مقالات هوش مصنوعیهوش مصنوعی

هوش مصنوعی و درآمد حاصل از آن

اگر یک فناوری در امور مالی وجود داشته باشد که بار پرداخت سود سهام را به دوش بکشد، آن هوش مصنوعی است. هوش مصنوعی در دنیای بانکداری و به طور کلی صنعت مالی، راهی برای پاسخگویی به خواسته‌های مشتریانی ارائه می‌دهد که خواستار راه‌های هوشمندانه‌تر، راحت‌‌تر و امن‌تر برای دسترسی، خرج کردن، پس‌انداز و سرمایه گذاری دارایی خود هستند.

هوش مصنوعی در امور مالی

هوش مصنوعی در امور مالی نحوه‌ی تعامل ما با پول را دگرگون می‌سازد. هوش مصنوعی در جهت ساده‌سازی و بهینه‌سازی فرآیندها، از تصمیمات اعتباری گرفته تا معاملات کمی و مدیریت ریسک مالی، به صنعت مالی کمک می‌کند.

ما خلاصه‌ای از نحوه‌ی استفاده از هوش مصنوعی در امور مالی و شرکت‌های پیشرو را در این مقاله گردآوری کرده‌ایم.

هوش مصنوعی

تصمیمات اعتباری

پرداخت اعتباری پادشاه است. یک مطالعه‌ی اخیر نشان می‌دهد 77٪ از مشتریان ترجیح می‌دهند پرداخت های خود را با کارت اعتباری یا کارت بدهی انجام دهند، در حالی که تنها 12٪ از آن‌ها پول نقد را ترجیح می‌دهند؛ اما گزینه‌های پرداخت راحت‌تر تنها دلیل مهم بودن پرداخت اعتباری برای مصرف‌کنندگان نیست.

دریافت گزینه‌های مطلوب تامین مالی، مشاغل مورد نظر و اجاره‌ی آپارتمان، چند مثال از عناوینی هستند که داشتن اعتبار مناسب در آن‌ها، یاری‌رسان است.‌ امروزه با توجه به بسیاری از ضروریات مهم زندگی که به سابقه‌ی اعتباری بستگی دارند، روند تایید وام و کارت از همیشه مهم‌تر است.

راه‌حل‌های هوش مصنوعی به بانک ها و وام‌دهندگان اعتباری کمک می‌کند تا با مورد استفاده قرار دادن عوامل گوناگون که وام‌گیرندگان تحت پوشش عرفی دارند، تصمیمات پذیره‌نویسی دقیق‌تری بگیرند؛ به عنوان مثال هزاره‌ها در فرایند تصمیم‌گیری اعتباری را به طور دقیق‌تری ارزیابی می‌کنند.

در اینجا چند نمونه از شرکت‌هایی که به صنعت مالی در تجدید‌نظر فرآیند پذیره‌نویسی کمک می‌کنند، آورده‌ شده است.

انووا (Enova)

مکان: شیکاگو، ایلند

نحوه‌ی استفاده از هوش مصنوعی در فینتک: انووا خالق پلتفرم Colossus است که از هوش مصنوعی و یادگیری ماشینی برای ارائه‌ی تجزیه‌و‌تحلیل و فناوری پیشرفته برای مصرف‌کنندگان غیراصلی، مشاغل و بانک‌ها به منظور تسهیل وام‌دهی مسئولانه استفاده می‌کند.

تاثیر در صنعت: سیستم طرح مسئله‌ی Colossus به مشتریان کمک می‌کند تا مشکلات را حل کنند، بدون این که وام‌دهنده یا وام‌گیرنده را در وضعیتی غیرقابل مدیریت قرار دهند؛ مانند هزینه‌های اضطراری برای مصرف‌کنندگان و وام‌های بانکی برای مشاغل کوچک.

