Dideliuose bankuose dirbtinis intelektas perėjo į kategoriją, kuri kažkada buvo skirta mokėjimo sistemoms, duomenų centrams ir pagrindinei rizikos kontrolei. JPMorgan Chase AI yra sukurta kaip infrastruktūra, bankas mano, kad negali sau leisti nepaisyti.
Tokia pozicija aiškiai atsispindėjo naujausiuose generalinio direktoriaus Jamie’o Dimono komentaruose, kuris gynė didėjantį banko technologijų biudžetą ir perspėjo, kad institucijos, atsiliekančios nuo AI, rizikuoja prarasti pozicijas konkurentams. Ginčas buvo ne dėl žmonių pakeitimo, o apie išlikimą funkcionalioje pramonėje, kurioje greitis, mastas ir sąnaudų disciplina yra svarbūs kiekvieną dieną.
JPMorgan daug metų investuoja į technologijas, tačiau dirbtinis intelektas pakeitė šių išlaidų toną. Tai, kas anksčiau buvo susiję su inovacijų projektais, dabar įtraukiama į banko bazines veiklos sąnaudas. Tai apima vidinius AI įrankius, kurie palaiko tyrimus, dokumentų rengimą, vidines peržiūras ir kitas įprastas užduotis organizacijoje.
Nuo eksperimentavimo iki infrastruktūros
Kalbos pokytis atspindi gilesnius banko požiūrio į riziką pokyčius. AI yra laikoma sistemų, reikalingų neatsilikti nuo konkurentų, kurie automatizuoja vidinį darbą, dalimi.
Užuot skatinę darbuotojus pasikliauti viešosiomis dirbtinio intelekto sistemomis, JPMorgan daugiausia dėmesio skyrė savo vidinių platformų kūrimui ir valdymui. Šis sprendimas atspindi ilgalaikį susirūpinimą bankininkystėje dėl duomenų atskleidimo, klientų konfidencialumo ir reguliavimo stebėjimo.
Bankai veikia aplinkoje, kurioje klaidos kainuoja brangiai. Bet kuri sistema, kuri paliečia jautrius duomenis arba daro įtaką pasirinkimams, turi būti patikrinama ir paaiškinama. Tai apsunkina viešieji dirbtinio intelekto įrankiai, išmokyti naudoti duomenų rinkinius ir dažnai atnaujinami. Vidinės sistemos suteikia JPMorgan daugiau kontrolės, net jei jų diegimas užtrunka ilgiau.
Šis metodas taip pat sumažina nekontroliuojamo „šešėlinio AI“ potencialą, kai darbuotojai naudoja nepatvirtintus įrankius, kad pagreitintų darbą. Nors tokios priemonės gali pagerinti našumą, jos sukuria priežiūros spragas, kurias reguliavimo institucijos linkusios greitai pastebėti.
Atsargus požiūris į darbo jėgos kaitą
JPMorgan buvo atsargus kalbėdamas apie AI poveikį darbo vietoms. Bankas vengė teiginių, kad dirbtinis intelektas smarkiai sumažins darbuotojų skaičių. Vietoj to, AI pristatomas kaip būdas sumažinti rankų darbą ir pagerinti nuoseklumą.
Užduotys, kurioms anksčiau reikėjo atlikti kelis peržiūros ciklus, dabar gali būti atliekamos greičiau, o darbuotojai vis dar atsakingi už galutinį sprendimą. Rėmuose dirbtinis intelektas laikomas palaikymu, o ne pakeitimu, o tai svarbu sektoriuje, jautriame politinei ir reguliavimo reakcijai.
Dėl organizacijos masto šis požiūris yra praktiškas. JPMorgan visame pasaulyje dirba šimtai tūkstančių žmonių. Net ir nedidelis efektyvumo padidėjimas, taikomas plačiai, laikui bėgant gali reikšmingai sutaupyti išlaidų.
Išankstinės investicijos, reikalingos kuriant ir prižiūrint vidines AI sistemas, yra didelės. Dimon pripažįsta, kad technologijų išlaidos gali turėti įtakos trumpalaikiams rezultatams, ypač kai rinkos sąlygos yra neaiškios.
Jo atsakymas yra toks, kad technologijų mažinimas dabar gali pagerinti maržas artimiausiu metu, tačiau vėliau gali susilpnėti banko pozicija. Šia prasme AI išlaidos traktuojamos kaip draudimo nuo atsilikimo forma.
JPMorgan, AI ir rizika atsilikti nuo konkurentų
JPMorgan pozicija atspindi spaudimą bankų sektoriuje. Konkurentai investuoja į dirbtinį intelektą, kad paspartintų sukčiavimo aptikimą, supaprastintų atitiktį ir pagerintų vidines ataskaitas. Kai šios priemonės tampa vis dažnesnės, didėja lūkesčiai.
Reguliavimo institucijos gali manyti, kad bankai turi prieigą prie pažangių stebėjimo sistemų. Klientai gali tikėtis greitesnių atsakymų ir mažiau klaidų. Tokioje aplinkoje atsilikimas nuo AI gali atrodyti mažiau kaip atsargumas, o labiau kaip netinkamas valdymas.
JPMorgan nesiūlė, kad AI išspręs struktūrinius iššūkius ar pašalins riziką. Daugeliui dirbtinio intelekto projektų sunku pereiti prie siaurų naudojimo būdų, o integruoti juos į sudėtingas sistemas vis dar sunku.
Sunkesnis darbas tenka valdyti. Norint nuspręsti, kurios komandos gali naudoti dirbtinį intelektą, kokiomis sąlygomis ir su kokia priežiūra, reikia aiškių taisyklių. Klaidoms reikia apibrėžtų eskalavimo kelių. Atsakomybė turi būti priskirta, kai sistemos sukuria klaidingą išvestį.
Didelėse įmonėse dirbtinio intelekto pritaikymas nėra ribojamas prieiga prie modelių ar skaičiavimo galios, o ribojamas procesas, politika ir pasitikėjimas.
Kitoms galutinių vartotojų įmonėms JPMorgan metodas yra naudingas atskaitos taškas. AI traktuojamas kaip mechanizmo, kuris palaiko organizacijos veiklą, dalis.
Tai negarantuoja sėkmės. Grąža gali pasirodyti kelerius metus, o kai kurios investicijos neatsipirks. Tačiau banko pozicija yra ta, kad didesnė rizika yra daryti per mažai, o ne per daug.
(IKECHUKWU JULIUS UGWU nuotrauka)
Taip pat žiūrėkite: Bankai pradeda veikti, kai „Plumery AI“ pradeda standartizuotą integraciją
Norite daugiau sužinoti apie AI ir didelius duomenis iš pramonės lyderių? Peržiūrėkite „AI & Big Data Expo“, vykstančią Amsterdame, Kalifornijoje ir Londone. Išsamus renginys yra TechEx dalis ir vyksta kartu su kitais pagrindiniais technologijų renginiais. Norėdami gauti daugiau informacijos, spustelėkite čia.
AI naujienas teikia TechForge Media. Čia rasite kitus būsimus įmonių technologijų renginius ir internetinius seminarus.
