Tärkeitä seikkoja

Tekoäly (AI) on nousemassa

• Tekoälyn yleinen käyttöönotto kaikilla toimialoilla ennustettu maailmanlaajuinen tulojen kasvu 12,5 biljoonaa dollaria vuonna 2017 ja 47 biljoonaa dollaria vuonna 2020 CAGR-arvolla 55,1% vuosina 2016--2020.
• Teollisuudenalat, jotka investoivat eniten näihin tekniikoihin, ovat pankki- ja vähittäiskaupat, joita seuraavat terveydenhuolto ja valmistus.
• Taloustieteilijät nimeävät yleiskäyttöiset tekniikat (* GPT *) riittävän tärkeiksi kestävän talouskasvun ja yhteiskunnan edistymisen edistämiseksi. Esimerkiksi sähkö on * GPT *. Tuore artikkeli Business Review -lehdessä Harvardin yliopistosta nimeää tekoälyn aikamme tärkeimmäksi * GPT: ksi.

Riskienhallinta

• PayPal on pystynyt lisäämään turvallisuutta hyödyntämällä syvällisen oppimisen tekniikkaa. PayPal-petokset ovat suhteellisen vähäisiä 0,32% voitto , luku, joka on paljon parempi kuin 1,32 prosentin keskiarvo, jonka kauppiaat näkevät.
• Lineaarinen malli voi kuluttaa 20-30 muuttujaa , syväoppimistekniikka voi lähettää tuhansia datapisteitä.

Tekoälyn kauppa

• Vuosien ajan sijoitusyhtiöt ovat luottaneet tietokoneisiin kaupankäynnissä. Noin 9% kaikista varoista , jotka hallinnoivat 197 biljoonaa dollaria, luottavat suuriin tilastomalleihin, jotka datatieteilijät ovat rakentaneet.
• Nämä mallit ovat kuitenkin usein staattinen Ne edellyttävät ihmisen väliintuloa, eikä niiden tuottavuus ole sama markkinoiden muuttuessa. Tästä syystä maatilat ovat siirtyminen yhä enemmän kohti tekoälyn todellisia malleja jotka analysoivat suuria tietomääriä ja ja ne kehittyvät edelleen yksin.
• Vuonna 2000 Yhdysvaltojen Goldman Sachs -pankki pääkonttorissaan New Yorkissa antoi työpaikan 600 kauppiaita. Nykyään sinulla on kaksi osakekauppaa koneiden kanssa, jotka hoitavat loput.

Robo-neuvonta

• Sijoittajille * robo-neuvonta * voi tarjota jopa 70% kustannussäästöjä tietyille palveluille.
• Jotkut vakiintuneet sijoituspalveluyritykset ostavat nykyisiltä * robo-neuvojilta *, kuten Invesco osti Jemstepin Y Blackrock osti FutureAdvisor . Toiset ovat luomassa omia * robo-neuvonantajiaan *, kuten FidelityGo ja Schwab Intelligent Advisory.
• 77% varallisuudenhoidon asiakkaista luottaa taloudellisiin neuvonantajiinsa ja 81% toteaa, että kasvokkain tapahtuva vuorovaikutus on tärkeää.

Vakuutusten merkintä ja korvaukset

• A ilmoittaa PWC: lle ennustaa, että tekoäly on automatisoinut huomattavan määrän vakuutussopimuksia vuoteen 2020 mennessä, etenkin kypsillä markkinoilla, joilla tietoja on saatavilla.
• Jonkin sisällä 2013 tutkimus Oxfordissa Tekoäly analysoi yli 700 ammattia selvittääkseen, mitkä olivat alttiimpia tietokoneistamiselle, ja vakuutuksenantajat kuuluvat viiden suurimman alttiimman joukkoon.
• Vakuutus voi hyödyntää koneoppimisen lisäksi myös yleiskäyttöistä tekniikkaa sekä syvällistä kasvojen analysointitekniikkaa.

Yleiskäyttöinen tekniikka on termi, jonka ekonomistit he pitävät tekniikoille, jotka edistävät kestävää talouskasvua ja yhteiskunnan edistymistä ja mullistavat samalla sekä kotitalouksien että yritysten toiminnan. Esimerkki yleiskäyttöisestä tekniikasta on sähkö. Tuotettu sähkö lukuisia tuotteita ja aloja, mukaan lukien jääkaapit, pesukoneet, junat ja tietysti tietokoneet. Sähkön saapuminen muutti radikaalisti maailmaa.

