ایده های استارتاپیایده های هوش مصنوعی

کاربردهای هوش مصنوعی در صنعت فینتک

15 نمونه از استفاده هوش مصنوعی در فناوری مالی

اگر فقط یک تکنولوژی سودده وجود داشته باشد، بی‌شک آن تکنولوژی، هوش مصنوعی در اقتصاد است؛ هوش مصنوعی امروزه به دنیای بانک‌ها و صنعت مالی راهکارهایی معرفی کرده است که بتوانند نیازها و تقاضاهای مشتریانی را که می‌خواهند بهتر و هوشمندانه ­تر از پول خود بهره ببرند، برآورده کند.

تصمیمات اعتباری

در دنیای امروز، اعتبار همه چیز است. تحقیقاتی که اخیرا صورت گرفته است نشان می‌دهد که 77% از مصرف‌کنندگان ترجیح می‌دهند که مبالغ را از طریق کارت اعتباری پرداخت کنند؛ این رقم در مقابل 13% از مردمی قرار می‌گیرد که ترجیح می‌دهند پول نقد پرداخت کنند. اما پرداخت آسان تنها دلیل اهمیت اعتبار نیست؛ برای نمونه به وجود اهمیت اعتبار برای دریافت گزینه های تأمین مالی مناسب، شغل های مختلف و اجاره یک آپارتمان، می‌­توان اشاره کرد. همچنین بسیاری از کارها مثل وام گرفتن و یا دریافت مجدد کارت نیاز به تاریخچه اعتبار خوب دارد که این مورد به اهمیت این اعتبار می‌افزاید.

هوش مصنوعی با روش‌های مختلف به بانک‌ها کمک می‌کند تا با استفاده از فاکتورهای مختلف تصمیمات هوشمندانه‌ای بگیرند و افرادی که لایق دریافت وام نیستند را کنار بگذارند.

در زیر چند نمونه از شرکت‌هایی که با استفاده هوش مصنوعی به بانک‌ها کمک می‌کنند تا فرآیندهای خود را بازسازی کنند را مشاهده می‌کنید.

ZestFinance

این شرکت سازنده ZAML است که با استفاده از هوش مصنوعی یک پلتفرم ایجاد کرده است. این پلتفرم به شرکت‌ها کمک می‌کند تا بدون نیاز به اطلاعات آنچنانی از افراد متقاضی وام، آن‌ها را ارزیابی کنند.

این پلتفرم با استفاده از هزاران داده و ارائه شفافیتی که هیچ‌کدام از سیستم‌ها به آن مجهز نیستند، افراد یا سازمان‌های وام­دهنده را قادر می‌سازد تا متقاضیان را بهتر ارزیابی کنند. این پلتفرم قابلیت رشد کردن و بزرگ شدن در هر موسسه‌ای را دارد.

بر اساس گزارش شرکت با استفاده از این پلتفرم، میزان ضرر در سال 23% کاهش پیدا کرده است. همچنین دقت ارزیابی ریسک‌ها افزایش پیدا کرده است و میزان ضرری که از طریق ریسک وارد می‌شده است 25% کاهش پیدا کرده است.

  • Scienaptic Systems
  • موقعیت مکانی: نیویورک

Scienaptic Systems

در کنار بقیه سیستم‌هایی که پایه مالی دارند، این پلتفرم هم به بانک‌ها و موسسات اعتباری کمک می‌کند تا شفافیت بیشتری داشته باشند و از میزان ضرر بکاهند.

در حال حاضر حدود 100 میلیون مشتری از این سیستم استفاده می‌کنند. این پلتفرم همچنین هزاران داده ساختارمند و نامرتب را به هم متصل می‌کند و به صورت هوشمند آن­ها را منتقل می‌کند و همچنین از هر تراکنش، مواردی را یاد می‌گیرد.

با وجود همکاری با یک شرکت بزرگ کارت اعتباری، پلتفرم Scienaptic Systems توانسته در تنها سه هفته 151 میلیون یورو از ضرر سازمان بکاهد.

