پولی تسانگ، مدیر مالی در ICAEW از پتانسیل هوش مصنوعی برای تغییر شکل خدمات مالی به دو شکل، استفاده میکند. اولی ریسکها و فرصتهای پیش روی این صنعت است.
ChatGPT و دیگر مدلهای زبان بزرگ (LLM) ماهها است که سرتیتر خبرها هستند. از گزارشهایی جعلی تا داستانی در مورد اینکه چگونه یک روزنامهنگار به کمک یک پلتفرم هوش مصنوعی متقاعد شد تا شریک زندگی خود را ترک کند، در مورد هوش مصنوعی مولد صحبت شده است. اما کاربردهای عملی در بخش خدمات مالی چیست؟
آینده اینجاست ؛ هوش مصنوعی
چه متوجه شوید یا نه، اکثر مردم در حال تعامل با هوش مصنوعی در مسائل مالی خود هستند. از چهره شما برای باز کردن قفل برنامه بانکی استفاده میشود؟ بله، این هوش مصنوعی است. از چت برای پشتیبانی از خدمات بانکی در وب سایت بانک استفاده میکنید؟ به احتمال زیاد این هم هوش مصنوعی است.
هوش مصنوعی در حال حاضر برای اهداف مدیریت ریسک، در تشخیص و پیشگیری از تقلب استفاده میشود. هوش مصنوعی از طریق اتوماسیون، توانایی خودکارسازی کارهای خسته کننده مانند بودجهبندی و پیشبینی را انجام میدهد. تجزیه و تحلیل دادههای مبتنی بر هوش مصنوعی به منظور استخراج و تحلیل دادهها از اسناد دادگاه و مشتریان، بهطور خودکار سالها است که در شرکتهای حقوقی و بانکهای جهان اجرا میشود.
سرمایهگذاری رباتیک و دستیاران مجازی به نوعی بانکداری را دموکراتیزه کردهاند، به این معنی که دیگر بانکها در اختیار افراد ثروتمند نیستند. سبدهای سرمایهگذاری پر ریسک، صندوقهای PE و شرکتهای حسابداری در حال حاضر از برنامههای هوش مصنوعی برای بررسی وضعیت مالی هزاران شرکت و فروش دادههای جانبی استفاده میکنند.
در بخش بیمه، هوش مصنوعی در ارزیابی خسارت برای تجزیه و تحلیل تصاویر و ویدئوهای اموال یا وسایل نقلیه آسیب دیده و تسریع در روند مطالبات استفاده میشود. هوش مصنوعی به طور گسترده در تصمیم گیریهای اعتباری، تصمیم گیری در مورد دریافت وام یا عدم دریافت وام بر اساس امتیازدهی اعتباری و در نتیجه توصیههای وامدهی به کار گرفته میشود.
این استفاده از هوش مصنوعی به بانک اجازه میدهد تا خدمات بسیار شخصیتری را به مشتریان ارائه کند، محصولات مالی خود را متناسب با نیازهای محصولاتشان تنظیم کند و بهطور بالقوه نرخهای سودمندی را برای مشتریانی که بهعنوان «کم ریسک» یا «پر ریسک» شناخته میشوند، ارائه دهد.
خطرات اخلاقی و جدید در استفاده از هوش مصنوعی
اگر دادههایی که از تصمیم هوش مصنوعی گرفته شده اشتباه یا ناقص باشد چه اتفاقی میافتد؟ صحبتهای زیادی در مورد جهتگیری در دادههای مورد استفاده برای آموزش مدلهای هوش مصنوعی وجود دارد که ممکن است در فرآیند تصمیمگیری تبعیضآمیز در امتیازدهی اعتبار، تاییدیه وام و سایر تصمیمهای مالی ظاهر شود.
اگر الگوریتمهای هوش مصنوعی از روی دادههای تاریخی که منعکسکننده تصمیمهای وامدهی مغرضانه یا نابرابریهای سیستمی هستند، آموزش ببینند، هوش مصنوعی ممکن است با توصیه یا تأیید وامها بر اساس عواملی مانند نژاد، جنسیت یا مکان تصمیم بگیرد. به عنوان مثال، اگر الگوریتمی کد پستی را به عنوان عاملی برای ارزش اعتباری در نظر بگیرد، میتواند جهتگیری خاصی را از بعضی محلههای مشخص شده، انجام داده و به طور ناعادلانهای با شرایط جمعیتی یا اجتماعی و اقتصادی خاص مرتبط باشد.
وقتی تصمیمات اشتباه گرفته میشود چه اتفاقی میافتد؟ اگر بر اساس اطلاعات نادرست به مشتری وام مسکن داده نشود چه میشود؟ مشتری باید به چه کسی رجوعی کند و علیه چه کسی یا شرکتی شکایت کند؟ ارائه دهنده مجموعه داده؟ ارائه دهنده هوش مصنوعی؟ این نکتهای است که هنوز حل نشده است.
به طور کلی، باید در مورد اینکه آیا اتکا به الگوریتمهای هوش مصنوعی در خدمات مالی میتواند انواع جدیدی از ریسکهای سیستمی ایجاد کند، توجه جدی صورت گیرد.
چگونه میتوانیم از ثبات و انعطافپذیری سیستمهای مالی در مواجهه با آسیبپذیریهای مرتبط با هوش مصنوعی، مانند تجارت الگوریتمی یا پلتفرمهای به هم پیوسته مبتنی بر هوش مصنوعی اطمینان حاصل کنیم؟ به عنوان مثال، میتوان تصور کرد که هوش مصنوعی هماهنگ کننده تصمیمات تجاری در مدیریت سرمایه گذاری، به طور ناگهانی تصمیم میگیرد سهام خاصی را در یک زمان به فروش برساند و در نتیجه بازار حرکتهایی را انجام میدهد که ممکن است در جهت سود افراد خاصی بوده باشد.
و اگر قدمی فراتر برداریم، اگر حرکات بازار نتیجه تصمیم گیری هوش مصنوعی در بازار باشد، چه اتفاقی میافتد؟ آیا این نظر شما را در مورد نحوه استفاده از هوش مصنوعی تغییر میدهد؟ شما میتوانید به راحتی و از طریق زبان فارسی با Chatgpt و سایر سرویسهای هوش مصنوعی صحبت کنید. تنها کافی است اپلیکیشن زیگپ را دانلود و به راحتی از آن استفاده کنید. همچنین شما میتوانید نظرات خود را با ما و سایر کاربران در شبکههای اجتماعی ما در اینستاگرام و تلگرام به اشتراک بگذرید.