إن كل صناعة تقريبًا مفتونة بالذكاء الاصطناعي التوليدي، وتعد التكنولوجيا المالية أحد القطاعات الرئيسية التي تقود عملية اعتمادها. يمكن للشركات المالية الجمع بين الذكاء الاصطناعي التوليدي وقدرات الذكاء الاصطناعي التقليدية الأكثر رسوخًا لتسريع جهود التحول التي تبذلها المؤسسة في عدد من المجالات الرئيسية، بما في ذلك اتخاذ القرارات التنبؤية، وتقييمات المخاطر، وإشراك العملاء، والأمن السيبراني، والامتثال والمزيد. ومع ذلك، في حين أن الذكاء الاصطناعي التوليدي يوفر إمكانات كبيرة، يجب أن تكون مؤسسات التكنولوجيا المالية استراتيجية في كيفية ومكان تطبيق نماذج اللغات الكبيرة للذكاء الاصطناعي التوليدي (LLMs) والتقنيات ذات الصلة في المؤسسة.
أربعة اتجاهات رئيسية
ستكون رحلة التحول لكل مؤسسة فريدة من نوعها من حيث كيفية ومكان تطبيق الذكاء الاصطناعي لتبسيط العمليات وأتمتة سير العمل وتحقيق وفورات في التكاليف. ومع ذلك، إليك أربعة اتجاهات رئيسية تشكل رحلة اعتماد الذكاء الاصطناعي للعديد من الشركات اليوم:
1. المزج بين الذكاء الاصطناعي التوليدي والتقليدي: من الصعب المبالغة في تقدير الإثارة حول الذكاء الاصطناعي التوليدي في عصر حيث سجل ChatGPT، وهو تطبيق الذكاء الاصطناعي التوليدي الأكثر شهرة، الرقم القياسي بسرعة لـ قاعدة المستخدمين الأسرع نموًا في التاريخ. لكن هذه الوفرة يمكن أن تحجب حقيقة أن الذكاء الاصطناعي التوليدي يجب أن يعمل في كثير من الأحيان جنبًا إلى جنب مع الذكاء الاصطناعي التقليدي لخلق أكبر قيمة. على سبيل المثال، يمكن للبنك استخدام الذكاء الاصطناعي التقليدي لتحليل بيانات سلوك المستخدم ثم استخدام المخرجات كأساس للذكاء الاصطناعي التوليدي لإنشاء محتوى مخصص. أو يمكن لمنصة AIOps أن تتضمن الذكاء الاصطناعي التوليدي لتخصيص التنبيهات الأمنية وتسهيل مراسلات SOC. إن مزج هذه الأنواع المختلفة من الذكاء الاصطناعي يمكن أن يحقق أرباحًا ضخمة للشركات المالية التي تتعامل مع البيانات الحساسة واللوائح الصارمة.
2. المزيد من مرونة البيانات وتقليل الصوامع: لقد استحوذ الذكاء الاصطناعي على اهتمام قادة الخدمات المالية، ولكن من السهل أن ننسى أن الذكاء الاصطناعي لا شيء في غياب البيانات الجيدة. وبدون المرونة الكافية والوصول الذي يتجاوز الصوامع التقليدية بين مجموعات البيانات أو النظم البيئية للبائعين، ستكون مصادر المعلومات والنمذجة الخوارزمية التي تدعم الذكاء الاصطناعي المولد محدودة. تعد الإستراتيجية القوية لإدارة البيانات هي الخطوة الأولى لضمان معايير متسقة للبيانات التعريفية والتعريفات وسمات البيانات عبر ملكية تكنولوجيا المعلومات. ويجب أن يكون هذا مدعومًا بهندسة البيانات الأساسية الصحيحة، ومن الأفضل أن تصل إلى البيانات حيث توجد من خلال طبقة افتراضية أو تقنية مماثلة تربط جميع البيانات بحرية عبر شبكات المؤسسة والجهات الخارجية.
3. احتضان الذكاء الاصطناعي الخاص: خاصة عندما يقترن الذكاء الاصطناعي التقليدي، فإن الذكاء الاصطناعي التوليدي يقدم رؤى وقيمة أكبر للمؤسسة أكثر من أي وقت مضى. التحذير هو أن هذه الرؤى والقيمة يمكن أن تشق طريقها بسهولة إلى شركات أخرى، حتى المنافسين، في نظام بيئي للذكاء الاصطناعي يعتمد بشكل كبير على علاقات الطرف الثالث والبائعين. ولهذا السبب ستصبح حلول الذكاء الاصطناعي الخاص ذات أهمية متزايدة لشركات التكنولوجيا المالية التي ترغب في الاستفادة من قوة الذكاء الاصطناعي دون المساس بخصوصية البيانات من خلال مشاركة التدريب على النمذجة والخوارزميات عن غير قصد. يمكّن الذكاء الاصطناعي الخاص الشركات من التدريب بشكل آمن على بيانات الشركة، مع عدم مشاركة النماذج الناتجة خارج المؤسسة مطلقًا.
