ماشین لرنینگ و هوش مصنوعی اغلب به جای یکدیگر استفاده میشوند، اما در واقع اولی زیرمجموعهی پیشرفته دومیست. این که چیزی به طور مصنوعی هوشمند است، لزوما به این معنی نیست که میتواند قابل آموزش و فراگرفتن باشد.
فناوری یادگیری ماشین میتواند خود را با شرایط مختلف تطبیق داده و هر چیزی را بیاموزد. صنعت مالی با استفاده از این عملکردها، یادگیری ماشین را در همهی زمینههای مالی پیاده سازی میکند.
یادگیری ماشین در امور مالی
یادگیری ماشین تاثیر عمدهای در امور مالی دارد؛ از ارائهی روشهای جایگزین گزارش اعتبار تا تسریع پذیرهنویسی. صنعت مالی به سرعت در حال استفاده از یادگیری ماشین برای خودکارسازی فرآیندهای سخت، ایجاد فرصتهای بهتر برای دریافت وام و … است.
چه موضوع تشخیص تقلب باشد و چه تعیین اعتبار، این ۱۰ شرکت از یادگیری ماشین برای تغییر آنچه در امور مالی امکانپذیر است، استفاده میکنند.
Affirm
مکان: سان فرانسیسکو ، کالیفرنیا
نحوهی عملکرد: Affirm یک سرویس پرداخت است که به مشتریان امکان تامین سادهی اقلام و پرداخت هزینه در طول زمان را میدهد.
مصرفکنندگان با مبلغ اولیه موافقت میکنند تا به طور دقیق بدانند چه مبلغی را باید پرداخت کنند. Affrim در انواع زیادی از خرده فروشی ها و مشاغل از جمله Wayfair ،Expedia ،Peloton و Casper پذیرفته میشود و خریدهای بزرگتر را در دسترس و مقرون به صرفه میکند.
تاثیر در صنعت: Affirm میتواند با استفاده از مدلهای هوشمند پذیرهنویسی، از طریق سیستم نمرهگذاری سنتی، مصرفکنندگان دارای اعتبار بیشتر را شناسایی کند.
این مدلها از یادگیری ماشین برای ارزیابی دقیق توانایی بازپرداخت و ریسک قیمت در محل فروش استفاده میکنند. این موضوع در حالی که به کاربران اجازه میدهد اعتبار بیشتری داشته باشند، به کاهش نرخ کلاهبرداری و عدم پرداخت بدهی کمک میکند.
Agentrisk
مکان: لس آنجلس ، کالیفرنیا
نحوهی عملکرد: AgentRisk یک محصول مدیریت اسناد بهادار فعال با عنوان «ماشین» ارائه میدهد که از دادهها و اطلاعات ده سال گذشته و همچنین مقالههای برندهی جایزه نوبل برای تصمیمگیری استفاده میکند.
محصول شرکت متشکل از الگوریتمهای یادگیری ماشین است که به بازده داراییهای غیرفعال کمک میکند، در حالی که از سبد سهام در برابر نوسانات بازار نیز محافظت خواهد کرد.
تاثیر در صنعت: مزایای مدیریت سبد سهام فعال، به طور سنتی از طریق مدیران ثروتمند امکانپذیر است، اما AgentRisk دسترسی به آن را آسانتر میسازد.
Datavisor
مکان: Mountain View ، کالیفرنیا
نحوهی عملکرد: Datavisor از یادگیری ماشین بدون نظارت، برای تشخیص کلاهبرداری استفاده میکند. با این روش، هیچ گونه بازآموزی برای ماشینها برای تشخیص انواع جدید فعالیتهای کلاهبرداری لازم نیست. فناوری Datavisor تجزیهوتحلیل نمودار با تکنیک خوشهبندی را برای تشخیص الگوی دادههای بدون برچسب در میلیاردها حساب، ترکیب میکند.
تاثیر در صنعت: تکنولوژی Datavisor با فناوری خود بیش از سه میلیارد حساب در سراسر جهان را مورد محافظت خود قرار میدهد.
Deserve
مکان: پارک منلو ، کالیفرنیا
نحوهی عملکرد: کارتهای اعتباری Deserve به جوانان کمک میکند تا سابقهی اعتبار خود را بسازند. این کارت با تمرکز بر دانشآموزان، هیچ هزینهی سالانهای ارائه نمیدهد و به کاربران برای خریدهای خاص پاداش نخواهد داد. Deserve برای تایید صاحبان کارت، به جای منابع سنتی، از ابزارهای یادگیری ماشین استفاده میکند.
تاثیر در صنعت: سال گذشته، Deserve موفق به دریافت ۱۲ میلیون دلار بودجه در جهت توسعهی عملیات شد.
Enova
مکان: شیکاگو ، ایلینوی
نحوهی عملکرد: Enova محصولات و خدمات مالی متنوعی را برای مشاغل و افراد، توسعه و ارائه میدهد. نام تجاری شرکت، Enova Decisions، در صنایع مختلفی از جمله امور مالی استفاده میشود. این سرویس به شرکتها کمک میکند تا مشتریان بیشتری را از طریق مدلهای یادگیری ماشین که تجزیهوتحلیل ریسک و اعتبار شخصی را میسر میسازند، به دست آورند.