Underwrite

این شرکت با بررسی هزاران داده از منابع اعتباری، میزان ریسک را برای مشتریان و شرکت‌های کوچک متقاضی وام بررسی می‌کند. پلتفرم Underwrite.AI داده‌های اعتباری را در اختیار می‌گیرد و با استفاده از یادگیری ماشینی، الگوهایی را به دست می‌آورد که درخواست‌های وام خوب و بد را مشخص می‌کند. با توجه به دقت این روش، این شرکت ادعا می‌کند که می‌تواند میزان دیرکرد در پرداخت بدهی را 25 الی 50 درصد کاهش دهد.

یک شرکت بزرگ آنلاین، از سال 2015 با این پلتفرم همکاری می‌کند و وام‌هایی برای خدمات درمانی دندان‌پزشکی ارائه می‌دهد. این شرکت با ارائه مدارکی بر روی وبسایت خود اعلام کرده است که پلتفرم Underwrite.AI توانسته میزان دیرکرد پرداخت بدهی را از 17.8% به 5.4% کاهش بدهد.

  • Datarobot
  • موقعیت مکانی: بوستون

DataRobot

شرکت Datarobot نرم‌افزارهای یادگیری ماشینی را برای تحلیل‌گران داده،  تحلیل‌گران کسب و کار، مهندسین نرم‌افزار و متخصصین اجرایی و IT ارائه می‌دهد.

شرکت Dtarobot به موسسات مالی و کسب و کارها کمک می‌کند تا به سرعت به مدلی دقیق برای بهبود فرآیندهای تصمیم‌گیری دست پیدا کنند. این شرکت می‌تواند مدل‌هایی برای تصمیم‌گیری در حوزه‌های مدیریت ثروت دیجیتالی، کلاه‌برداری‌های اعتباری، بازاریابی مستقیم، بلاک‌چین، وام دادن و … ارائه کند.

شرکت Crest یکی از سازمان‌هایی است که با Datarobot همکاری می‌کند تا بتواند مشتریانی که احتمال دیرکرد بیشتری در پرداخت دارند را تشخیص دهد.

مدیریت ریسک

در دنیای تراکنش‌های مالی، زمان طلاست ولی ریسک، در صورتی که به درستی به آن توجه نشود، می‌تواند کشنده باشد. پیش‌بینی صحیح و دقیق برای محافظت از کسب و کار و همچنین سرعت بخشیدن به فعالیت‌ها ضروری است.

بازارهای اقتصادی روز به روز بیشتر به یادگیری ماشین روی می‌آورند؛ روشی که یکی از زیرمجموعه‌های هوش مصنوعی به حساب می‌آید و به ساخت مدل‌های دقیق‌تر و کارآمدتر کمک می‌کند.

پیش‌بینی‌هایی که با استفاده از یادگیری ماشینی به دست می‌آیند توسط متخصصین به نکات کلیدی تبدیل می‌شوند و این افراد با استفاده از این نکات، میزان ریسک را مشخص می‌کنند و می‌توانند از نیروی انسانی، بهره بیشتری ببرند. همچنین با استفاده از این اطلاعات، برنامه‌ریزی برای آینده نیز بهتر می‌شود.

شرکت‌هایی که در ادامه در مورد آن‌ها توضیح داده می‌شود به عنوان نمونه‌هایی از شیوه کمک کردن هوش مصنوعی به صنعت بانک در حوزه مدیریت ریسک و بهبود پیش‌بینی‌ها هستند:

  • Kensho
  • لوکیشن: کمبریج، ماساچوست

KEnsho

شرکت Kensho سرویس‌های هوش ماشینی و تحلیل داده را به موسساتی نظیر J.P.Morgan، Bank of America، Morgan Stanley و S&P Global ارائه می‌دهد.

نرم افزار Kensho ارائه راه حل های تحلیلی را با استفاده از ترکیب پردازش ابری و پردازش زبان طبیعی (NLP) ارائه می دهد .این راه‌حل‌ها می‌توانند برای مشکلات پیچیده مالی به کار برده شوند.

براساس یک مقاله در سال 2017، در روزهای ابتدایی Brexit، معامله گران با دسترسی به بانک اطلاعاتی Kensho  توانستند میزان سقوط ارزش پوند را پیش‌بینی کنند. در مارس 2018، S & P Global خبر پیشنهاد معامله­ای 550 میلیون دلاری را برای به دست آوردن Kensho اعلام کرد.

