي الخاصة بهم ، مثل FidelityGo و Schwab's Intelligent Advisory.

Robo-Advisors مقابل المستشارين الماليين: هل سيتم استبدال البشر؟

الإجماع العام بين الخبراء هو أن البشر سيظلون لا غنى عنهم. ستظل اللمسة الإنسانية بالغة الأهمية ، حيث سيظل المستشارون بحاجة إلى طمأنة العملاء خلال الأوقات المالية الصعبة وإقناعهم بحلول مفيدة. كشفت دراسة أجرتها شركة Accenture الاستشارية أن 77٪ من عملاء إدارة الثروات يثقون بمستشاريهم الماليين بينما أشار 81٪ إلى أهمية التفاعل وجهًا لوجه. بالنسبة للعملاء الذين لديهم قرارات استثمارية معقدة ، فإن النموذج الاستشاري المختلط ، الذي يجمع بين الخدمات المحوسبة والمستشارين البشريين ، يكتسب زخمًا.

بينما سيظل المستشارون الماليون مركزيين ، قد يتسبب المستشارون الآليون في حدوث تحولات في مسؤولياتهم الوظيفية. من خلال إدارة الذكاء الاصطناعي للمهام المتكررة ، قد يتولى مديرو الاستثمار مسؤوليات عالم البيانات أو المهندس ، مثل صيانة النظام. قد يركز البشر أيضًا بشكل أكبر على بناء العلاقات مع العميل وشرح القرارات التي اتخذتها الآلة.

الذكاء الاصطناعي في التمويل: اكتتاب التأمين والمطالبات

يعتمد التأمين على توازن المخاطر بين مجموعات من الناس ؛ تجمع شركات التأمين الأشخاص المتشابهين معًا ، وسيطلب بعض الأشخاص مدفوعات بينما لا يطلبها الآخرون. الصناعة مبنية على تقييم المخاطر. شركات التأمين ليست غريبة على تحليل البيانات. ومع ذلك ، يمكن للذكاء الاصطناعي توسيع كمية البيانات التي يتم تحليلها وكذلك طرق استخدامها ، مما يؤدي إلى تسعير أكثر دقة وكفاءات تشغيلية أخرى.

الشركات الناشئة في طليعة دفع الصناعة إلى الأمام. وفقًا لـ Henrik Naujoks ، الشريك في Bain & Co ، "تظهر الشركات الناشئة ما هو ممكن وما يمكن فعله. ينظر إليه الكثير من المديرين التنفيذيين الحاليين - فهم لا يفهمون ذلك حقًا لكنهم يريدون المشاركة ". لقد انخرط المستثمرون أيضًا في هذا الاتجاه (انظر أدناه). في عام 2016 ، كان الذكاء الاصطناعي أحد أكثر الموضوعات شيوعًا للاستثمار في تكنولوجيا التأمين.

الذكاء الاصطناعي والاكتتاب

يتنبأ تقرير PWC أن الذكاء الاصطناعي سيعمل على أتمتة قدر كبير من الاكتتاب بحلول عام 2020 ، خاصة في الأسواق الناضجة حيث تتوفر البيانات. حاليًا ، يقوم ضامن التأمين ، بمساعدة برامج الكمبيوتر والنماذج الاكتوارية ، بتقييم مخاطر وانكشافات العملاء المحتملين ، ومقدار التغطية التي يجب أن يتلقوها ، ومقدار التكلفة التي يجب أن يتحملوها مقابل ذلك. على المدى القصير ، يمكن للذكاء الاصطناعي المساعدة في أتمتة كميات كبيرة من الاكتتاب في التأمين على السيارات والمنزل والتأمين التجاري والتأمين على الحياة والتأمين الجماعي. في المستقبل ، سيعزز الذكاء الاصطناعي النمذجة ، مع تسليط الضوء على الاعتبارات الرئيسية لصانعي القرار البشريين التي ربما لم يلاحظها أحد. ومن المتوقع أيضًا أن يمكّن الذكاء الاصطناعي المتقدم من الاكتتاب الشخصي من قبل الشركة أو الفرد ، مع مراعاة السلوكيات والظروف الفريدة.