Tuore artikkeli Harvard Business Review nimettiin tekoäly aikakautemme tärkeimmäksi yleiskäyttöiseksi tekniikaksi . Tunnemme tekoälyn voiman. Se ilmenee robotin muodossa kukistamalla maailmankuulu shakkipelaaja . Auto, joka voi rinnakkainen puisto itse . Laitteet, jotka he vastaavat huomisen säällä kun pyydämme. Mutta suuri osa tekemisestä tekoälyn kanssa ja sen ymmärtäminen kiertää tuotteita, jotka vaikuttavat jokapäiväiseen elämäämme kuluttajina. Organisaatiotasolla on laajempi kysymys siitä, miten tekoäly vaikuttaa teollisuuteen ja miten rahoituspalvelut hyödyntävät tekoälyä.

Seuraava artikkeli määrittelee tekoälyn, siihen liittyvien tekniikoiden alueen, maailmanlaajuisen tekoälyteollisuuden koon ja tekoälyn sovellukset rahoituksessa. Tämän teoksen ei ole tarkoitus antaa normatiivista arviointia tekoälyn kehityksestä; pikemminkin se keskittyy siihen, miten tekoäly vaikuttaa talouteen.

Tekoäly: Mikä on tekoäly?

Tekoäly on [tietojenkäsittelyn alue] (https://www.techopedia.com/definition/190/artificial-intelligence-ai) keskittynyt älykkäiden koneiden luomiseen, jotka toimivat ihmisten tavoin. AI-tietokoneet ovat suunniteltu suorittamaan ihmisen toimintoja mukaan lukien oppiminen, päätöksenteko, suunnittelu ja puheen tunnistaminen.

Tekoäly mahdollistaa koneiden käytön parantaa suorituskykyäsi jatkuvasti ilman että ihmiset antavat ohjeellisia ohjeita sen tekemiseksi. Tämä on merkittävää muutamasta syystä. Ensinnäkin ihmiset tietävät enemmän kuin me pystymme ymmärtämään. Toisin sanoen ihmiset pystyvät tunnistamaan kasvot tai toteuttamaan älykkään strategian shakkipelissä. Ennen tekoälyn edistynyttä tekniikkaa ihmisten kyvyttömyys ilmaista omaa tietämystämme tarkoitti sitä, että emme voineet automatisoida monia tehtäviä. Toiseksi tekoälytekniikka on yli-inhimillinen toteutus, se toimii nopeammin ja useammin kuin ihmiset.

Tekoälyteknologiat

Tekoäly sisältää monia ominaisuuksia ja tekniikoita. Konsulttiyritys PWC vahvistaa se, että tekoäly ei ole ”monoliittinen alue”. Se sisältää useita asioita, jotka kaikki lisäävät käsitystämme siitä, mitä tarkoittaa olla 'älykäs'. Alla on joitain suosituimpia tekoälyn alueita:

• Koneoppiminen on data-analyysimenetelmä, joka automatisoi analyyttinen rakennemalli . Tietojen iteratiivisesti oppimien algoritmien avulla koneoppiminen antaa tietokoneille mahdollisuuden löytää piilotettuja ideoita ilman, että heitä olisi erikseen ohjelmoitu etsimään.
• Syvä oppiminen on koneoppimisen osajoukko . Se on helpottanut esineiden tunnistamista kuvissa, videotunnisteiden tekemistä, toiminnan tunnistamista ja edistynyt havaitseminen (mukaan lukien ääni ja puhe). Esimerkiksi * DeepFace * Facebookin syvällisen oppimisen sovellus on ollut koulutettu tunnistamaan ihmisiä valokuvissa . Monet tekevät vertailun syvän oppimisteknologian ja biologian välillä, mutta asiantuntijat ovat yleensä samaa mieltä joka on innoittamana ihmisen aivoista, ei välttämättä muotoiltu sen kuvaksi .
• Luonnollisen kielen prosessi on tietokoneohjelman kyky ymmärtää ihmisen puhetta oikeassa ajassa. Tutkimus ja kehitys ovat Vaihtaa kohti järjestelmiä, jotka kykenevät vuorovaikutukseen ihmisten kanssa vuoropuhelun avulla, ei vain reagoimaan tyyliteltyihin pyyntöihin.
• Esineiden internet (IoT) on omistettu ajatukselle, että laaja valikoima laitteita, mukaan lukien laitteet, ajoneuvot ja rakennukset, voidaan yhdistää toisiinsa. Esimerkiksi, jos hälytys soi kello 7.00, se voi välittää tiedot automaattisesti kahvinkeittimellesi aloittaa kahvin valmistaminen. Yleiskäyttöiset tekniikat, jotka toimivat myös antureina, kun niitä käytetään ovat osa tätä laajempaa suuntausta .

