Share
Embed
Zastosowanie sztucznej inteligencji w sektorze finansowym
Prezentacja przedstawia możliwości zastosowanie sztucznej inteligencji w sektorze finansowym.
Andrzej Sobczak PRO
March 09, 2020
Transcript
41 slides
-
Zastosowanie sztucznej inteligencji w sektorze finansowym dr hab. Andrzej Sobczak,
prof. SGH Kierownik Zakładu Zarządzania IT SGH Redaktor naczelny Robonomika.pl -
Zastosowanie sztucznej inteligencji w sektorze finansowym dr hab. Andrzej Sobczak,
prof. SGH Kierownik Zakładu Zarządzania IT SGH Redaktor naczelny Robonomika.pl -
Konstelacja pojęć • Sztuczna inteligencja (Artificial Intelligence) • Superinteligencja (Superintelligence)
• Uczenie maszynowe (Machine Learning) • Uczenie głębokie (Deep Learning) • Inteligencja rozszerzona (Augmented Intelligence) https://www.robonomika.pl/slownik-angielsko-polski-pojec-robotyzacja-sztuczna-inteligencja . -
Konstelacja pojęć • Sztuczna inteligencja (Artificial Intelligence) • Superinteligencja (Superintelligence)
• Uczenie maszynowe (Machine Learning) • Uczenie głębokie (Deep Learning) • Inteligencja rozszerzona (Augmented Intelligence) https://www.robonomika.pl/slownik-angielsko-polski-pojec-robotyzacja-sztuczna-inteligencja . RPA, proste chatboty, systemy regułowe nie są sztuczną inteligencją -
Przyjęta perspektywa • Makro (cały sektor) vs. Mikro (pojedyncza firma)
https://www.facebook.com/camobscura/photos/ . -
Przyjęta perspektywa • Makro (cały sektor) vs. Mikro (pojedyncza firma)
https://www.facebook.com/camobscura/photos/ . Banki, ubezpieczyciele, towarzystwa funduszy inwestycyjnych, leasing, windykacja… -
Przyjęta perspektywa • Makro (cały sektor) vs. Mikro (pojedyncza firma)
• Dział IT vs. Działy biznesowe https://www.facebook.com/camobscura/photos/ . -
Przyjęta perspektywa • Makro (cały sektor) vs. Mikro (pojedyncza firma)
• Dział IT vs. Działy biznesowe • Wdrożenie technologii vs. Zmiana biznesowa https://www.facebook.com/camobscura/photos/ . -
Przyjęta perspektywa • Makro (cały sektor) vs. Mikro (pojedyncza firma)
• Dział IT vs. Działy biznesowe • Wdrożenie technologii vs. Zmiana biznesowa • Marzenia vs. Dostępne rozwiązania https://www.facebook.com/camobscura/photos/ . -
Przyjęta perspektywa • Makro (cały sektor) vs. Mikro (pojedyncza firma)
• Dział IT vs. Działy biznesowe • Wdrożenie technologii vs. Zmiana biznesowa • Marzenia vs. Dostępne rozwiązania • Całościowa transformacja vs. Punktowe zastosowania https://www.facebook.com/camobscura/photos/ . -
Klasy narzędzi wykorzystujące AI Chatboty Voiceboty Systemy wspomagające zrozumienie Systemy
rekomendacyjne Inteligentne (kognitywne) RPA … Systemy analityczne -
Analiza ryzyka kredytowego Automatyzacja interakcji z klientami Robot-doradcy inwestycyjni Wykrywanie
oszustw Przeciwdziałanie praniu pieniędzy (ALM) Przykłady wykorzystania AI w sektorze finansowym . Automatyczne rozpatrywanie reklamacji Konserwacja bankomatów Wycena szkód Identyfikacja biometryczna (rozpoznawanie twarzy) Personalizacja ofert marketingowych Ocena odpowiedniości produktu zgodnie z MiFID II Analiza trendów rynkowych Realizacja transakcji w handlu algorytmicznym Know Your Customer (KYC) Wsparcie decyzji inwestycyjnych Analiza złożonych dokumentów prawnych -
(Obsługa bankowości konwersacyjnej) 01. Abe.ai (Przeciwdziałanie praniu pieniędzy) 02. Ayasdi