تاثیر در صنعت: Enova Decisions به شرکتهایی مانند وام دهندگان آنلاین Headway Capital کمک کرده تا تصمیمگیری را خودکار کنند، ریسک پیش فرض را ارزیابی کرده و وامها و قیمتهای از پیش تعیین شده را در زمان واقعی به مشتریان ارائه دهند.
Feedzai
مکان: سان متئو ، کالیفرنیا
نحوهی عملکرد: Feedzai با شرکتهای مالی جهانی، بانکها و خردهفروشان همکاری میکند تا راه حلهای یادگیری ماشین را برای مدیریت خطرات به صورت آنلاین و حضوری ارائه دهد. برای خطراتی مانند کلاهبرداری و پولشویی، Feedzai الگوهای مشکوک را در دادههای تراکنش و رویدادها ارزیابی کرده و تشخیص میدهد.
تاثیر در صنعت: بر اساس مطالعه موردی Feedzai، فناوری این شرکت به ۱۰ بانک برتر در ایالات متحده امکان داده تا روند افتتاح حساب مشتریان را بهبود بخشند. در نتیجه متقاضیان، افزونی یافته و زیانهای کلاهبرداری کاهش یافتند.
Fintech Studios
مکان: نیویورک ، نیویورک
نحوهی عملکرد: Fintech Studios یک پلتفرم جستجو و تجزیهوتحلیل هوشمند است که جستجوهایی مرتبط با متخصصان مالی را در میلیونها منبع مالی و تجاری ارائه میدهد.
از وبلاگها و اخبار گرفته تا تحقیقات و تجزیهوتحلیل کلان دادهها؛ این پلتفرم از هوش مصنوعی و یادگیری ماشین برای شناسایی مرتبطترین اطلاعات در ۳۲ زبان استفاده میکند.
تاثیر در صنعت: انواع محصولات Fintech Studios به متخصصان مالی از کارگزاران و مشاوران مالی گرفته تا صندوقهای پوشش ریسک و شرکتهای خصوصی، اجازه میدهد تا به سرعت به اطلاعات مورد نیاز خود دسترسی پیدا کنند.
Kabbage
مکان: آتلانتا ، جورجیا
نحوهی عملکرد: Kabbage خطوط اعتباری را برای مشاغل کوچک فراهم میسازد و با بیش از ۱۵۰،۰۰۰ شرکت همکاری میکند. فرآیند کاربرد ساده آن برای مشاغل (به صورت آنلاین یا از طریق یک برنامه تلفن همراه قابل دسترسی است.) از الگوریتمهای یادگیری ماشین برای تعیین اینکه آیا متقاضی مورد تایید است یا خیر، استفاده میکند و احتمال خطای انسانی را تا حدی کاهش میدهد.
تاثیر در صنعت: Kabbage اخیرا ۲۰۰ میلیون دلار بودجه برای توسعهی خدمات خود به شرکتهای بزرگتر و ادامهی توسعه فناوری یادگیری ماشین دریافت کرده است.
Pendo Systems
مکان: مونکلر ، نیوجرسی
نحوهی عملکرد: Pendo Systems یک بستر یادگیری ماشین را فراهم میکند تا اسناد بدون ساختار را به دادههای قابل استفاده و ساختاریافته برای بازارهای بانکی، سرمایه و بیمه تبدیل کند. این پلتفرم در راستای استخراج دادهها برای مواردی مانند وام، گزارش مالیات، وام مسکن و تامین مالی تجارت استفاده میشود.
تاثیر در صنعت: Pendo مدعی است از طریق خودکارسازی فرآیندهای دستی، موجب صرفهجویی بیش از ۹۰ میلیون دلار برای مشتریان بانکی و سرمایه داری شده است.
Riskified
مکان: نیویورک ، نیویورک
نحوهی عملکرد: Riskified یک راه حل کلاهبرداری برای شرکتهای تجارت الکترونیک است. راه حل یادگیری ماشین، سفارشات بد را شناسایی کرده و از بازپرداخت هزینه بازرگانان جلوگیری میکند.
راه حل تشخیص کلاهبرداری از کاهش شناسایی نادرست فعالیتهای متقلبانه اطمینان حاصل میکند و به طور مداوم روشهای جدید کلاهبرداری را یاد میگیرد، از سفارشات بد پیشگیری میکند و به مشاغل کمک میکند مشتریان بیشتری را حفظ کنند.
تاثیر در صنعت: Riskified به خردهفروش کفش Finine Line کمک کرد تا ۷۰٪ بازپرداختها را کاهش دهد، همچنین شاهد کاهش اتهامات بود و در نهایت تیم Finish Line را قادر ساخت تا زمان خود را بر روی سایر عملیات و نیازهای تجاری متمرکز کند.