Tämä luettelo ei tietenkään ole tyhjentävä. Katso laajempi valikoima tekoälyn aiheita ja tekniikoita alla.

Tekoälyn markkinoiden koko

Edellä mainittu [artikkeli Harvard Business Review ennustaa, että 'tekoälyn vaikutukset voimistuvat seuraavan vuosikymmenen aikana, kun valmistus, vähittäiskauppa, kuljetus, rahoitus, terveydenhuolto, laki, mainonta, vakuutus, viihde, koulutus ja käytännössä mikä tahansa muu teollisuus muuttavat perusprosessinsa ja liiketoimintamallinsa ottamaan huomioon koneoppimisen etu. Pullonkaula on liiketoiminnan johtamisessa, soveltamisessa ja mielikuvituksessa. '

Kun tekoäly otetaan käyttöön laajasti kaikilla teollisuudenaloilla, [ennustetaan] (http://www.idc.com/getdoc.jsp?containerId=prUS41878616) olevan 12,5 biljoonan dollarin vuonna 2017 ja 47 biljoonan dollarin vuonna 2020 globaalit voitot. Yhdistetty vuotuinen kasvuvauhti (CAGR) on 55,1% vuosina 2016--2020. Erityisesti eniten teknologiaan investoivat teollisuudenalat ovat pankki- ja vähittäiskaupan alat, joita seuraavat terveydenhuolto ja teollisuus. Nämä neljä toimialaa muodostavat yhdessä yli puolet vuoden 2016 tekoälyn maailmanlaajuisesta tuotannosta ja sektorit: pankki- ja vähittäiskaupan toimitukset ovat lähes 1,5 biljoonaa.

Kaikilla toimialoilla korkeammat tekoälyinvestoinnit vuonna 2017 Ne kuuluvat esimerkiksi automatisoituun asiakaspalveluun, automaattiseen uhkatiedusteluun ja petosanalyyseihin (katso alla oleva kirje). Jessica Goepfertin mukaan , ohjelmien johtaja IDC , yritys markkinatutkimus 'Kognitiivisten järjestelmien lyhyen aikavälin mahdollisuudet ovat sellaisilla aloilla kuin pankki, arvopaperit ja investoinnit sekä valmistus. Näistä segmenteistä löytyy paljon strukturoimattomia tietoja, halu hyödyntää näihin tietoihin liittyviä tietoja ja avoimuus innovatiivisille tekniikoille. ' Tämän artikkelin seuraava osa käsittelee erilaisia ​​tekoälyn käyttötapauksia finanssipalvelualalla.

Tekoälyn nykyiset ja tulevat sovellukset rahoituksessa

Tekoäly voisi lisätä toiminnan tehokkuutta riskienhallinnasta ja kaupankäynnistä vakuutustoimintaan ja saataviin. Vaikka jotkut sovellukset ovat tärkeämpiä tietyille finanssipalvelualoille, toisia voidaan hyödyntää yleisesti.

Riskienhallinta

Tekoäly on osoittautunut korvaamattomaksi turvallisuuden ja petosten havaitsemisen suhteen. Perinteisiin petosten havaitsemismenetelmiin kuuluu tietokoneita, jotka analysoivat jäsennettyä tietoa sääntöjen mukaan. Esimerkiksi tietty maksuyritys voi asettaa kynnyksen tilisiirroille 15 000 dollaria, joten kaikki tämän määrän ylittävät tapahtumat merkitään lisätutkimuksia varten. Tämän tyyppinen testi tuottaa kuitenkin monia vääriä positiivisia tuloksia ja vaatii paljon ylimääräistä vaivaa. Ehkä ja vielä merkittävämmin tietoverkkorikolliset huijarit muuttaa taktiikkaansa usein . Tämän vuoksi tehokkaimpien järjestelmien on jatkuvasti oltava älykkäämpiä.