اکرولوس (Ocrolus)

مکان: نیویورک، NY

نحوه‌ی استفاده از هوش مصنوعی در فینتک: اکرولوس نرم‌افزار اتوماسیون هوشمند تولید می‌کند که به سازمان‌ها اجازه می‌دهد تصمیمات وام‌دهی بهتری بگیرند. همچنین از برخورداری مشاغل، سازمان‌ها و افراد از بودجه‌ی مورد نیاز برای دستیابی به پتانسیل خود، اطمینان حاصل شود. این پلتفرم با قابلیت یادگیری ماشینی صورت‌های بانکی، اسناد پرداخت، اسناد مالیاتی ، فرم‌های وام مسکن، صورت‌حساب‌ها و موارد دیگر را برای تعیین واجد شرایط دریافت وام، مورد تجزیه‌و‌تحلیل قرار می‌دهد.

تاثیر در صنعت: اکرولوس تایید وضعیت وام فردی را با نیاز کم‌تر به داخل شدن به اطلاعات، آسان‌تر و عادلانه‌تر می‌سازد.

زست‌فایننس (ZestFinance)

مکان: لس آنجلس، کالیفرنیا

 نحوه‌ی استفاده از هوش مصنوعی در امور مالی: زست‌فایننس سازنده‌ی پلتفرم یادگیری ماشینی اتومات زست (ZAML) است؛ یک راه‌حل پذیره‌نویسی مجهز به هوش مصنوعی که به شرکت‌ها کمک می‌کند تا وام‌گیرندگان را با اطلاعات یا سابقه‌ی اعتباری کم یا بدون هیچ اطلاعات و سابقه‌ی اعتباری، ارزیابی کند.

این پلتفرم از هزاران نقطه داده استفاده می‌کند و شفافیتی را فراهم می‌کند که سایر سیستم‌های پذیره‌نویسی قادر به انجام آن نیستند؛ این موضوع به وام‌دهندگان کمک می‌کند تا جوامعی که به طور عرفی در معرض خطر محسوب می‌شوند، بهتر ارزیابی شوند. ZAML یک پلتفرم سرتاسری است که موسسات می‌توانند به سرعت آن را پیاده‌سازی کرده و مقیاس‌بندی کنند.

تاثیر در صنعت: طبق گزارش زست‌فایننس، وام‌دهندگان خودرو با استفاده از پذیره‌نویسی یادگیری ماشینی، سالانه 23٪ ضرر را کاهش می‌دهند، خطرات را با دقت بیشتری پیش‌بینی می‌کنند و زیان‌ها را بیش از ۲۵٪ کاهش می‌دهند.

استفاده از هوش مصنوعی در فینتک

 دیتا‌ ربات (DataRobot)

مکان: بوستون، ماساچوست

نحوه‌ی استفاده از هوش مصنوعی در امور مالی: دیتا ربات نرم‌افزار یادگیری ماشینی را برای دانشمندان داده، تحلیلگران کسب‌و‌کار، مهندسان نرم‌افزار، مدیران و متخصصان فناوری اطلاعات فراهم می‌سازد.

دیتا ربات به موسسات مالی و مشاغل کمک می‌کند تا به سرعت مدل‌های پیش‌بینی دقیقی بسازند که موجب بهبود تصمیم‌گیری در مورد مسائلی مانند تراکنش‌های کارت اعتباری جعلی، مدیریت ثروت دیجیتال، بازاریابی مستقیم، بلاک چین، وام‌دهی و موارد دیگر می‌شوند.

تاثیر در صنعت: شرکت وام‌دهی جایگزین Crest Financial از نرم‌افزار دیتا ربات برای تصمیم‌گیری دقیق‌تر در قبال پذیره‌نویسی با پیش‌بینی اینکه کدام مشتریان احتمال عدم پرداخت بدهی بیشتری دارند، استفاده می‌کند.

سیستم‌های Scienaptic

مکان: نیویورک

نحوه‌ی استفاده از هوش مصنوعی در امور مالی: علاوه بر سایر خدمات مبتنی بر امور مالی، سیستم‌های Scienaptic یک بستر پذیره‌نویسی را فراهم می‌کنند که در عین کاهش ضرر، شفافیت بیشتری به بانک‌ها و موسسات اعتباری عرضه می‌کند.

در حال حاضر با کسب بیش از 100 میلیون مشتری، Ether’s Scienaptic تعداد بیشماری داده بدون ساختار و ساختار‌یافته را به هم متصل می‌کند، داده‌ها را هوشمندانه تغییر می‌دهد، از هر یک از تعاملات درس می‌گیرد و هوش پذیره‌نویسی زمینه‌ای را ارائه می‌دهد.