  • Ayasdi
  • موقعیت مکانی: منلو پارک، کالیفورنیا

Ayasdi

شرکت Ayasdi هوش ماشینی ابری می‌سازد و به کارآفرینان و سازمان‌ها کمک می‌کند تا چالش‌های پیچیده را حل کنند.

برای شرکت‌هایی که در حوزه فینتک فعالیت می‌کنند، Ayasdi خدماتی نظیر شناسایی و مدیریت ریسک، مشخص کردن نیازهای مشتریان و یافتن روش‌هایی برای جلوگیری از پول‌شویی ارائه می‌دهد.

شرکت Ayasdi با روش‌هایی که ارائه می‌دهد به بانک‌ها کمک می‌کند تا پول‌شویی را تشخیص دهند و با آن مقابله کنند. حجم تحقیقات در حوزه پول­شویی، همواره فشار زیادی بر موسسات مالی وارد می­نمود اما به گفته Ayasdi، یکی از بزرگترین بانک­ها با استفاده از راه حلAML ، با کاهش 20درصدی در حجم تحقیقات روبرو شد.

معاملات الگوریتمیک

 این اصطلاح به فرآیند استفاده از مجموعه دیتاهای عظیم برای شناسایی مدل‌های ایجاد استراتژی‌های مبادلاتی گفته می‌شود. هوش مصنوعی به­طور ویژه در این مدل مبادلات کاربرد دارد.

کامپیوترهایی که به هوش مصنوعی مجهز هستند می‌توانند مجموعه دیتا‌های بزرگ را بهتر و سریع‌تر از انسان‌ها بررسی کنند و در نتیجه الگوریتم‌هایی به دست بیاورند که با اتوماتیک کردن مبادلات، زمان ارزش‌مندی ذخیره کنند.

شرکت های زیر نمونه هایی از چگونگی استفاده از فن­آوری AI برای کمک به موسسات مالی و معاملات بهتر هستند:

  • Alphasense
  • موقعیت مکانی: نیویورک

AlphaSense

این شرکت که بر اساس هوش مصنوعی کار می‌کند با ارائه یک موتور جستجوی قدرتمند، به بانک‌ها و حدود 500 شرکت‌ سرمایه‌گذاری و مالی خدمت‌رسانی می‌کند.

پلتفرم این شرکت از فرآیندهای زبان طبیعی برای بررسی کلمات کلیدی در فایل­ها، رونوشت­ها، اخبار و تحقیقات بازارهای اقتصادی استفاده می‌کند.

شرکت Alphasense برای بسیاری از شرکت‌ها، متخصصین و سازمان‌های اقتصادی و خصوصا کارگزارها کاربرد دارد و ارزش‌مند است. موتور جستجوی این شرکت با دسترسی به SEC و پرونده های جهانی برای کارگزاران و معامله گران، دریافت رونوشت تماس، انتشار مطبوعات و اطلاعات در مورد شرکت های خصوصی و عمومی را فراهم می کند.

  • Kavout
  • موقعیت مکانی: واشنگتن

Kavout

شرکت Kavout از یادگیری ماشینی و تحلیل مقداری استفاده می‌کند تا مجموعه دیتا‌های عظیم داده‌های بدون ساختار را بررسی کند و الگوهای اقتصادی را در لحظه به دست بیاورد.

یکی از روش‌های این شرکت، استفاده از Kai Score برای رده‌بندی سهام است. این روش با استفاده از هوش مصنوعی میزان عظیمی از داده­ها را تحلیل می‌کند و سپس نتایج این تحلیل را در قالب رده‌بندی عددی ارائه می‌کند و بر اساس این اعداد، امتیازی مشخص می‌کند. هرچه میزان این امتیاز بالاتر باشد، احتمال عملکرد مثبت سهام در بازار بیشتر است.

بر اساس تحلیل‌هایی که به تازگی انجام گرفته است، این شرکت نرخ رشد 21.9% را از سال 2012 نشان می‌دهد.