Edistyneillä oppimisalgoritmeilla, kuten syvällä oppimisella, järjestelmään voidaan lisätä uusia ominaisuuksia dynaamista viritystä varten. Samir Hansin mukaan , Deloitte Transaction- ja Business Analytics LLP -konsultointijohtaja: 'Kognitiivisen analyysin avulla petosten havaitsemismallit voivat olla vankempia ja tarkempia. Jos kognitiivinen järjestelmä poistaa jotain, jonka se pitää mahdollisena petoksena, ja ihminen toteaa, että se ei ole petos X: n, Y: n ja Z: n takia, tietokone oppii näiden ihmisten käsityksistä, ja ensi kerralla se ei lähetä sinulle vastaavaa havaitseminen. Joukkue on älykkäämpi. '

PayPalin menestys tekoälyssä ja petosten havaitsemisessa

Otetaan esimerkiksi PayPal, maksujätti, ja sen edistyneet petosprotokollat. Mittakaavansa ja näkyvyytensä vuoksi PayPal “ hänellä on iso kohde selällään ' Se käsitteli 235 miljardia dollaria vuonna 2015 neljästä miljoonasta tapahtumasta 170 miljoonalle asiakkaalleen. PayPal on kuitenkin pystynyt lisäämään turvallisuutta hyödyntämällä syvällistä oppimistekniikkaa. Itse asiassa PayPal-petokset ovat suhteellisen vähäisiä a 0,32% liikevaihdosta , paljon parempi summa kuin 1,32%, jonka kauppiaat normaalisti näkevät.

Aiemmin PayPal käytti yksinkertaisia, lineaarisia malleja. Nykyään sen algoritmit poimivat tietoja asiakkaan ostohistoriasta ja tarkastelevat kasvaviin tietokantoihinsa tallennettujen todennäköisten petosten mallia. Lineaarinen malli voi kuluttaa 20-30 muuttujaa , syväoppimistekniikka voi lajitella tuhansia datapisteitä. Nämä parannetut ominaisuudet auttavat PayPalia erottamaan viattomat epäilyttävistä tapahtumista. Hui Wangin mukaan , PayPalin globaalien riskitieteiden johtaja, 'Pidämme nykyaikaisemmasta ja edistyneemmästä koneoppimisesta sen kyvystä kuluttaa enemmän tietoja, käsitellä kerroksia ja abstraktiokerroksia ja pystyä' näkemään 'asioita, jotka ovat jopa ihmisten olennot eivät pysty näkemään '

Tekoälyn kauppa

Siirtyminen ihmisen tekemistä malleista todelliseen tekoälyyn

Vuosien ajan sijoitusyhtiöt ovat luottaneet tietokoneisiin kaupankäynnin hoidossa. Noin 1360 hedge-rahastoa, edustaa 9 prosenttia kaikista varoista He luottavat suuriin tilastomalleihin, jotka ovat rakentaneet datatieteilijät, joilla on usein matematiikan tohtorin tutkinto (tunnetaan myös nimellä 'kvantti'). Nämä mallit käyttävät kuitenkin vain historiallisia tietoja usein staattinen Ne vaativat ihmisen väliintuloa, eivätkä ne toimi yhtä hyvin markkinoiden muuttuessa. Näin ollen varat ovat siirtyminen tekoälyn todellisiin malleihin mikä voi paitsi analysoida suuria tietomääriä myös parantaa itseään.

Nämä uudet tekniikat käyttävät monimutkaisia ​​tekniikoita, mukaan lukien syvällinen oppiminen, nimeltään koneoppimisen muoto Bayesin verkot , Y Evoluutiolaskenta , joka on genetiikan innoittama. Tekoälyn kaupankäyntiohjelmisto pystyy absorboimaan valtavia määriä tietoa oppimaan maailmasta ja tekemään ennusteita rahoitusmarkkinoista. Ymmärtää maailman suuntauksia Nämä voivat kuluttaa kaikkea kirjoista, twiiteistä, uutisraporteista, taloudellisista tiedoista, tuloslaskelmista ja kansainvälisestä rahapolitiikasta Saturday Night Liven kohtauksiin.

Selvyyden vuoksi yllä oleva eroaa korkean taajuuden kauppa ( HFT ), jonka avulla elinkeinonharjoittajat voivat toteuttaa miljoonia tilauksia ja skannata useita markkinoita sekunneissa vastaamalla mahdollisuuksiin ihmisillä he vain eivät voi . Edellä käsitellyt tekoälykäyttöiset alustat etsivät parhaita pitkän aikavälin kauppasuunnitelmia, ja koneet - eivät ihmiset - sanelevat strategian.

Jotkut näistä tekoälyn kaupankäyntijärjestelmistä ovat startupien kehittämiä. Esimerkiksi Hongkongissa Aidiya on täysin itsenäinen hedge-rahasto, joka harjoittaa koko osakekauppaansa tekoälyn avulla. 'Jos me kaikki kuolemme', perustaja Ben Goertzel sanoo 'Jatkaisi toimintaa.' Perinteiset instituutiot ovat myös kiinnostuneita tekoälykaupan tekniikasta. Vuonna 2014 Goldman Sachs johti A-sarjan rahoituskierrosta ja aloitti Kensho-nimisen tekoälyn kaupankäyntialustan asentamisen. Varten sarja B de Kensho S&P Globalin lisäksi osallistui myös kuusi suurinta Wall Streetin pankkia (Goldman Sachs, JPMorgan Chase, Bank of America, Merrill Lynch, Morgan Stanley, Citigroup ja Wells Fargo).

Liiketoiminnan vertailu

Sijoitustutkimusyrityksen äskettäin tekemä tutkimus Eurekahedge seurasi 23 hedge-rahaston kehitystä tekoälyn avulla vuosina 2010--2016, missä he näkivät, että ne ylittivät perinteisempien kvanttianalyytikkojen ja yleisten hedge-rahastojen hallinnoimat rahastot.

Vaikutukset kauppiaille ja kvanttianalyytikoille

On mielenkiintoista seurata, miten tekoäly vaikuttaa kaupallisiin työmarkkinoihin. Sen vaikutukset ovat jo ilmeisiä joissakin suurimmissa pankkilaitoksissa. Vuonna 2000 Goldman Sachin Yhdysvaltain korkosijoitustoimisto New Yorkin päämajassa Job 600 kauppiaita ostamassa ja myymässä osakkeita. Nykyään hänellä on kaksi osakekauppiasta, joilla on koneet, jotka tekevät loput työstä. Daniel Nadler, Toimitusjohtaja de Kensho, julistaja 'Kymmenen vuoden kuluttua Goldman Sachs on huomattavasti pienempi palkanlaskennassa kuin nykyään.' Ja mitä tulee kvanttianalyytikoihin, he saattavat huomata, että heidän taitonsa ovat vähemmän kysyttyjä sijoitusrahastoyhtiöiltä.

Tällä hetkellä noin a kolmasosa valmistuneista tärkeimmistä liiketoimintaohjelmista ruokkii rahoitusta. Minne kansakunnan parhaat lahjakkuudet menevät? Mark Minevich, Yhdysvaltain kilpailukykyneuvoston vanhempi neuvonantaja, uskoo sen 'Jotkut näistä älykkäistä ihmisistä siirtyvät teknologiayrityksille tai auttavat kehittämään lisää tekoälyalustoja, itsenäisiä autoja tai energiatekniikkaa […] New York voisi kilpailla Piilaakson kanssa tekniikassa.'

Robo-neuvonta

Mikä on a Robo-neuvonantaja ja miten se toimii?

Robo-neuvojat ovat digitaalisia alustoja, jotka tarjoavat algoritmeihin perustuvia, automatisoituja taloussuunnittelupalveluja vähäisellä inhimillisellä valvonnalla. Vaikka taloushallinnon johtajat ovat käyttäneet automaattista salkunjakoa 2000-luvun alusta lähtien, sijoittajien oli palkattu neuvonantajia hyödyntämään tekniikkaa. Tänään, robo-neuvonantajat antaa asiakkaille mahdollisuuden käyttää palvelua suoraan. Toisin kuin ihmisten kollegat, robo-neuvonantajat seuraa markkinoita keskeytyksettä ja ovat käytettävissä 24/7 . Robo-neuvojat voi tarjota sijoittajille enintään a 70% säästöjä ja yleensä he eivät vaadi vähimmäismäärää osallistumiseen.

