خانه / فین‌تک / بانکداری الکترونیکی / سه روش مناسب سرمایه گذاری در نوآوری های هوش مصنوعی
سه روش مناسب سرمایه گذاری در نوآوری های هوش مصنوعی

سه روش مناسب سرمایه گذاری در نوآوری های هوش مصنوعی

مترجم: فرزانه اسکندریان
منبع: بانکداری الکترونیک ازBusiness Insider

بر اساس مطالعه مرکز مالی کمبریج و مجمع جهانی اقتصاد، اکثر شرکت های خدمات مالی، فناوری هوش مصنوعی را برای اهدافی مانند مدیریت ریسک (۵۶درصد) و درآمدزایی از طریق محصولات و فرآیندهای جدید (۵۲درصد) پیاده سازی کرده اند.

کاربردهای پیشرفته هوش مصنوعی در بانکداری رایج شده است. در زیر سه روش برتر برای چگونگی بهره مندی بیشتر بانک ها از سرمایه گذاری در نوآوری های هوش مصنوعی ذکر شده است.

هوش مصنوعی وارد جریان اصلی بانکداری شده است و موسسات مالی نیز راه حل های هوش مصنوعی را در مشاغل خود به کار می بندند: بر اساس مطالعه مرکز مالی کمبریج و مجمع جهانی اقتصاد، اکثر شرکت های خدمات مالی این فناوری را برای اهدافی مانند مدیریت ریسک (۵۶درصد) و درآمدزایی از طریق محصولات و فرآیندهای جدید (۵۲درصد) پیاده سازی کرده اند.

در گزارش اخیر هوش مصنوعی در بخش بانکداری «اینسایدر اینتلیجنس» نیز برخی از مهم ترین اصول برای بانک هایی که می خواهند بازگشت سرمایه مثبت در نوآوریهای هوش مصنوعی را به دست آورند، مطرح شده است. در زیر سه روش برتر برای بانک هایی ارائه شده است که به دنبال بهره بیشتر از استفاده از هوش مصنوعی هستند. این موارد بر اساس استراتژی هایی است که در حال حاضر بانک های موفق در برنامه های هوش مصنوعی خود استفاده می کنند.

تعادل درستی میان توسعه راه حل های اختصاصی و همکاری با ارائه دهندگان طرف سوم پیدا کنید

آلوارو مارتین، مدیر استراتژی جهانی داده های BBVA، به «اینسایدر اینتلیجنس» گفت: “بانک ها باید تعیین کنند که کدام پیشرفت ها و فعال کننده های فناوری باید در داخل ایجاد شوند و کدام عناصر را می توان به راه حل های طرف سوم سپرد بدون اینکه مزایای رقابتی از دست برود.

بانک های بزرگ تر می توانند چندین راه حل فناوری جدید در داخل ایجاد کنند تا کنترل بیشتری بر محصول نهایی داشته باشند، و تنها از مشارکت طرف سوم برای ارائه ویژگی های ساده تر در یک بازه زمانی کوتاه تر استفاده کنند. از طرف دیگر، موسسات مالی کوچک تر که می خواهند از هوش مصنوعی استفاده کنند، ممکن است به دلیل کمبود نسبی استعدادهای هوش مصنوعی، هزینه استخدام و کمبود منابع جهت توسعه، وابستگی بیشتری به راه حل های کلیدی ارائه شده توسط طرف سوم داشته باشند.

داده ها را برای استفاده آسان تر متمرکز کنید

موفقیت الگوریتم های هوش مصنوعی به داده های مورد استفاده بستگی دارد، بنابراین موسسات مالی باید فرایندهای پردازش داده ها و زیرساخت های فناوری خود را به صورت متمرکز در ذخیره سازی داده ها قرار دهند و آن را به راحتی در دسترس واحدهای کسب و کار در سازمان قرار دهند که برای تلاش در زمینه نوآوری هوش مصنوعی خود به آن نیاز دارند.

کریستین کیچل، مدیر راه حل های هوش مصنوعی و مدیر بانک BoFA آمریکا، به «اینسایدر اینتلیجنس» گفت: “در بانک BoFA آمریکا، متمرکز کردن تمام داده ها در مکانی برای سهولت استفاد از آنها، یکی از مهمترین چالش هایی بود که بانک در تلاش های خود برای توسعه هوش مصنوعی از آن مانع عبور کرد.”

برای قضاوت درباره راه حل های هوش مصنوعی، با در نظر گرفتن میزان برگشت سرمایه، نگاهی طولانی مدت داشته باشید

کیچل معتقد است که بخش اساسی از استراتژی موفق هوش مصنوعی، جلب حمایت مدیریت است که این اصل را درک می کند که هوش مصنوعی تلاشی طولانی مدت برای پیشرفت هرچه بهتر در جذب مشتری است و مهم این است که ادامه مسیر خود را حفظ کنید و سرمایه گذاری سالانه انجام دهید.

با این حال، بانک ها باید از نزدیک بازگشت سرمایه، تأثیرات تجاری راه حل هایی که از ابتدا اجرا می کنند، و نحوه بلوغ آنها را در نظر بگیرند. آنها باید پایان سرمایه گذاری در نوآوری هایی که هیچ نفعی برای خطوط اصلی ندارند را نیز بررسی کنند.

حتما ببینید

یکی از بانک‌های هند ارائه خدمات ارزهای دیجیتال را آغاز کرد

یکی از بانک‌های هند ارائه خدمات ارزهای دیجیتال را آغاز کرد

فاطمه ندیمی؛ ارزدیجیتال با شروع به کار طرح جدید یکی از بانک‌های هندی، مردم این …

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *