Zastosowanie sztucznej inteligencji w sektorze finansowym

Prezentacja przedstawia możliwości zastosowanie sztucznej inteligencji w sektorze finansowym.

Transcript

1. Zastosowanie sztucznej inteligencji w sektorze finansowym dr hab. Andrzej Sobczak, prof. SGH Kierownik Zakładu Zarządzania IT SGH Redaktor naczelny Robonomika.pl
2. Zastosowanie sztucznej inteligencji w sektorze finansowym dr hab. Andrzej Sobczak, prof. SGH Kierownik Zakładu Zarządzania IT SGH Redaktor naczelny Robonomika.pl
5. Wyzwanie: niereprezentatywna grupa słuchaczy Dzisiejsi uczestnicy FG TIME
6. 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 .
7. 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
8. Przyjęta perspektywa • Makro (cały sektor) vs. Mikro (pojedyncza firma) https://www.facebook.com/camobscura/photos/ .
9. Przyjęta perspektywa https://www.facebook.com/camobscura/photos/ .
10. Przyjęta perspektywa • Makro (cały sektor) vs. Mikro (pojedyncza firma) https://www.facebook.com/camobscura/photos/ . Banki, ubezpieczyciele, towarzystwa funduszy inwestycyjnych, leasing, windykacja…
11. Przyjęta perspektywa • Makro (cały sektor) vs. Mikro (pojedyncza firma) • Dział IT vs. Działy biznesowe https://www.facebook.com/camobscura/photos/ .
12. 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/ .
13. 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/ .
14. 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/ .
15. Klasy narzędzi wykorzystujące AI Chatboty Voiceboty Systemy wspomagające zrozumienie Systemy rekomendacyjne Inteligentne (kognitywne) RPA … Systemy analityczne
16. 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
17. (Obsługa bankowości konwersacyjnej) 01. Abe.ai (Przeciwdziałanie praniu pieniędzy) 02. Ayasdi (Generowanie oszczędności) 03. Trim
18. 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
19. 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) .
20. 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 .
21. 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
22. 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 .
23. 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)
24. 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
25. 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 .
26. 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)
27. Dwa skrajne podejścia do wdrażania AI w sektorze finansowym .
30. 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.
31. . 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.
32. AI finds that married couples have a higher chance of divorce than single people. Znalezione w sieci
33. AI finds that married couples have a higher chance of divorce than single people. Znalezione w sieci
34. 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… .
35. 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… .
36. Efektywność to fetysz XXI w. - od AI nie ma odwrotu (Next Big Thing) .
37. 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
39. MIT Sloan Review
40. dramatyczne lub istotne zmiany organizacyjne w firmach MIT Sloan Review
41. Kontakt Prof. SGH, dr hab. Andrzej Sobczak Kierownik Zakładu Zarządzania IT Szkoła Główna Handlowa w Warszawie tel.: +48 501 707 525 mail: sobczak@robonomika.pl www: robonomika.pl .