هوش مصنوعی برای دنیای واقعی مالی

هوش مصنوعی را از نظر پیشرفته بودن، قدرت یادگیری، نتیجه‌گیری و انجام کار به 3 دسته تقسیم می‌کنند:
1.دارای توانایی اتوماتیک کردن پروسه‌ها (Process automation)

2.دارای بینش علمی (Cognitive insight)

3.دارای فعالیت علمی (Cognitive engagement)

اتوماتیک کردن پروسه‌ها ساده‌ترین نوع هوش مصنوعی است. این شیوه می‌تواند اطلاعات را از ایمیل یا سامانه ای بردارد و دسته‌بندی و به‌روزرسانی کند، یا کارهای اداری جایگزینی یک کارت عابر بانک مفقود شده را انجام دهد، یا قراردادی را بخواند و بررسی کند و پروسه‌ای را انجام دهد. شرکت‌های بزرگ عموما از این نوع هوش مصنوعی استفاده می‌کنند و نیروهای کار خود را برای کارهای فکری به کار می‌گیرند و پروسه‌های متداول و ساده را به ماشین‌ها می‌سپارند؛ اما بسیاری نگران بیکارشدن مردم در این راه هستند، چرا که انتظار می‌رود در بلند مدت این ماشین‌ها جای کارمندان ساده را خواهند گرفت.

طبق تحقیقات انجام گرفته، 47% از هوش مصنوعی که در شرکت‌ها استفاده می‌شود، از همین مدل است.

شرکت ناسا(Nasa) برای کارهای حسابداری خود از این تکنولوژی بهره می‌برد و 86% از روندها را در یک پروسه مشخص هوش مصنوعی انجام می‌دهد و امیدوارند بتوانند نقش هوش مصنوعی را پررنگ‌تر کنند.

هوش مصنوعی دارای بینش علمی، توانایی الگوریتم‌پذیری دارد و می‌تواند آموزش ببیند و یادگیری داشته باشد! طبق تحقیقات، این مدل هوش مصنوعی 38% از بازار هوش مصنوعی را در دست دارد. به کمک این تکنولوژی می‌توان دریافت مشتریان خواستار چه کالاها یا خدماتی هستند یا می‌توانند با جست‌و‌جو در اطلاعات اختلاس‌ها را شناسایی کنند یا بررسی کنند که مدت زمان گارانتی محصول با توجه به طول عمر و امنیت یک کالا در چه شرایطی باید باشد، می‌تواند پیدا کند. مشتریان هدف ما در چه فضاهایی بیشتر فعالیت می‌کنند و اهداف

تبلیغاتی برای ما بدست آورند یا طرح‌های جدید بیمه با توجه به نیازها و محدودیت‌ها برای ما تعریف کنند. هوش‌مصنوعی با بینش علمی می‌تواند عکس و مطلب را درک کند و خودیادگیری است.

شرکت جنرال الکتریک با استفاده از این تکنولوژی در بخش قراردادها توانست مبلغی بالغ بر 80 میلیون دلار صرفه‌جویی کند.
این تکنولوژی کارهایی را انجام می‌دهد که انسان‌ها نمی‌توانند انجام دهند و از این رو برای رقابت شرکت‌ها بسیار با ارزش می‌تواند باشد.

هوش‌مصنوعی دارای فعالیت علمی تنها 16% از هوش مصنوعی‌های بکار گرفته شده در شرکت‌ها را به خود اختصاص داده است. این تکنولوژی با مشتریان و کارمندان ارتباط برقرار می‌کند و بالاترین سطح هوش را دارد و می‌تواند رویکردی جدید از مسائل را ارائه دهد.

این مدل از هوش‌مصنوعی می‌تواند خدمات پشتیبانی 7/24 یک شرکت باشند، می‌توانند با توجه به تاریخچه و مسائل دیگر مشکلات پرسنل را حل کنند و خدمات پشتیبانی پرسنل ارائه دهند، با بررسی شرایط بازار، نحوه فروش کالا و خدمات پیش‌نهادی به خرده فروشان ارائه دهند و به وجهه شرکت و شرایط سودآوری کمک کنند و این پیش نهادها را با تصاویر، نمودار، و بیان قوی ارائه دهد. از دیگر کارهای این تکنولوژی می‌توان به پاسخگویی به بیماران و ارائه راهکار درمانی اشاره کرد.