قد يستفيد الاكتتاب المحسن ليس فقط من التعلم الآلي لاستخراج البيانات ، ولكن أيضًا التكنولوجيا القابلة للارتداء وأجهزة تحليل الوجه للتعلم العميق. على سبيل المثال ، تريد شركة ناشئة Lapetus استخدام صور السيلفي للتنبؤ بدقة بمتوسط ​​العمر المتوقع. في نموذجهم المقترح ، سيرسل العملاء صورهم الشخصية بالبريد الإلكتروني ، والتي ستقوم أجهزة الكمبيوتر بعد ذلك بمسحها ضوئيًا وتحليلها - لتحليل الآلاف من مناطق الوجه. سيأخذ التحليل في الاعتبار كل شيء بدءًا من التركيبة السكانية الأساسية إلى مدى سرعة تقدم الشخص في العمر ومؤشر كتلة الجسم وما إذا كان يدخن. بالإضافة إلى ذلك ، يمكن للتكنولوجيا القابلة للارتداء أن تجعل عملية الاكتتاب أكثر تعاونًا. بدلاً من الاعتماد على الفحوصات الطبية المطولة وعمليات التعاقد المعقدة ، يمكن للأجهزة القابلة للارتداء توفير رؤى في الوقت الفعلي حول صحة وسلوك حامل الوثيقة. من الواضح أن التعلم الآلي في مجال التمويل يتطور بالفعل.

ستتيح هذه الأنواع من تحليلات المخاطر الدقيقة في الوقت الفعلي ليس فقط تسعير أكثر دقة للعملاء ، ولكن أيضًا الكشف المبكر عن المخاطر الصحية وفرصة لشركات التأمين للاستثمار في الوقاية. بدلاً من دفع تكاليف العلاج المكلفة للمريض في نهاية المطاف ، يمكن لشركات التأمين أن تحاول بشكل استباقي تقليل احتمالية الأضرار والتكاليف المرتبطة بها.

في دراسة أُجريت في جامعة أكسفورد عام 2013 لتحليل أكثر من 700 مهنة لتحديد أيها أكثر عرضة للحوسبة ، تم إدراج شركات التأمين في المراكز الخمسة الأولى الأكثر عرضة للخطر. حتى في الحالات التي لا يحل فيها الذكاء الاصطناعي محل الضامن بالكامل ، يمكن لأتمتة الذكاء الاصطناعي تغيير مسؤوليات متعهد التأمين. يمكن للذكاء الاصطناعي توفير وقت الضامن للحصول على قيمة مضافة أعلى ، مثل تقييم المخاطر وتسعيرها في الأسواق الناشئة الأقل ثراءً بالبيانات ، مما يوفر مزيدًا من إدارة المخاطر وتعليقات تطوير المنتجات.

الذكاء الاصطناعي ومطالبات التأمين

مطالبات التأمين هي طلبات رسمية للدفع ترسل إلى شركات التأمين. تقوم شركات التأمين بعد ذلك بمراجعة المطالبة للصلاحية والدفع للمؤمن عليه بمجرد الموافقة عليه. إليك كيف يمكن للذكاء الاصطناعي أن يعزز العملية:

تحسين دقة بيانات العملاء. عملية المطالبات يدوية إلى حد ما: يقوم الموظفون البشريون بتسجيل معلومات العميل وتفاصيل الحادث يدويًا. وفقًا لتقرير Experian ، يمكن أن تتأثر جودة البيانات: تمثل البيانات غير المكتملة 55٪ من أخطاء البيانات ، بينما تشكل الأخطاء المطبعية 32٪. يمكن للذكاء الاصطناعي تحسين الدقة عن طريق تقليل الإدخال اليدوي. بالإضافة إلى ذلك ، غالبًا ما تتطلب عمليات المطالبات من وكلاء التأمين مطابقة معلومات العملاء مع العديد من قواعد البيانات. يمكن استخدام الذكاء الاصطناعي للقيام بذلك بكفاءة أكبر.

توصيات دفع تعويضات أسرع. وفقًا لدراسة رضا العملاء عن مطالبات شركة JD Power & Associates ، فإن فترات دورات المطالبات البطيئة هي أحد أكبر العوامل المساهمة في عدم رضا العملاء. يمكن أن يساعد الذكاء الاصطناعي في تقليل أوقات الاستجابة من خلال التحقق أولاً من صحة السياسة ، ثم اتخاذ قرارات بشأن المطالبات وما إذا كان يجب أتمتة الدفع. هذا لأن الذكاء الاصطناعي لديه القدرة على تحليل ليس فقط البيانات المهيكلة ، ولكن أيضًا البيانات غير المهيكلة مثل النماذج والشهادات المكتوبة بخط اليد.