تاثیر در صنعت: Scienaptic با همکاری یک شرکت بزرگ کارت اعتباری، تنها در سه هفته موجب ممانعت از ۱۵۱ میلیون دلار ضرر شد.

Underwrite.ai

مکان: بوستون، ماساچوست

نحوه استفاده از هوش مصنوعی در امور مالی: Underwrite.ai هزاران نقطه داده از منابع دفتر اعتباری را برای ارزیابی ریسک اعتباری مصرف‌کنندگان و مشاغل کوچک متقاضی وام، تجزیه‌و‌تحلیل می‌کند.

این پلتفرم داده‌های نمونه را به دست می‌آورد و از یادگیری ماشینی برای یافتن الگوها و تعیین برنامه‌های خوب و بد استفاده می‌کند. به دلیل دقت آن، Underwriter.ai ادعا می‌کند که می‌تواند عدم پرداخت بدهی را از ۲۵ تا‌ ۵۰٪ کاهش دهد.

تاثیر در صنعت: بر اساس مطالعه موردی که در وب‌سایت این شرکت ذکر شده ‌است، از زمان کار با Underwriter.ai در سال ۲۰۱۵، یک وام‌دهنده‌ی عمده‌ی آنلاین که تامین‌کننده خدمات دندانپزشکی است، نرخ عدم‌ پرداخت بدهی خود را از ۱۷.۸٪ به ۵.۴٪ کاهش داده‌ است.

مدیریت ریسک

زمان در دنیای مالی، پول است؛ اما در صورت عدم توجه مناسب، ریسک می‌تواند کشنده باشد. پیش‌بینی‌های دقیق برای سرعت و حفاظت در بسیاری از مشاغل، بسیار مهم و تعیین‌کننده هستند.

امروزه بازارهای مالی بیشتر و بیشتر به سمت یادگیری ماشینی، (زیرمجموعه‌ای از هوش مصنوعی) می‌روند تا مدل‌های دقیق‌تر و هوشمند‌تری بسازند. این پیش‌بینی‌ها به کارشناسان مالی کمک می‌کند تا از داده‌های موجود برای تعیین روند، شناسایی خطرات، حفظ نیروی انسانی و اطمینان از اطلاعات بهتر برای برنامه‌ریزی‌های آینده استفاده کنند.

شرکت‌های زیر تنها چند نمونه از نحوه‌ی کمک هوش مصنوعی به موسسات مالی و بانکی، برای بهبود پیش‌بینی‌ها و مدیریت ریسک هستند.

کنشو (Kensho)

مکان: کمبریج، ماساچوست

نحوه‌ی استفاده از هوش مصنوعی در امور مالی: کنشو اطلاعات ماشین و تجزیه‌و‌تحلیل داده‌ها را برای موسسات مالی پیشرو مانند J.P. Morgan ، Bank of America ، Morgan Stanley و S&P Global فراهم می‌کند.

نرم‌افزار Kensho با استفاده از ترکیبی از رایانش ابری و پردازش زبان طبیعی (NLP) راه‌حل‌های تحلیلی ارائه می‌دهد. سیستم‌های شرکت می‌توانند به سوالات پیچیده‌ی مالی به زبان انگلیسی پاسخ دهند.

تاثیر در صنعت: بر اساس مقاله فوربس ۲۰۱۷، معامله‌گران با دسترسی به پایگاه داده هوش مصنوعی کنشو در روزهای بعد از Brexit از این اطلاعات، برای پیش‌بینی سریع کاهش قیمت پوند انگلیس استفاده کردند. در مارس ۲۰۱۸ ، S&P Global قراردادی برای خرید کنشو را با مبلغ تقریبی ۵۵۰ میلیون دلار اعلام کرد.

استفاده از هوش مصنوعی در امور مالی

ایاسدی (Ayasdi)

مکان: پارک منلو، کالیفرنیا

نحوه‌ی استفاده از هوش مصنوعی در امور مالی: ایاسدی راه‌حل‌های هوشمند ماشینی مبتنی بر ابر و پیش‌فرض‌ها را برای شرکت‌ها و سازمان‌ها، برای حل چالش‌های پیچیده ایجاد می‌کند.

