لقد أصبح الذكاء الاصطناعي (AI) سائداً ويستعد لإحداث ثورة في العمليات في القطاع المصرفي. لقد غذت عدة عوامل هذه الطفرة، أبرزها النمو الهائل في حجم البيانات وتعقيدها، وزيادة الضغط من أجل السرعة
ودقة اتخاذ القرار، وضرورة الشفافية. في حين أن الذكاء الاصطناعي التوليدي سيكون ذا قيمة لا تقدر بثمن في مساعدة البنوك على تلخيص مجموعات كبيرة من البيانات، وقد تحتاج إلى أن تهمس بهذا، فهي ليست التكنولوجيا الوحيدة التي تقود الأتمتة في العالم.
القطاع المصرفي.
الذكاء الاصطناعي يبدأ بالسياق
في نمذجة المخاطر، يحظى اختيار نقاط بيانات الإدخال أو الميزات بأهمية قصوى، وغالبًا ما يتجاوز اختيار النموذج أو الخوارزمية. في صناعة مقيدة بمتطلبات تنظيمية صارمة لنمذجة الشفافية وقابلية الشرح، فإن نطاق
غالبًا ما يكون اختيار النموذج مقيدًا، مما يزيد من أهمية ميزات الإدخال كمحددات أساسية لنجاح النموذج أو فشله. لذلك، يصبح السؤال المحوري: كيف يمكننا إضفاء أقصى قدر من الأهمية على سماتنا؟
تظهر الميزات المستندة إلى الشبكة كآلية قوية لغرس كميات وفيرة من المعلومات في النماذج مع الحفاظ على ضرورة الشفافية وقابلية التفسير. يستلزم أحد الأساليب الفعالة الاستفادة من شبكات كيانات المستندات المخصصة لتحقيق ذلك
إنشاء ميزات تحدد الترابط بين الشركات والأفراد. على سبيل المثال، يمكن أن يكون استخدام ميزات الشبكة، التي تصور العلاقات بين الشركات ومديريها، بمثابة مدخلات محورية لشركة شل للتعلم الآلي
نماذج الكشف، تؤدي في بعض الحالات إلى تحسين الأداء بنسبة 20% مقارنة بالاعتماد فقط على الميزات على مستوى السجل.
إن مخرجات هذه النماذج - التنبؤات المتعلقة بالشركات الوهمية والوكلاء الذين ينظمون تشكيلها - تحمل آثارًا على تعزيز جهود الكشف عن المخاطر عبر مكافحة غسل الأموال (AML)، ومعرفة عميلك (KYC)، وتخفيف الاحتيال.
المجالات.
ومن خلال الاستفادة من مجموعة تقنيات الذكاء الاصطناعي المركبة، يمكن للبنوك دمج الخبرة الموضوعية مع مجموعة من تقنيات التعلم الآلي والتعلم العميق، إلى جانب الوصول إلى بيانات الصناعة المنظمة وغير المنظمة الضخمة. وهذا النهج الشامل يعزز القدرة على التكيف،
دقة وفعالية النماذج. إن الاستفادة من الخبرة والمعرفة بالمجال طوال عملية تطوير النموذج تضمن الدقة العالية والثقة في حل مشكلات العمل المعقدة. باختصار، يجب على البنوك التي تتطلع إلى تطبيق الذكاء الاصطناعي أن تتجنب الاعتماد عليه
نموذج أو تقنية أو نهج واحد. قد يؤدي القيام بذلك إلى قيود في المنظور والقدرة على التكيف والأداء.
أهمية ميزات الشبكة
توفر الشبكات إطارًا متعدد الاستخدامات لنمذجة علاقات الكيانات عبر سياقات مختلفة. على سبيل المثال، يمكن للشبكات التي تصور معاملات الدفع بين الأطراف أن تكشف عن علامات تدل على وجود مخالفات مالية. من خلال التدقيق في أنماط محددة داخل
فالشبكة - مثل دورات المعاملات ذات الأحجام المماثلة - يمكن للبنوك أن تكشف عن المخاطر التي كان من الممكن أن تتجنب الكشف عنها عند فحص المعاملات بمعزل عن غيرها. علاوة على ذلك، عند استكماله بمستودع لحالات الاحتيال المعروفة، فإن ميزات الشبكة
مثل تواتر المنعطفات أو الدفعات الدورية يمكن أن يعزز نماذج التعلم الخاضعة للإشراف، مما يزيد من قدرتها التنبؤية لسيناريوهات المخاطر المستقبلية.
إحدى الشبكات البارزة بشكل خاص لنمذجة مخاطر الشركات هي التسلسل الهرمي القانوني التنظيمي، الذي يشمل أعضاء مجلس الإدارة والمساهمين والشركات التابعة. تعمل السمات الأساسية مثل حجم الشبكة وكثافة الاتصال والطبقات الهرمية
أبعاد لا تقدر بثمن للتجزئة وإنشاء الميزات في نماذج التعلم الخاضع للإشراف، مما يعزز قدرتنا على تمييز المخاطر المحتملة وتخفيفها بشكل فعال.
