Wykorzystanie algorytmów uczenia maszynowego mo?e zrewolucjonizowa? sektor finansowy. Banki coraz ?mielej inwestuj? w systemy chmurowe oraz aplikacje wykorzystuj?ce sztuczn? inteligencj? do analizy du?ych zasobów informacji. Dzi?ki nim mog? przeprowadza? dok?adniejsze prognozy finansowe oraz oferowa? produkty, które b?d? lepiej dopasowane do potrzeb poszczególnych klientów. Dodatkowo zwi?ksz? bezpiecze?stwo przeprowadzanych transakcji.
Nowe technologie takie jak np. sztuczna inteligencja czy uczenie maszynowe znajduj? coraz szersze zastosowanie. Sektor finansowy nadaje si? doskonale do ich wykorzystania, poniewa? finanse operuj? na danych i na liczbach – mówi Bartek Ostrowski, szef dzia?u finansów w firmie UBS.
Sztuczna inteligencja nie bez powodu fascynuje bran?? finansow?. Algorytmy wykorzystuj?ce mechanizmy uczenia maszynowego mog? w czasie rzeczywistym analizowa? du?e zasoby informacji, które sp?ywaj? np. z gie?dy, i b?yskawicznie reagowa? na wahania kursów akcji, maksymalizuj?c zyski i minimalizuj?c straty inwestorów.
Po rozwi?zania tego typu si?gn?li m.in. przedstawiciele Narodowego Centrum Bada? i Rozwoju oraz Gie?dy Papierów Warto?ciowych w Warszawie, którzy wspólnie b?d? pe?ni? piecz? nad rozwojem systemu GPW Data. Projekt zak?ada stworzenie repozytorium oraz narz?dzi, które b?d? wspiera?y podejmowanie decyzji finansowych przy wykorzystaniu algorytmów sztucznej inteligencji w procesie analizy oraz przetwarzania danych pozyskiwanych na rynku finansowym.
Po sztuczn? inteligencj? si?gn??a równie? gie?da Nasdaq, która we wspó?pracy z firm? Cryptoindex wprowadzi?a index kryptograficzny CIX100. Inwestorzy znajd? w nich informacje na temat 100 najwa?niejszych kryptowalut funkcjonuj?cych na rynku. Ka?da z nich jest poddawana gruntownej analizie za po?rednictwem algorytmów sztucznej inteligencji, które analizuj? transakcje przeprowadzane na kluczowych gie?dach kryptowalutowych, a tak?e doniesienia prasowe publikowane w portalach bran?owych oraz mediach spo?eczno?ciowych.
Decyzje inwestycyjne nie s? podejmowane tylko przez roboty; je?li spojrze? na globalne rynki, to obecnie za wi?kszo?ci? transakcji nadal stoi cz?owiek. Niemniej u?ycie sztucznej inteligencji zdecydowanie pozwala analitykom na efektywniejsz? prac? – wyja?nia ekspert.
Analitycy z Deutsche Bank Research w raporcie „Artificial intelligence in banking” przyjrzeli si? innemu aspektowi fintechowych sztucznych inteligencji. Dostrzegli oni potencja? algorytmów uczenia maszynowego jako narz?dzia do skutecznej weryfikacji to?samo?ci uczestników rynku finansowego. Pierwsze narz?dzia tego typu powoli wdra?a si? na polskim rynku.
Bank PKO BP eksperymentuje z nowatorskim systemem motywowania pracowników, który wykorzystuje algorytm rozpoznawania obrazu do analizy mimiki u?ytkownika. Sztuczna inteligencja od PKO BP opracowana przez start-up Quantum CX zlicza, jak cz?sto pracownik u?miecha si? podczas rozmowy z klientem, dzi?ki czemu ci najbardziej ?yczliwi maj? szans? na zdobycie nagród motywacyjnych. Tego typu narz?dzia rodz? jednak etyczne obiekcje. Na wniosek Rzecznika Praw Obywatelskich G?ówny Inspektor Pracy zbada spraw? liczenia u?miechów, czy nie narusza prywatno?ci i godno?ci pracowników banku.
Z kolei firma Provema wykorzysta?a algorytmy sztucznej inteligencji w procesie analizy sytuacji finansowej klientów. Oprogramowanie automatyzuje proces oceny ryzyka finansowego i znacz?co go przyspiesza – dzi?ki zastosowaniu technologii uczenia maszynowego firma skróci?a czas analizy dokumentów z 3 minut do 4 sekund.
Sztuczna inteligencja nie jest bez wad. S? badania, które pokazuj?, ?e algorytmy stworzone przez sztuczn? inteligencj? mog? mie? zakodowane my?lenie stereotypowe czy pewne uprzedzenia. Jedynie po??czenie wiedzy i do?wiadczenia cz?owieka ze wsparciem, jakie niesie sztuczna inteligencja, mo?e przynie?? lepsze rezultaty i pomóc w unikni?ciu b??dów – twierdzi Bartek Ostrowski.
Wed?ug firmy badawczej Research and Markets warto?? globalnego rynku fintechów do 2023 roku wzro?nie do blisko 306 mld dol. W najbli?szych latach ma on si? rozwija? w tempie ponad 22 proc. w skali roku.
