Sztuczna inteligencja i uczenie maszynowe wkraczają do branży bankowej
– Nowe technologie takie jak np. sztuczna inteligencja czy uczenie maszynowe znajdują coraz szersze zastosowanie. Sektor finansowy nadaje się doskonale do ich wykorzystania, ponieważ finanse operują na danych i na liczbach – mówi Bartek Ostrowski, szef działu finansów w firmie UBS.
Sztuczna inteligencja nie bez powodu fascynuje branżę finansową. Algorytmy wykorzystujące mechanizmy uczenia maszynowego mogą w czasie rzeczywistym analizować duże zasoby informacji, które spływają np. z giełdy, i błyskawicznie reagować na wahania kursów akcji, maksymalizując zyski i minimalizując straty inwestorów.
Decyzje inwestycyjne podejmowane przez roboty
Po rozwiązania tego typu sięgnęli m.in. przedstawiciele Narodowego Centrum Badań i Rozwoju oraz Giełdy Papierów Wartościowych w Warszawie, którzy wspólnie będą pełnić pieczę nad rozwojem systemu GPW Data. Projekt zakłada stworzenie repozytorium oraz narzędzi, które będą wspierały podejmowanie decyzji finansowych przy wykorzystaniu algorytmów sztucznej inteligencji w procesie analizy oraz przetwarzania danych pozyskiwanych na rynku finansowym.
Czytaj także: GPW Data: warszawska giełda rozwija narzędzia oparte o sztuczną inteligencję >>>
Po sztuczną inteligencję sięgnęła również giełda Nasdaq, która we współpracy z firmą Cryptoindex wprowadziła index kryptograficzny CIX100. Inwestorzy znajdą w nich informacje na temat 100 najważniejszych kryptowalut funkcjonujących na rynku. Każda z nich jest poddawana gruntownej analizie za pośrednictwem algorytmów sztucznej inteligencji, które analizują transakcje przeprowadzane na kluczowych giełdach kryptowalutowych, a także doniesienia prasowe publikowane w portalach branżowych oraz mediach społecznościowych.
– Decyzje inwestycyjne nie są podejmowane tylko przez roboty; jeśli spojrzeć na globalne rynki, to obecnie za większością transakcji nadal stoi człowiek. Niemniej użycie sztucznej inteligencji zdecydowanie pozwala analitykom na efektywniejszą pracę – wyjaśnia ekspert.
Narzędzie do skutecznej weryfikacji tożsamości uczestników rynku finansowego
Analitycy z Deutsche Bank Research w raporcie „Artificial intelligence in banking” przyjrzeli się innemu aspektowi fintechowych sztucznych inteligencji. Dostrzegli oni potencjał algorytmów uczenia maszynowego jako narzędzia do skutecznej weryfikacji tożsamości uczestników rynku finansowego. Pierwsze narzędzia tego typu powoli wdraża się na polskim rynku.
Bank PKO BP eksperymentuje z nowatorskim systemem motywowania pracowników, który wykorzystuje algorytm rozpoznawania obrazu do analizy mimiki użytkownika. Sztuczna inteligencja od PKO BP opracowana przez start-up Quantum CX zlicza, jak często pracownik uśmiecha się podczas rozmowy z klientem, dzięki czemu ci najbardziej życzliwi mają szansę na zdobycie nagród motywacyjnych. Tego typu narzędzia rodzą jednak etyczne obiekcje. Na wniosek Rzecznika Praw Obywatelskich Główny Inspektor Pracy zbada sprawę liczenia uśmiechów, czy nie narusza prywatności i godności pracowników banku.
Z kolei firma Provema wykorzystała algorytmy sztucznej inteligencji w procesie analizy sytuacji finansowej klientów. Oprogramowanie automatyzuje proces oceny ryzyka finansowego i znacząco go przyspiesza – dzięki zastosowaniu technologii uczenia maszynowego firma skróciła czas analizy dokumentów z 3 minut do 4 sekund.
– Sztuczna inteligencja nie jest bez wad. Są badania, które pokazują, że algorytmy stworzone przez sztuczną inteligencję mogą mieć zakodowane myślenie stereotypowe czy pewne uprzedzenia. Jedynie połączenie wiedzy i doświadczenia człowieka ze wsparciem, jakie niesie sztuczna inteligencja, może przynieść lepsze rezultaty i pomóc w uniknięciu błędów – twierdzi Bartek Ostrowski.
Według firmy badawczej Research and Markets wartość globalnego rynku fintechów do 2023 roku wzrośnie do blisko 306 mld dol. W najbliższych latach ma on się rozwijać w tempie ponad 22 proc. w skali roku.