برای شرکت‌های فعال در حوزه فناوری فینتک، ایاسدی برای درک و مدیریت ریسک، پیش‌بینی نیازهای مشتریان و حتی کمک به فرآیندهای مبارزه با پولشویی را به کار می‌برد.

تاثیر در صنعت: ایاسدی با راهکارهای تشخیص پولشویی (AML) به بانک‌ها در مبارزه با پولشویی کمک می‌کند. حجم وسیع تحقیقات، فشار زیادی بر موسسات مالی وارد می‌کند. به گفته‌ی ایاسدی، با استفاده از راه حل AML، یک بانک بزرگ شاهد کاهش 2۰‌درصدی حجم تحقیق بوده ‌است.

معاملات کمی

معاملات کمی، فرآیند استفاده از مجموعه داده‌های بزرگ برای شناسایی الگوهایی است که می‌تواند برای انجام معاملات استراتژیک استفاده شود.  هوش مصنوعی در این نوع معاملات به طور ویژه‌ای، مفید واقع می‌شود.

کامپیوترهای مجهز به هوش مصنوعی می‌توانند مجموعه داده‌های پیچیده‌ی بزرگ‌تر را، سریع‌تر و کارآمدتر از انسان‌ها تجزیه‌و‌تحلیل کنند. فرآیندهای معاملاتی الگوریتمی حاصل، معاملات را خودکار کرده و موجب صرفه‌جویی در زمان می‌شوند.

شرکت‌های زیر تنها چند نمونه از نحوه‌ی کمک هوش مصنوعی به موسسات مالی برای انجام معاملات بهتر هستند.

کانو (Canoe)

مکان: نیویورک، NY

نحوه‌ی استفاده از هوش مصنوعی در فینتک: کانو، اطمینان حاصل می‌نماید که داده‌های سرمایه‌گذاری جایگزین می‌توانند با استفاده از API‌ها، هوش مصنوعی و قابلیت‌های دانش داده‌ای پیشرفته برای دریافت، اعتبار‌سنجی و ارائه‌ی اطلاعات مهم، به طور موثر جمع‌آوری و استخراج شوند.

تاثیر در صنعت: این فناوری، گردش کار داده‌ها را به روز می‌کند و برای خدمات‌رسانی به مشتریان در هر اندازه، بی‌نهایت مقیاس‌پذیر است.

آلفاسنس (AlphaSense)

مکان: نیویورک

نحوه‌ی استفاده از هوش مصنوعی در امور مالی: آلفاسنس یک موتور جستجوی مبتنی بر هوش مصنوعی برای صنعت مالی است و به مشتریانی همچون بانک‌ها، شرکت‌های سرمایه‌گذاری و شرکت‌های Fortune 500 خدمات می‌دهد.

این پلتفرم از پردازش زبان طبیعی برای تجزیه‌و‌تحلیل جستجوی کلمات کلیدی در پرونده‌ها، رونویسی‌ها، تحقیقات و اخبار برای کشف تغییرات و روندهای بازارهای مالی استفاده می‌کند.

تاثیر در صنعت: آلفاسنس برای انواع متخصصان مالی، سازمان‌ها و شرکت‌ها ارزشمند است. این پلتفرم به طور خاص، برای کارگزاران بسیار مفید می‌باشد. این موتور جستجو برای کارگزاران و معامله‌گران امکان دسترسی به پرونده‌های SEC و جهانی، رونوشت تماس‌ها، اطلاعیه‌های مطبوعاتی و اطلاعات شرکت‌های خصوصی و دولتی را فراهم می‌کند.

کاووت (Kavout)

مکان: بلوو، واشنگتن

نحوه‌ی استفاده از هوش مصنوعی در امور مالی: کاووت از یادگیری ماشین و آنالیز کمی، برای پردازش مجموعه‌ی عظیمی از داده‌های بدون ساختار و شناسایی الگوها در بازارهای مالی استفاده می‌کند.