اما هوش مصنوعی هنوز به مراحل بلوغ خود نرسیده و تمامی توقعات را برآورده نمی‌کند. برای مثال شرکت FaceBook با اعلام این موضوع که سیستم پشتیبانی 7/24 او به 70% از سوالات نمی‌تواند بدون دخالت افراد پاسخ دهد، این تکنولوژی را کنار گذاشته و نیروی انسانی را مجدداً مسئول این کار کرده است.

اما در همین شرایط شرکتی در ایتالیا که به کار بیمه مشغول است، از هر سه مدل هوش مصنوعی استفاده می‌کند و از ارتباط با مشتری تا بررسی داده‌های تاریخی و قراردادها و... را به هوش‌ مصنوعی سپرده است.

برای استفاده از هوش مصنوعی در شرکت باید چند مرحله را طی کنیم؛ ابتدا باید تمامی انواع این هوش‌های مصنوعی را بشناسیم و ببینیم هرکدام چگونه به ما کمک خواهند کرد. سپس با توجه به نیاز خود و بررسی صرفه اقتصادی پیاده‌سازی این تکنولوژی، تصمیم به خرید این محصول بگیریم.

در مرحله بعد باید ببینیم در چه جاهایی می‌توانیم از این تکنولوژی استفاده کنیم؟ به عنوان مثال، زمانی که اطلاعات در شرکت موجود است، اما دسترسی به آنها مشکل است. در این حالت هوش‌مصنوعی به جمع‌آوری اطلاعات پرداخته و آنها را برای ما طبقه بندی و فراهم می‌کند یا در زمانی که داده‌ها موجودند، اما تعداد داده‌ها آنقدر زیاد هست که بررسی آن توسط نیروی‌انسانی عملا غیرممکن است. در این مواقع با هوش مصنوعی می توان به سرعت تمامی داده‌ها را بررسی، تحلیل و حتی نتیجه‌گیری کرد یا هنگامی که شرکت‌ها اطلاعات زیاد و آنالیز شده دارند، اما استفاده‌ای برای آنها پیدا نمی‌کنند، این تکنولوژی برای ما راه استفاده را پیدا می‌کند و از این اطلاعات، تحلیل‌های مفید استخراج می‌کند. پس از این باید به بررسی هزینه استفاده از هر مورد و سطح هوشمندی مورد نظر شرکت، توجه کرد و با بررسی تصمیم گرفت.

بعد از تصمیم و مشخص شدن استفاده و شرایط استفاده از تکنولوژی، لازم است به صورت نمونه اولیه از این هوش‌مصنوعی استفاده کنیم. با استفاده از نمونه‌های اولیه خیلی مسائل روشن‌ شده و می‌توان مشکلات احتمالی را اصلاح کرد. مدتی پس از استفاده، تعدادی از این نمونه‌ها به عنوان نمونه‌های اصلی انتخاب شده و جای خود را در سیستم پیدا می‌کنند و ما باید با تغییر شکل شرکت، با تغییر جای کارمندان و پروسه‌های بروکراتیک، فضا را برای استفاده بهینه از این تکنولوژی آماده کنیم.

در آخر باید به این مهم توجه کنیم که تا چه حدی می‌توان این تکنولوژی را در شرکت گسترش داد و اگر مشکلی برای استفاده از آن در بخشی از سازمان وجود دارد، بهتر است از این تکنولوژی استفاده نکنیم، چراکه هوشمند بودن یک بخش و نبودن بخش‌های دیگر می‌تواند به مشکل منجر شود.

شرکتی به نام Vanguard با ارائه پیشنهادهای مالی و سرمایه‌گذاری با استفاده از هوش مصنوعی هزینه بررسی را پایین آورد و با دقت بالا و تحلیل مشخص پیشنهاداتی را به مشتریان با قیمت پایین عرضه می‌کند و با ترکیبی از هوش مصنوعی و کارشناسان مالی می‌تواند تمامی ابعاد را پوشش دهد و در کارش بسیار موفق باشد.

تمامی شرکت‌های بزرگ روزی به استفاده از هوش مصنوعی مجبور خواهند شد و در آن روز شاید تعدادی از کارکنان سطح پایین و میانی جای خود را به ماشین‌ها دهند، اما این ماشین‌ها تهدید برای نیروهای کار متخصص نیستند. آنها آمده‌اند کارها را تسهیل کنند و افراد کارهای اصلی‌تر و نظارت را بر عهده بگیرند. شاید لازم باشد از همین امروز به هوشمندی شرکت یا سازمان خود نگاهی دوباره بیندازیم و برای حرکت در راه هوشمندسازی، قدمی برداریم تا از این جریان عقب نمانیم.

*سید محمدرضا حسینی – مدیرعامل شرکت مشاوراقتصادی باتاب کارا