Bankowość i Finanse | Technologie – Crayon | Skuteczne wdrożenie AI w bankowym łańcuchu wartości

Bankowość i Finanse | Technologie – Crayon | Skuteczne wdrożenie AI  w bankowym łańcuchu wartości
Udostępnij Ikona facebook Ikona LinkedIn Ikona twitter
Inwestycja instytucji finansowych w sztuczną inteligencję nadal wymaga ludzkiej interwencji, a konkretnie naukowców zajmujących się danymi. Dobrych data scientists można pozyskać poprzez trudne i mozolne rekrutacje lub wyoutsourcować w firmie consultingowej. W ciągu ostatnich 6 lat zapotrzebowanie na data scientists wzrosło we wszystkich branżach. Sektor finansowy, a zwłaszcza banki, nie są tu wyjątkiem. Od 2017 r. nastąpił znaczny wzrost popytu (według danych Indeed.com i U.S. Bureau of Labor Statistics).

Sebastian Knigge
AI Advisor Crayon

W tym artykule pokazuję, że wzrost inwestycji w data scientists w sektorze finansowym jest uzasadnioną strategią. Niemniej jednak, w niektórych obszarach bardziej efektywne wydaje się korzystanie z rozwiązań IT od deweloperów rozwijających AI. W większości przypadków wkład ekspertów zewnętrznych jest nieoceniony.

Banki są mocno regulowane w wielu dziedzinach, nie jest to żadna nowość i jest mało prawdopodobne, że w przyszłości regulacje zostaną złagodzone. Nie powinno dziwić, że regulacje dotyczące banków będą miały również wpływ na opracowane rozwiązania w zakresie sztucznej inteligencji. Niektóre wyzwania biznesowe w banku, które na pierwszy rzut oka są zaadresowane przez technologię AI i ML, w rzeczywistości są szeroko regulowane i uniemożliwiają szybką adopcję AI.

Przeciwdziałanie praniu pieniędzy, inwestycje kapitałowe i zarządzanie ryzykiem to na przykład obszary, które bez wątpienia byłyby głównymi kandydatami do korzystania z AI. W Europie podlegają one ścisłej regulacji, zwłaszcza daleko idących regulacji Bazylea III oraz wynikających z nich przepisów krajowych i międzynarodowych.

W tabeli 1 znajduje się tylko niewielkie podsumowanie obszarów i odpowiadających im wytycznych i przepisów.

Banki zazwyczaj starają się zatrudniać data scientists z doświadczeniem w ściśle regulowanych dziedzinach. Połączenie wiedzy z dziedziny nauki o danych i znajomości regulacji prawnych w bankowości często okazuje się kluczem do sukcesu w generowaniu wartości biznesowej. Istotne jest, aby modele były dostosowane do wymogów prawnych w celu zapewnienia zgodności. Doskonały model, w znaczeniu wybranych wskaźników efektywności, można uznać za bezwartościowy, jeżeli nie jest zgodny na przykład z CRD IV. Tam, gdzie znajomość przepisów ma duży wpływ na rozwój modelu, wskazane jest, aby takie modele były opracowywane wewnętrznie przez naukowców zajmujących się danymi i posiadających wiedzę specjalistyczną w danej dziedzinie.

Na podstawie naszych doświadczeń, zwłaszcza we współpracy z instytucjami finansowymi i poprzez kontakty wewnątrz banków, widzimy znacznie większą liczbę przypadków wykorzystania AI, które nie są lub są tylko w niewielkim stopniu ograniczone przez regulacje sektora finansowego. W tym przypadku restrykcje wynikają głównie z przetwarzania danych w chmurze. Nasze usługi doradcze w zakresie chmury oferują wsparcie w zakresie kompleksowego przygotowania organizacji do migracji.

Znalezienie, wdrożenie i utrzymanie rozwiązań dla takich przypadków zastosowania jest głównym zadaniem firm zajmujących się rozwojem AI, takich jak Crayon. Znaczna liczba przypadków zastosowań AI nie wymaga nawet dużego zaangażowania w zakresie koordynacji po stronie pracowników banku, ponieważ problem i rozwiązanie można uznać za ogólne. Rysunek 1 przedstawia przegląd przypadków zastosowań AI, które określamy jako generyczne i które zostały już wdrożone u klientów Crayon. Przypadki te są dobrym przykładem do szybkiego rozpoczęcia pracy nad AI w organizacji. Jest to główny powód, dla którego efektywniej jest zaangażować partnera w celu wdrożenia AI.

AWS oferuje nam również doskonałą możliwość bardzo szybkiego i efektywnego wdrożenia u klienta. 165 usług, z czego 22 usługi dedykowane do obliczeń i magazynowania oferują firmom rozwijającym AI możliwość zbudowania bazy dla infrastruktury zdalnie i niezwykle szybko. Kolejny poziom odnosi się do wyboru modeli ML. Modele i narzędzia Open Source są bardzo skuteczną metodą na jak najbardziej efektywne dostarczenie klientowi najnowocześniejszego projektu. Jeśli takie modele nie wystarczą, nasze Centers of Excellence opracują jeszcze bardziej zindywidualizowane rozwiązanie z wykorzystaniem nowo opracowanych algorytmów. Przy wyborze odpowiedniego partnera AI ważne jest, aby upewnić się, że partner ten jest dobrze wyszkolony i posiada licencję do współpracy z dostawcami chmury.

Posiadamy ponad 116 aktywnych licencji AWS w ramach Crayon i codziennie udowadniamy nasze umiejętności w praktyce.

Źródło: Miesięcznik Finansowy BANK