(Generowanie oszczędności) 03. Trim -
Rozpieszczony Wymagający klient, często gotowy na innowacyjne usługi Bardzo silnie
regulowany obszar (z tendencją wzrostową) Uwarunkowania wdrażania AI w polskim sektorze finansowym Fintechy (powoli) rozpychające się na rynku Często działalność w strukturach międzynarodowych korporacji Złożone środowisko organizacyjno- informatyczne (z elementami legacy) Dążenie do poprawy współczynników rentowności Rynek B2C zdominowany przez język polski Różny stan wstrzykiwania genu zwinności -
Stan obecny w Polskim w sektorze finansowym • Ciągle większość
wdrożeń AI ma charakter punktowy, o niewielkim wolumenie transakcji (implementacja chatbota rekrutacyjnego nie jest „rocket science”) • Bardzo często nie ma jasno zdefiniowanych celów/strategii wdrażania AI (w szczególności powiązanie jej z robotyzacją) • Występują problemy z danymi, na których ma działać AI (postać cyfrowa, jakość danych, kwestia zgód klientów) • Występują problemy z budową kompetencji w zakresie AI (bank nie jest wymarzonym miejscem pracy dla DS) . -
Problemy z odpowiedzialnością Kontekst prawny (regulacyjny) wdrażania i używania narzędzi
wykorzystujących AI będzie istotnym wyzwaniem (do tego dochodzą kwestie etyczne / moralne) Wyzwania związane z wykorzystaniem AI w sektorze finansowym . -
Problemy z odpowiedzialnością Kontekst prawny (regulacyjny) wdrażania i używania narzędzi
wykorzystujących AI będzie istotnym wyzwaniem (do tego dochodzą kwestie etyczne / moralne) Wyzwania związane z wykorzystaniem AI w sektorze finansowym . Np. według wytycznych ESMA dotyczących wykorzystania robodoradztwa (ESMA35-43-1163 PL) czy wg. stanowiska KNF wykorzystywanie AI przy doradztwie inwestycyjnym wiąże się z pełną odpowiedzialnością firmy inwestycyjnej za szkody wyrządzone klientowi -
Problemy z odpowiedzialnością Kontekst prawny (regulacyjny) wdrażania i używania narzędzi
wykorzystujących AI będzie istotnym wyzwaniem (do tego dochodzą kwestie etyczne / moralne) Skalowanie wdrożenia AI Kluczowa będzie zdolność firmy do rekonfiguracji jej zasobów i przejścia z pojedynczych, pilotażowych wdrożeń AI do zastosowania AI na masową skalę Wyzwania związane z wykorzystaniem AI w sektorze finansowym . -
Problemy z odpowiedzialnością Kontekst prawny (regulacyjny) wdrażania i używania narzędzi
wykorzystujących AI będzie istotnym wyzwaniem (do tego dochodzą kwestie etyczne / moralne) Skalowanie wdrożenia AI Kluczowa będzie zdolność firmy do rekonfiguracji jej zasobów i przejścia z pojedynczych, pilotażowych wdrożeń AI do zastosowania AI na masową skalę Wyzwania związane z wykorzystaniem AI w sektorze finansowym . Model AIOps (nie mylić z AIDevOps), obejmuje zintegrowany zestaw działań organizacyjnych i technologii pozwalających zarządzać całym cyklem życia rozwiązania wykorzystującego AI (od pomysłu biznesowego, aż po monitorowanie działania rozwiązania na produkcji) -
Problemy z odpowiedzialnością Kontekst prawny (regulacyjny) wdrażania i używania narzędzi
wykorzystujących AI będzie istotnym wyzwaniem (do tego dochodzą kwestie etyczne / moralne) Skalowanie wdrożenia AI Kluczowa będzie zdolność firmy do rekonfiguracji jej zasobów i przejścia z pojedynczych, pilotażowych wdrożeń AI do zastosowania AI na masową skalę Wyzwania związane z wykorzystaniem AI w sektorze finansowym . https://medium.com/inside-machine-learning/ai-ops-managing-the-enad-to-end-lifecycle-of-ai-3606a59591b0 -