یکی از راه‌حل‌های کاووت، امتیاز کای (Kai Score) است که یک سهام مجهز به هوش مصنوعی می‌باشد. امتیاز کای حجم عظیمی از داده‌ها، مانند پرونده‌های SEC و الگوهای قیمت را تجزیه‌و‌تحلیل و اطلاعات را در یک رتبه‌بندی عددی برای سهام جمع‌آوری می‌کند. هرچه میزان این امتیاز بیشتر باشد، احتمال عملکرد بهتر سهام در بازار بیشتر خواهد بود.

تاثیر در صنعت: بر اساس تجزیه‌و‌تحلیل‌های اخیر، نمونه کارهای برتر کای، دارای نرخ رشد سالانه (CAGR) 21.9% از سال 2012 بوده ‌است که بسیار بیشتر از 13.3٪ مربوط به نرخ رشد سالانه‌ S&P 500 می‌باشد.

آلپاکا (Alpaca)

مکان: سان متئو، کالیفرنیا (دفتر ایالات متحده)

نحوه‌ی استفاده از هوش مصنوعی در امور مالی: آلپاکا ترکیبی از فناوری یادگیری عمیق اختصاصی و ذخیره‌ی سریع داده‌ها برای ارائه‌ی برنامه‌های پیش‌بینی کوتاه‌مدت و بلند‌مدت است. فناوری آلپاکا الگوهای تغییرات قیمت را شناسایی کرده و یافته‌های آن را به داشبورد چند‌ بازاره تبدیل می‌کند.

تاثیر در صنعت: این شرکت اخیرا با غول خبری مالی بلومبرگ همکاری کرده است تا بازار پیش‌بینی هوش مصنوعی AlpacaForecast خود را در اختیار کاربران قرار دهد. این برنامه پیش‌بینی‌های کوتاه‌مدت را برای بازارهای اصلی انجام می‌دهد.

بانکداری شخصی

بانکداری سنتی به حد کافی قادر به برآورده کردن نیاز‌های مصرف‌کنندگان هوشمند دیجیتالی امروزی نیست. مطالعه‌ای که توسط Accenture روی حدود 33000 مشتری بانکی انجام شده ‌است، نشان می‌‌دهد که ۵۴٪ از مشتریان، ابزارهایی می‌خواهند که به آن‌ها در نظارت بر بودجه‌ی خود و تنظیم هزینه‌ها کمک کند. علاوه بر این، ۴۱٪ بسیار مایلند از توصیه‌های بانکی رایانه‌ای استفاده کنند.

دستیاران هوش مصنوعی مانند چت‌بات‌ها، هوش مصنوعی را برای ارائه‌ی مشاوره مالی شخصی و پردازش زبان طبیعی در جهت فراهم‌آوری خدمات سریع و سلف‌سرویس به مشتریان، مورد استفاده قرار می‌دهند.

در اینجا چند نمونه از شرکت‌هایی که از هوش مصنوعی برای ایجاد یک تجربه‌ی بانکی بهتر بهره می‌برند، ذکر شده ‌است.

کاسیستو (Kasisto)

مکان: نیویورک

نحوه‌ی استفاده از هوش مصنوعی در امور مالی: کاسیستو خالق KAI است که متشکل از یک پلتفرم هوش مصنوعی محاوره‌ای برای بهبود تجربیات مشتریان در صنعت مالی است.

این پلتفرم با ارائه‌ی گزینه‌ها و راه‌حل‌های سلف‌سرویس به مشتریان، به بانک‌ها کمک می‌کند تا حجم تماس‌های دریافتی مرکز تماس را کاهش دهند. علاوه بر این، چت‌بات‌های مجهز به هوش مصنوعی، توصیه‌های محاسبه‌شده‌ای را در اختیار کاربران قرار می‌دهد و در تصمیم‌گیری‌های مالی دیگر، روزانه به آن‌ها کمک می‌کند.

تاثیر در صنعت: گروه TD Bank برنامه‌هایی را برای ادغام فناوری کاسیستو در تلفن همراه اعلام کرده و در قبال مشتریان، پشتیبانی و بینش هزینه‌ای را ارائه می‌دهد.