  • Alpaca
  • موقعیت مکانی: سن ماتئو، کالیفورنیا

alpaca

شرکت Alpaca با ترکیب تکنولوژی یادگیری عمیق و ذخیره سریع داده‌ها، برنامه‌های پیش‌بینی کوتاه‌مدت و بلندمدت ارائه می‌دهد. تکنولوژی این شرکت، الگوهایی در تغییر قیمت بازار یافت می‌‎کند و در مرحله بعد این یافته‌ها را به فاکتورهای مختلفی در یک داشبورد تقسیم می‌کند.

شرکت Alpaca اخیرا با یکی از شرکت‌های قدرتمند حوزه خبررسانی به نام Bloomberg همکاری خود را آغاز کرده تا بتواند به کاربران در خصوص AlpacaForcast AI Prediction Market اطلاع‌رسانی کند. این تکنولوژی می‌تواند در لحظه، پیش‌بینی‌هایی در خصوص قیمت بازار انجام دهد.

بانکداری شخصی

یک تحقیق که به تازگی در بین 33 هزار نفر مشتری بانکی صورت گرفته است نشان می‌دهد که 54% این افراد مایل هستند تا از ابزاری برای بررسی و مشاهده بودجه بانکی خود استفاده کنند و بتوانند در لحظه، تصمیم‌گیری کنند. همچنین 41% این افراد دوست دارند که پیشنهاد‌هایی که توسط یک کامپیوتر ارائه می‌شود را بشنوند.

دستیار‌هایی که به هوش مصنوعی مجهز هستند مثل چت‌بات‌ها، پیشنهادهای مالی شخصی ایجاد می­کنند و با استفاده از فرآیند زبان طبیعی، به مشتریان خدمات ارائه می­دهند.

در زیر به نمونه‌هایی از شرکت‌هایی اشاره می‌کنیم که با استفاده از هوش مصنوعی سعی می‌کنند رفتار مشتری را یاد بگیرند و تجربه بانکی بهتری برای کاربر ایجاد کنند.

  • Kasisto
  • موقعیت مکانی: نیویورک

Kasisto

شرکت Kasisto به عنوان سازنده پلتفرم KAI شناخته می‌شود. این بستر یک پلتفرم بر اساس هوش مصنوعی است که توانایی مکالمه با کاربر را دارد و با هدف بهبود تجربه کاربر در صنعت مالی ساخته شده است.

KAI به بانک‌ها کمک می‌کند تا حجم تماس کمتری از طرف مشتری داشته باشند و مشکلات مشتریان با استفاده از راه‌کارهایی که توسط هوش مصنوعی ایجاد می‌شود رفع شود. همچنین این پلتفرم توانایی محاسبه بودجه و ارائه پیشنهادهای مختلفی در تصمیمات مالی را دارد.

گروه بانکی TD اعلام کرده است که به زودی از تکنولوژی شرکت Kasisto در اپلیکیشن موبایل خود استفاده می‌کند و به مشتریان، در لحظه، خدمت ارائه می‌کند.

  • Abe AI
  • موقعیت مکانی: اورلاندو، فلوریدا

Abe AI

Abe AI یک دستیار مجازی اقتصادی است که با Google Home، SMS، Facebook، Amazon Alexa، وب و موبایل ارتباط برقرار می‌کند و تجربه بهتری از کاربری بانکی برای مشتریان ایجاد می‌کند. این دستیار هوشمند کارهایی از قبیل درخواست پشتیبانی ابتدایی تا مدیریت حساب شخصی را ارائه می‌دهد.

در سال 2016 این شرکت چت‌باتی در زمینه مدیریت مالی هوشمند ارائه کرد که به کاربر امکان پس‌انداز، مدیریت بودجه و بررسی هزینه‌ها را می‌داد.

  • Trim
  • موقعیت مکانی: سان‌فرانسیسکو

Trim

Trim یک دستیار هوشمند پس‌انداز است که به حساب‌های کاربر متصل می‌شود و هزینه‌ها را بررسی می‌کند. این برنامه هوشمند، توانایی لغو کردن اشتراک‌های هزینه‌بر و بی‌حاصل را دارد و همچنین پیشنهادهای خوبی در زمینه بیمه و قبوض ارائه می‌دهد.

بر اساس مقاله‌ای در سال 2016، Trim توانسته 6.3 میلیون دلار در هزینه‌های 50 هزار نفر صرفه‌جویی کند.