بالنسبة للمحققين والمحللين، هنا تأتي تحليلات الرسم البياني في حد ذاتها من خلال السماح لهم بتحليل وتصور وفهم الاتصالات المخفية عبر مجموعات البيانات المتباينة. والأهم من ذلك أنها قابلة للتطوير وبديهية، مما يسمح للفرق باجتياز المليارات
من الحواف دون المساس بالإنتاجية مع الاستعلام عالي التردد.
حل الكيانات يغير مستقبل الخدمات المصرفية
يستفيد حل الكيان من تقنيات الذكاء الاصطناعي والتعلم الآلي المتقدمة لتحليل البيانات وتنقيتها وتوحيدها، مما يتيح تحديد الكيانات عبر مجموعات البيانات المتباينة بشكل موثوق. تتضمن هذه العملية تجميع السجلات ذات الصلة وتجميع السمات
لكل كيان، وإنشاء اتصالات مسماة بين الكيانات وسجلاتها المصدرية. بالمقارنة مع أساليب مطابقة السجل إلى السجل التقليدية، يوفر حل الكيان فعالية معززة بشكل كبير.
بدلاً من محاولة ربط كل سجل مصدر بشكل مباشر، يمكن للمؤسسات تقديم عقد كيان جديدة كنقاط مركزية لربط بيانات العالم الحقيقي. لا يعمل حل الكيانات عالي الجودة على تسهيل ربط البيانات الداخلية فحسب، بل يتيح أيضًا التكامل
مصادر البيانات الخارجية القيمة، مثل سجلات الشركات، والتي كان من الصعب في السابق مطابقتها بدقة.
يمثل دمج تقنية حل الكيانات داخل القطاع المصرفي قفزة كبيرة إلى الأمام، مما يمكّن البنوك من الانتقال من العمليات القائمة على الدفعات إلى عروض المنتجات والخدمات في الوقت الفعلي تقريبًا عبر أطر الخدمة الشاملة. هذا
يمكن أن يتجاوز التطور مكافحة الاحتيال ليشمل جميع تفاعلات العملاء من خلال نقاط الاتصال المختلفة، بما في ذلك مراكز الاتصال والفروع والقنوات الرقمية، مما يضمن تجربة عملاء سلسة وديناميكية.
يلعب الذكاء الاصطناعي التوليدي دورًا مهمًا
خلال العام المقبل، أتوقع أن أرى مساعدي الذكاء الاصطناعي المبدعين يستفيدون من نماذج اللغات الكبيرة (LLMs) ليصبحوا منتشرين بشكل متزايد في مجال الخدمات المصرفية. يتيح الذكاء الاصطناعي التوليدي واجهة بديهية ومحادثة، مما يعزز الكفاءات للمحللين
المشاركة في تحديد المخاطر ضمن التحقيقات. بالنسبة للمؤسسات، تعد المزايا المحتملة كبيرة، حيث يعمل مساعد الذكاء الاصطناعي هذا على تمكين جميع أفراد المحللين من الأداء على مستوى المحققين الأكثر خبرة. العديد من هؤلاء المساعدين سوف
كن مستقلاً عن LLM، مما يتيح للشركات المرونة في استخدام نماذجها المفضلة، سواء كانت نماذج مملوكة أو مفتوحة المصدر أو متاحة تجاريًا مثل ChatGPT من OpenAI. عند دمجها مع جوانب أخرى من حزمة الذكاء الاصطناعي المركبة، فإنها ستدعمها
دقة الكيانات، وتحليلات الرسم البياني، وقدرات التسجيل، وفتح إمكانات غير مسبوقة من خلال تمكين الاستعلامات والمطالبات باللغة الطبيعية.
ومن الأهمية بمكان أن جميع منتجات الذكاء الاصطناعي التوليدية لا يمكن أن تكون بمثابة أداة إضافية أو بمعزل عن أتمتة الذكاء الاصطناعي الأوسع. إن النتائج التي ستولدها تكون جيدة بقدر جودة البيانات والسياق وتكنولوجيا تحليل الكيانات التي بنيت عليها. البنوك تسعى للتنفيذ
يجب أن يفكر الذكاء الاصطناعي التوليدي على نطاق أوسع في كيفية تناسب التقنيات المختلفة مع مجموعة تقنيات أتمتة الذكاء الاصطناعي الخاصة بهم.
- محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
- PlatoData.Network Vertical Generative Ai. تمكين نفسك. الوصول هنا.
- أفلاطونايستريم. ذكاء Web3. تضخيم المعرفة. الوصول هنا.
- أفلاطون كربون، كلينتك ، الطاقة، بيئة، شمسي، إدارة المخلفات. الوصول هنا.
- أفلاطون هيلث. التكنولوجيا الحيوية وذكاء التجارب السريرية. الوصول هنا.
- المصدر https://www.finextra.com/blogposting/25822/gen-ai-isnt-the-only-tech-driving-automation-in-banking?utm_medium=rssfinextra&utm_source=finextrablogs