هوش مصنوعی Abe

مکان: اورلاندو، فلوریدا

نحوه‌ی استفاده از هوش مصنوعی در امور مالی: هوش مصنوعی Abe یک دستیار مالی مجازی است که با صفحه‌ی اصلی گوگل، پیام کوتاه، فیسبوک، الکسا محصول آمازون، وب و تلفن همراه ادغام می‌شود تا بانکداری راحت‌تری را در اختیار مشتریان قرار دهد.

این دستیار، خدمات متنوعی از دانش ساده و درخواست‌های پشتیبانی تا مدیریت مالی شخصی و بانکداری مکالمه‌ای را ارائه می‌دهد.

تاثیر در صنعت: در سال ۲۰۱۶ Abe بات‌چت مالی هوشمند خود را برای Slack منتشر کرد. این برنامه با بودجه‌بندی‌، پس‌انداز و ردیابی هزینه، به کاربران کمک می‌کند.

تریم (Trim)

مکان: سانفرانسیسکو، کالیفرنیا

نحوه‌ی استفاده از هوش مصنوعی در امور مالی: تریم یک دستیار صرفه‌جویی در پول است که به حساب‌های کاربر متصل می‌شود و به تجزیه‌و‌تحیل هزینه‌ها می‌پردازد. این نرم‌افزار هوشمند می‌تواند اشتراک‌هایی که موجب هدر دادن پول می‌شوند را لغو کند، گزینه‌های بهتری برای خدماتی مانند بیمه پیدا کند و حتی در پرداخت قبوض مذاکره کند.

تاثیر در صنعت: بر اساس مقاله VentureBeat 2016، تریم به میزان ۶.۳ میلیون دلار موجب صرفه‌جویی در هزینه‌ها برای بیش از ۵0،000 نفر شده‌ است.

امنیت سایبری و تشخیص کلاهبرداری

هر روزه حجم زیادی از معاملات دیجیتالی هنگام انتقال پول، پرداخت صورت‌حساب، چک‌های سپرده، تجارت سهام و موارد دیگر از طریق حساب‌های آنلاین و برنامه‌های تلفن‌ هوشمند انجام می‌شود.

نیاز به افزایش امنیت سایبری و تلاش برای تشخیص کلاهبرداری در حال حاضر برای هر بانک یا موسسه‌ی مالی ضروری است و هوش مصنوعی نقش کلیدی در بهبود امنیت منابع مالی آنلاین دارد.

در اینجا چند نمونه از شرکت‌هایی که راه‌حل‌های امنیت سایبری مبتنی بر هوش مصنوعی را برای موسسات مالی ارائه می‌دهند، ذکر شده‌است.

هوش مصنوعی و درآمد

امنیت شیپ (Shape Security)

مکان: Mountain View، کالیفرنیا

نحوه‌ی استفاده از هوش مصنوعی در امور مالی: Shape Security که توسط بانک‌های برتر ایالات متحده مورد بهره‌گیری قرار می‌گیرد، با مشخص کردن کاربران جعلی، کلاهبرداری در برنامه های اعتباری، انباشتن اعتبار، دریافت غیرمجاز اطلاعات و استفاده‌ی نامعتبر از کارت هدیه را محدود می‌کند.

مدل‌های یادگیری ماشینی این شرکت بر اساس میلیاردها درخواست آموزش دیده‌اند و به نرم‌افزار کمک می‌کنند تا بین مصرف‌کنندگان واقعی و ربات‌ها تمایز موثری قائل شود؛ همچنین شبکه Blackfish Shape Security از ربات‌های دارای هوش مصنوعی برای تشخیص ورود نامعتبر به سیستم استفاده می‌کند و به مشتریان و شرکت‌ها در مورد نقض امنیت، فورا هشدار می‌دهد.

تاثیر در صنعت: بر اساس اطلاعات ارائه شده در وب‌سایت شرکت، راه‌حل‌های Shape به یک بانک بزرگ کمک کرده ‌است تا مشتریان را در برابر کلاهبرداری مربوط به حساب کاربری محافظت کند و یک میلیون حملات اعتباری را در هفته‌ی اول استفاده شناسایی کرده ‌است.