Problemy z odpowiedzialnością Kontekst prawny (regulacyjny) wdrażania i używania narzędzi
wykorzystujących AI będzie istotnym wyzwaniem (do tego dochodzą kwestie etyczne / moralne) Skalowanie wdrożenia AI Kluczowa będzie zdolność firmy do rekonfiguracji jej zasobów i przejścia z pojedynczych, pilotażowych wdrożeń AI do zastosowania AI na masową skalę Poszukiwanie modelu zarządzania instytucją finansową Zarządzanie firmami „AI-based” stanie się wyzwaniem dla kadry zarządzającej, ciągle jeszcze trwającej (przynajmniej mentalnie) przy modelu firmy z XX w. Wyzwania związane z wykorzystaniem AI w sektorze finansowym . -
Problemy z odpowiedzialnością Kontekst prawny (regulacyjny) wdrażania i używania narzędzi
wykorzystujących AI będzie istotnym wyzwaniem (do tego dochodzą kwestie etyczne / moralne) Skalowanie wdrożenia AI Kluczowa będzie zdolność firmy do rekonfiguracji jej zasobów i przejścia z pojedynczych, pilotażowych wdrożeń AI do zastosowania AI na masową skalę Poszukiwanie modelu zarządzania instytucją finansową Zarządzanie firmami „AI-based” stanie się wyzwaniem dla kadry zarządzającej, ciągle jeszcze trwającej (przynajmniej mentalnie) przy modelu firmy z XX w. Wyzwania związane z wykorzystaniem AI w sektorze finansowym . Jak będzie wyglądał system premiowania managerów w instytucji finansowej działającej jak „software house”, jak zmieni się zapotrzebowanie na kompetencje pracowników, jak będzie wyglądać motywowanie do pracy pracowników (i zarządzanie ich obawami / lękami) -
2 Model działania organizacji, w którym osoby z jednostek biznesowych
– bez udziału działu IT (lub z jego minimalnym zaangażowaniem) tworzą lub pozyskują rozwiązania informatyczne wykorzystujące elementy AI – w celu zastosowania ich w realizowanych przez siebie lub przez swoich współpracowników procesach biznesowych. -
. Modele wdrażania AI w firmach Budowa rozwiązań przez dostawcę
Demokratyzacja „AI” 1. 2. 4. Wybór modelu wdrażania AI pokazuje jaki jest jej cyfrowy „mindset” Zespół ds. AI w obszarze IT Centrum doskonałości AI 3. -
AI finds that married couples have a higher chance of
divorce than single people. Znalezione w sieci -
AI finds that married couples have a higher chance of
divorce than single people. Znalezione w sieci -
Ostrzeżenie Coś, czego nie widzimy i nie czujemy nie oznacza,
że: • tego nie ma, • na nas to nie oddziałuje, • możemy to ignorować. Mówimy o zmianach rozłożonych na 10 lat. Nie skończmy, jak powoli gotowana żaba… . -
Ostrzeżenie Coś, czego nie widzimy i nie czujemy nie oznacza,
że: • tego nie ma, • na nas to nie oddziałuje, • możemy to ignorować. Mówimy o zmianach rozłożonych na 10 lat. Nie skończmy, jak powoli gotowana żaba… . -
Efektywność to fetysz XXI w. - od AI nie ma
odwrotu (Next Big Thing) . -
Efektywność to fetysz XXI w. - od AI nie ma
odwrotu (Next Big Thing) . Pamiętajmy, że wdrożenie AI jest sposobem na realizację celów biznesowych, a nie celem samym w sobie -
Kontakt Prof. SGH, dr hab. Andrzej Sobczak Kierownik Zakładu Zarządzania
IT Szkoła Główna Handlowa w Warszawie tel.: +48 501 707 525 mail: [email protected] www: robonomika.pl .