الذكاء الاصطناعي في التمويل: الخدمات المصرفية للمحادثة وخدمة العملاء

تقوم البنوك بمراهنات كبيرة مع مساعديها الافتراضيين الذين يواجهون العملاء ، والمعروفين باسم روبوتات المحادثة. في حين أن الإصدارات المبكرة من روبوتات المحادثة لن تكون قادرة إلا على الإجابة على الأسئلة الأساسية حول حدود الإنفاق والمعاملات الأخيرة ، فمن المقرر أن تصبح الإصدارات المستقبلية مساعدين افتراضيين للخدمات الكاملة يمكنهم إجراء المدفوعات وتتبع الميزانيات للمستهلكين. يمكن أن يُترجم التعامل مع العملاء إلى توفير كبير في التكلفة ، لكن التفاعلات البشرية هي أيضًا بلا شك أكثر تعقيدًا من الضغط المباشر على الأرقام. يشير النقاد إلى افتقار روبوتات المحادثة إلى التعاطف والتفاهم ، وهو ما قد يحتاجه البشر عند التعامل مع القرارات والمواقف المالية الصعبة. بالنسبة لهذه التقنية ، ستكون تقنية الذكاء الاصطناعي لمعالجة اللغة الطبيعية ضرورية للمعالجة والاستجابة لمخاوف العملاء الشخصية ورغباتهم.

في أكتوبر 2016 ، كشف كل من Bank of America و MasterCard عن روبوتات المحادثة الخاصة بهما ، Erica و Kai ، على التوالي. سيسمح ذلك للعملاء بطرح أسئلة حول حساباتهم ، وبدء المعاملات وتلقي المشورة عبر Facebook Messenger من برج Echo التابع لشركة Amazon.

أطلقت Capital One أيضًا chatbot الخاص بها ، المسمى "Eno" ، وهو عبارة عن الجناس الناقص لـ "One". يتيح Eno للعملاء الدردشة مع البنك باستخدام لغة نصية لدفع الفواتير واسترداد معلومات الحساب. يشارك باركليز أيضًا في الحدث. قالت ميشيل مور ، رئيسة الخدمات المصرفية الرقمية في بنك أوف أمريكا ، في وصفها روبوت الدردشة الجديد لبنك أمريكا ، "ماذا ستكون الخدمات المصرفية في غضون عامين أو ثلاثة أو أربعة أعوام؟ سيكون هذا. "

خواطر فراق

يمكن رؤية التأثير الكامل للذكاء الاصطناعي في الخدمات المالية. جادل بعض المستقبليين بأن العالم يقترب بسرعة من نقطة تحول ، صاغها "التفرد" ، حيث سيتفوق الذكاء الآلي على الذكاء البشري. حذر علماء وتكنولوجيا مشهورون ، بمن فيهم بيل جيتس وستيفن هوكينغ ، من هذه النقطة. كما حث إيلون ماسك بشكل مشهور على أن "الذكاء الاصطناعي يمثل خطرًا وجوديًا أساسيًا على الحضارة الإنسانية ، ولا أعتقد أن الناس يقدرون ذلك تمامًا".

مع استمرار انتشار الذكاء الاصطناعي في حياتنا الشخصية والمهنية ، سيستمر ظهور العديد من المشكلات. وتشمل هذه احتمالية حدوث أخطاء ، والشعور العام بعدم الثقة تجاه الآلات ، والمخاوف بشأن استبدال الوظيفة. سيكون من الخطأ تجاهل هذه المخاوف. ومع ذلك ، فإن المجتمع يسير بالفعل على طريق متسارع للأمام نحو عالم يحركه الذكاء الاصطناعي. في هذا العالم الجديد ، قد يكون من الأكثر إنتاجية التركيز على كيفية تعايش الآلات والبشر بشكل أفضل. سيكون من المهم لصانعي السياسات أن يظلوا حذرين ، مما يسمح للتكنولوجيات الجديدة بالتطور أثناء مراقبة وتقليل عواقبها السلبية. يجب على المطورين والمصممين أيضًا تعزيز قدرة البشر على فهم أنظمة الذكاء الاصطناعي لبناء الثقة وزيادة الرضا عن تطبيقات الذكاء الاصطناعي. كل شخص سيكون له دور يلعبه.

كما ألقى هاروهيكو كورودا ، محافظ بنك اليابان خطابًا في مؤتمر عام 2017 حول الذكاء الاصطناعي والخدمات المالية ، "من الضروري بالنسبة لنا أن نفكر بشكل بناء في الطرق المرغوبة التي يكمل بها البشر والذكاء الاصطناعي بعضهما البعض بدلاً من مواجهتهما. على سبيل المثال ، الحكم البشري ليس خاليًا تمامًا من النماذج الموجودة ، وبالتالي يكون أحيانًا مهملاً للتغييرات. في هذا الصدد ، يمكن للذكاء الاصطناعي تعديل انحيازنا عن طريق التحليل المحايد وإيجاد ارتباطات جديدة بين عدد لا يحصى من البيانات [كذا]. وفي الوقت نفسه ، يمكن للبشر تعويض ضعف الذكاء الاصطناعي من خلال حدسهم وحسهم وخيالهم ".