دارک‌تریس (Darktrace)

مکان: کمبریج، ماساچوست

نحوه‌ی استفاده از هوش مصنوعی در امور مالی: دارک‌تریس راه‌حل‌های امنیت سایبری را برای صنایع مختلف ایجاد می‌کند و موسسات مالی نیز از این قاعده مستثنی نیستند.

پلتفرم یادگیری ماشینی این شرکت، داده‌های شبکه را تجزیه‌و‌تحلیل کرده و محاسباتی مبتنی بر احتمال ایجاد می‌کند و فعالیت‌های مشکوک را قبل از اینکه فرصت آسیب رساندن به برخی از بزرگ‌ترین شرکت های مالی جهان را داشته‌ باشند، شناسایی می‌کند.

تاثیر در صنعت: در یک مطالعه موردی برجسته در وب‌سایت این شرکت، شرکت نرم‌افزاری مالی جهانی Ipreo، دارک‌تریس را مستقر کرد تا از مشتریان در برابر حملات سایبری پیچیده محافظت کند. Ipreo شاهد نتایج فوری در تشخیص تهدیدات بلادرنگ و دفاع در برابر تهدیدهای داخلی و خارجی بود.

نحوه‌ی استفاده از هوش مصنوعی در امور مالی

وکترا (Vectra)

مکان: سان خوزه، کالیفرنیا

نحوه‌ی استفاده از هوش مصنوعی در امور مالی: وکترا شرکت حامی Cognito است که یک راه‌حل تشخیص و شکار تهدیدات سایبری با هوش مصنوعی می‌باشد.

پلتفرم وکترا تشخیص تهدیدها را به صورت خودکار انجام می‌دهد، مهاجمان مخفی، خصوصا دسته‌ای که موسسات مالی را مورد هدف قرار می‌دهند را نمایان می‌سازد، تحقیقات را پس از حوادث، تسریع می‌بخشد و حتی اطلاعات تهدیدآمیز را شناسایی می‌کند.

تاثیر در صنعت: یک مطالعه موردی وکترا نمای کلی از کار خود را برای کمک به مبادله اوراق بهادار، در جلوگیری از حملات بدافزار ارائه می‌دهد. Cognito پیکربندی نادرست را در سیستم‌های احراز هویت صرافی شناسایی می‌کند.

TQ Tezos

مکان: نیویورک، NY

نحوه‌ی استفاده از هوش مصنوعی در فینتک: TQ Tezos از فناوری بلاک ‌چین برای ایجاد ابزارهای جدید Tezos استفاده می‌کند و با شرکای جهانی برای راه‌اندازی سازمان‌ها و نرم‌افزارها برای استفاده‌ی عمومی همکاری می‌کند.

تاثیر در صنعت: TQ Tezos تضمین می‌کند که سازمان‌ها ابزارهای مورد نیاز خود را برای تحقق ایده‌های خارق‌العاده در صنایعی مانند فینتک، مراقبت‌های بهداشتی و غیره در اختیار داشته‌ باشند.

شیپ‌شیفت (ShapeShift)

 مکان: دنور، CO

 نحوه‌ی استفاده از هوش مصنوعی در فینتک: ShapeShift یک کیف پول دیجیتال غیر‌متمرکز است که بیش از ۷۵۰ ارز رمزنگاری شده را در یازده بلاک ‌چین پشتیبانی می‌کند.

تاثیر در صنعت: این پلتفرم حاوی ۵00،000 کیف پول است و ماهانه 1۵0،000 کاربر فعال دارد. همچین FOX Token توسط ShapeShift معرفی شده است که یک ارز رمزنگاری شده‌ی جدید و دارای چندین پاداش متغیر برای کاربران می‌باشد.

به این مطلب چه امتیازی می دهید ؟
[Total: 1 Average: 5]
منبع
AI and the Bottom Line
نمایش بیشتر

محمد افشار

دانشجوی کارشناسی مهندسی صنایع در دانشگاه صنعتی امیرکبیر مدیر محتوای اکوموتیو

دیدگاهتان را بنویسید

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

نوشته های مشابه

دکمه بازگشت به بالا