Tänään, robo-neuvonantajat voi auttaa toistuvissa tehtävissä kuten tilien avaaminen ja varojen siirtäminen. Prosessiin kuuluu yleensä asiakkaiden vastaaminen yksinkertaisiin kyselylomakkeisiin riskinottohalukkuudesta tai likviditeettitekijöistä, mikä robo-neuvonantajat sitten ne muuttuvat sijoituslogiikaksi. Suurin osa robo-neuvonantajat Nykyinen tavoite on osoittaa asiakkaansa hallittuihin ETF-salkkuihin heidän mieltymystensä perusteella. Valmiuksia odotetaan tulevaisuudessa tullut edistyneempiä tarjouksia kuten automaattiset omaisuuden muutokset ja laajennettu kattavuus vaihtoehtoisten omaisuusluokkien, kuten kiinteistö, kautta.

Robo-neuvonta Sillä voi olla merkittävä vaikutus henkilökohtaisen rahoituksen ja varallisuuden hallintaan. Vaikka hallinnoitavat varat ( AUM ) virta robo-neuvonantaja yksittäinen edustavat 10 biljoonaa dollaria 4 biljoonasta varainhoitoalasta (alle 1% kaikista hallinnoidun tilin varoista), [Business Insider -tutkimus] (http://www.businessinsider.com/the-robo-advising-report -market-Ennusteet- avainkasvun veturit ja kuinka automatisoitu omaisuudenhoito muuttaa neuvontateollisuutta 2016-6) arvioi, että tämä luku nousee 10 prosenttiin vuonna 2020. Tämä vastaa noin 8 biljoonaa dollaria hallinnoitavissa olevissa varoissa ( AUM ).

Teollisuuden hyväksyminen Robo-neuvoja

Alan toimijat ovat omaksuneet erilaisia ​​lähestymistapoja robo-neuvoja . Pienet varainhoitoyritykset lisäävät algoritmikomponentteja automatisoidakseen investointiensa hallintaa, vähentääkseen kustannuksia / palkkioita ja kilpaileakseen robo-neuvonantajat . Toisaalta vakiintuneet sijoituspalveluyritykset ostavat robo-neuvonantajat olemassa, kuten Invesco osti Jemstepin tai luoda omia ratkaisujasi robo-neuvonantaja , kuten FidelityGo ja Schwab Intelligent Advisory.

Robo-neuvojat vs. Talousneuvojat: Korvataanko ihmiset?

Asiantuntijoiden yleinen yksimielisyys on, että ihmiset ovat edelleen välttämättömiä. Ihmisen kosketus pysyy kriittisenä, koska neuvonantajien on silti rauhoitettava asiakkaitaan vaikeina taloudellisina aikoina ja suostuttelemaan heidät hyödyllisinä ratkaisuina. Konsulttiyrityksen Accenturen tekemä tutkimus paljasti, että 77% varainhoitoasiakkaista luottaa taloudellisiin neuvonantajiinsa, kun taas 81% ilmoittaa, että kasvokkain tapahtuva vuorovaikutus on tärkeää. Asiakkaille, joilla on monimutkaiset sijoituspäätökset, hybridineuvontamalli , joka yhdistää atk-palvelut ihmisneuvojien kanssa, on saamassa kasvua.

Talousneuvojat ovat edelleen keskeisiä, mutta talousneuvojat robo-neuvonantajat voi aiheuttaa muutokset työtehtävissäsi . Hallitsemalla toistuvia tehtäviä sijoituspäälliköt voivat ottaa vastuulleen datatieteilijän tai insinöörin vastuun, kuten ylläpitää järjestelmää. Ihmiset voivat myös keskittyä enemmän suhteiden rakentamiseen asiakkaisiin ja koneen tekemien päätösten selittämiseen.

Tekoäly vakuutusliikkeissä ja korvaushakemuksissa

Vakuutus riippuu saldosta ihmisryhmien välillä ; Vakuutuksenantajat ryhmittävät samanlaisia ​​ihmisiä, ja jotkut ihmiset tarvitsevat maksuja, kun taas toiset eivät. Teollisuus luottaa riskinarviointiin; vakuutusyhtiöt eivät ole vieraita tietojen analysoinnista. Tästä huolimatta, Tekoäly voi laajentua analysoitujen tietojen määrä sekä tapoja, joilla niitä voidaan käyttää, mikä johtaa tarkempaan hinnoitteluun ja muihin operatiivisiin hyötysuhteisiin.

Startupit ovat eturintamassa alan eteenpäin viemisessä. Henrik Naujoksin mukaan , Bain & Co -yrityksen kumppani, ”Startupit näyttävät, mikä on mahdollista ja mitä voidaan tehdä. Monet vakiintuneet johtajat näkevät sen - he eivät saa sitä, mutta haluavat päästä mukaan. ' Sijoittajat ovat myös pitäneet kiinni tästä suuntauksesta (katso alla). Vuonna 2016 tekoäly oli yksi suosituimmista teemoista sijoitus vakuutustekniikkaan.