4. تذكر عامل الأشخاص في اعتماد الذكاء الاصطناعي: يتطلب وضع قدرات الذكاء الاصطناعي موضع التنفيذ معالجة عامل الأشخاص. الهدف الشامل هو التأكد من أن التعقيدات التكنولوجية التي تدعم الذكاء الاصطناعي لا تصبح عائقًا أمام دخول مديري المخاطر المالية أو محللي الاستثمار أو مستخدمي الأعمال الآخرين الذين لا يحتاجون إلى درجة الدكتوراه في علم البيانات للقيام بعملهم. وينطوي النجاح على وصفة من جزأين لتوفير منصات يمكن الوصول إليها تسمح بالتحكم في عمليات الذكاء الاصطناعي وتخصيصها دون الحاجة إلى ترميز متقدم؛ ومن ثم التدريب المناسب للمستخدمين لإدارة هذه المنصات. يجب أن يتضمن الأخير إرشادات حول البحث والهندسة السريعة للحصول على نتائج أفضل.
مزج ابتكار الذكاء الاصطناعي مع إدارة المخاطر لتحقيق أقصى عائد على الاستثمار
تحدد الاتجاهات المذكورة أعلاه منحنى اعتماد الذكاء الاصطناعي اليوم بالنسبة للمؤسسات المالية حيث تسعى إلى تحقيق أقصى عائد على الاستثمار من الكفاءات الجديدة المعتمدة على الذكاء الاصطناعي. التحذير هو أنه، إلى جانب القدرات الجديدة، يجب أن يأتي جهد كبير لإدارة المخاطر لضمان عدم إنشاء ثغرات أمنية أو ثغرات أمنية عن غير قصد عند إنشاء أنظمة ذكاء اصطناعي جديدة.
في حين أنها تستطيع توسيع نطاق العمليات وتحويل العمليات بشكل كبير، فمن المعروف أن منصات الذكاء الاصطناعي التوليدية التي تعتمد على LLMs تقدم هلوسة الذكاء الاصطناعي والمعلومات الخاطئة عبر الإنترنت في منتج عملها. وحتى الذكاء الاصطناعي التقليدي من الممكن أن يؤدي إلى تضخيم المخاطر ــ بما في ذلك عندما يتم الوصول إلى تدفقات البيانات الجديدة دون ضمانات المصادقة المناسبة، أو في الحالات حيث يتم تطبيق الأتمتة على العمليات المعيبة، وبالتالي توسيع نطاق الحالات المحتملة لعدم الامتثال كلما حدثت هذه العملية الآلية. يجب أن تتبع فرق التحول NIST إطار عمل إدارة مخاطر الذكاء الاصطناعي للمساعدة في توجيه تصميم وتطوير واستخدام وتقييم منتجات وخدمات وأنظمة الذكاء الاصطناعي.
إن المخاطر المتعلقة بنشر الذكاء الاصطناعي بشكل فعال وآمن في مؤسسة التكنولوجيا المالية مرتفعة بشكل خاص في قطاع يتعامل مع معلومات تحديد الهوية الشخصية والمعاملات المالية الحساسة للغاية. والخبر السار هو أن المردود مقابل النجاح مرتفع أيضًا بشكل خاص. وذلك لأنه نظرًا لأن قدرات توفير الوقت للذكاء الاصطناعي التوليدي تعمل على تقليل أعباء العمل اليدوية وتحسين الإنتاجية في قطاع تميل الرواتب فيه إلى الارتفاع، فإن كل ساعة يتم توفيرها تزيد من عائد الاستثمار مقارنة بالصناعات الأخرى.
.pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .box-header-title { font-size: 20px !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .box-header-title { font-weight: bold !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .box-header-title { color: #000000 !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-avatar img { border-style: none !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-avatar img { border-radius: 5% !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-name a { font-size: 24px !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-name a { font-weight: bold !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-name a { color: #000000 !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-description { font-style: none !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-description { text-align: left !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-meta a span { font-size: 20px !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-meta a span { font-weight: normal !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-meta { text-align: left !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-meta a { background-color: #6adc21 !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-meta a { color: #ffffff !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-meta a:hover { color: #ffffff !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-user_url-profile-data { color: #6adc21 !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-twitter-profile-data span, .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-twitter-profile-data i { font-size: 16px !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-twitter-profile-data { background-color: #6adc21 !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-twitter-profile-data { border-radius: 50% !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-twitter-profile-data { text-align: center !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-linkedin-profile-data span, .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-linkedin-profile-data i { font-size: 16px !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-linkedin-profile-data { background-color: #6adc21 !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-linkedin-profile-data { border-radius: 50% !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-recent-posts-title { border-bottom-style: dotted !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-multiple-authors-boxes-li { border-style: solid !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-multiple-authors-boxes-li { color: #3c434a !important; }
- 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.fintechnexus.com/four-trends-fintech-generative-ai/