امنیت سایبری و تشخیص کلاه‌برداری

روزانه مقدار زیادی از تراکنش‌های دیجیتالی در حوزه‌های جابجایی پول، خرید اینترنتی، خرید و فروش سهام، پرداخت قبوض و غیره با استفاده از کامپیوتر و برنامه‌های موبایلی صورت می‌گیرد. بالا بردن امنیت فضای سایبری و بهبود روش‌های تشخیص کلاه‌برداری یکی از ضروری‌ترین چیزهایی است که بانک‌ها و موسسات مالی و اعتباری باید روی آن کار کنند و هوش مصنوعی یکی از اصلی‌ترین نقش‌ها را در این حوزه به عهده دارد.

در زیر به نمونه‌هایی اشاره می­کنیم که از هوش مصنوعی در حوزه راه‌کارهای جلوگیری از کلاه‌برداری و بالا بردن امنیت سایبری استفاده می­کنند.

  • Shape Security
  • موقعیت مکانی: کالیفرنیا

Shape Security

شرکت Shape Security که با بسیاری از بانک‌های بزرگ همکاری دارد، با استفاده از هوش مصنوعی، شناسایی کاربران تقلبی را انجام داده و از کلاه‌برداری‌های مالی و اعتباری جلوگیری می‌کند.

مدل یادگیری ماشینی این شرکت توسط میلیاردها درخواست تعلیم دیده است و به راحتی مشتریان حقیقی و ربات‌ها را از هم تشخیص می‌دهد. همچنین شبکه این شرکت می‌تواند در صورت ورود غیر مجاز و یا ایجاد شکاف امنیتی در سیستم، به مسئولان و مشتریان هشدار دهد.

بر اساس گزارشی که این شرکت ارائه کرده است، در هفته اول همکاری Shape Security و یکی از بانک‌های مطرح آمریکا، تقریبا یک میلیون حمله امنیتی به مشتریان این بانک خنثی شده است.

  • Darktrace
  • موقعیت مکانی: کمبریج، ماساچوست

Darktrace

شرکت Darktrace برای طیف وسیعی از موسسات و صنایع، راه‌کارهای امنیتی ایجاد می‌کند.

پلتفرم یادگیری ماشینی این شرکت، داده‌های شبکه‌ها را بررسی می‌کند و محاسبات مختلفی انجام می‌دهد. همچنین توانایی تشخیص فعالیت‌های مشکوک پیش از آسیب رساندن به سیستم را نیز دارد.

در یکی از مطالعات ویژه این شرکت مشاهده می‌شود که شرکت جهانی تولید نرم‌افزارهای مالی به نام Ipreo در راستای کاهش تهدیدها و مشکلاتی که برای مشتریانش ایجاد می‌شد با darktrace‌ همکاری کرده است. این شرکت بیان می‌کند که بلافاصله بعد از شروع همکاری، نتایج مثبتی دیده شد و تهدیدهای خارجی و داخلی برای مشتریان به شدت کاهش پیدا کردند.

  • Vectra
  • موقعیت مکانی: کالیفرنیا

Vectra

شرکت Vectra به عنوان سازنده Cognito شناخته می‌شود که یک راه‌کار برای تشخیص تهدیدهای سایبری است و بر اساس هوش مصنوعی ساخته شده است.

پلتفرم شرکت Vectra تشخیص تهدید را به صورت خودکار انجام می‌دهد، مهاجمین پنهان را تشخیص می‌دهد، تحقیقات و جستجوها را بعد از بروز حمله سرعت می‌بخشد و حتی توانایی تشخیص اطلاعات نادرست را نیز دارد.

یکی از مطالعه‌های موردی این شرکت، یک نمای کلی از کمک این پلتفرم به امنیت مبادلات در مقابل بدافزارها را نشان می‌دهد. پلتفرم Cognito به سرعت توانست عدم سندیت یکی از طرفین در مبادله را تشخیص دهد.

برچسب ها

امیررضا فخاریان

امیررضا هستم، به عنوان مترجم با تیم اکوموتیو همکاری میکنم.

نوشته های مشابه

پاسخی بگذارید

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