Tekoäly ja vakuutustoiminta

A ilmoittaa PWC: lle ennustaa, että tekoäly automatisoi merkittävän määrän merkintäsitoumuksia vuoteen 2020 mennessä, erityisesti kypsillä markkinoilla, joilla tietoja on saatavilla. Tällä hetkellä vakuutusyhtiö tietokoneohjelmistojen ja vakuutusmatemaattisten mallien avulla arvioi riskit ja vastuut potentiaalisten asiakkaiden tiedot, kuinka paljon heidän tulisi saada kattavuus ja kuinka paljon heiltä tulisi veloittaa. Lyhyellä aikavälillä tekoäly voi auttaa automatisoimaan suuria vakuutus- määriä auto-, asuin-, liike-, henki- ja ryhmävakuutuksissa. Tulevaisuudessa tekoäly parantaa mallinnusta korostamalla keskeisiä näkökohtia päätöksenteosta vastaaville ihmisille, jotka muuten olisivat saattaneet jäädä huomaamatta. Se on myös ennustettiin että edistyksellinen tekoäly mahdollistaa yksilöllisen vakuutustoiminnan yrityksen tai yksityishenkilön toimesta ottaen huomioon ainutlaatuiset käyttäytymismallit ja olosuhteet.

Tehostettu vakuutustoiminta voi hyödyntää paitsi koneoppimista tiedonlouhinnassa myös puettavaa tekniikkaa ja syvällisesti oppivia kasvoanalysaattoreita. Esimerkiksi, Lapetus , uusi yritys, haluaa käyttää sitä selfietä varten ennustaa tarkasti elinajanodote . Ehdotetussa mallissa asiakkaat lähettävät sähköpostitse omakuvat, jotka skannaavat ja analysoivat tietokoneita - analysoimalla tuhansia kasvojen alueita. Analyysissä pohditaan kaikkea perusdemografiasta siihen, kuinka nopeasti henkilö ikääntyy, hänen ruumiinindeksiinsä ja tupakoivatko he. Myös tekniikka yleensä voi tehdä vakuutustoiminnasta enemmän yhteistyötä. Sen sijaan, että luotettaisiin pitkiin lääketieteellisiin arviointeihin ja monimutkaisiin sopimusprosesseihin, peitetekniikat voivat tarjota tietoja reaaliajassa vakuutettujen terveydelle ja käyttäytymiselle.

Tämän tyyppinen vivahteikas, reaaliaikainen riskianalyysi mahdollistaa paitsi tarkemman asiakashintojen laskemisen myös terveysriskien varhaisen havaitsemisen ja vakuutusyhtiöiden mahdollisuuden investoida ennaltaehkäisyyn . Sen sijaan, että lopulta maksettaisiin kalliista potilashoidoista, vakuutusyhtiöt voivat yrittää ennakoivasti vähentää vahinkojen todennäköisyyttä ja niihin liittyviä kustannuksia. Jonkin sisällä Oxfordin tutkimus vuonna 2013 Analysoimalla yli 700 ammattia selvittääkseen, mitkä olivat alttiimpia tietokoneistamiselle, vakuutuksenantajat kuuluivat viiden suurimman alttiuden joukkoon. Vaikka tekoäly ei korvaa täysin vakuutuksenantajaa, tekoälyn automaatio voi muuttaa vakuutuksenantajan vastuita. Tekoäly voi vapauttaa tilaajan aikaa suuremman lisäarvon saavuttamiseksi, kuten arviointi ja hinnoittelu vähemmän rikkailla kehittyvillä markkinoilla, mikä antaa enemmän tietoa riskienhallinnasta ja tuotekehityksestä.

Tekoäly- ja vakuutuskorvaukset

Vakuutuskorvaukset ovat vakuutusyhtiöille lähetetyt muodolliset maksupyynnöt. Vakuutusyhtiöt tarkastavat sitten pätevyysvaatimuksen ja maksavat vakuutetulle, kun se on hyväksytty. Näin tekoäly voi parantaa prosessia :

Parempi asiakastietojen tarkkuus. Korvausmenettely on melko manuaalinen - ihmisagentit tallentavat manuaalisesti asiakastiedot ja tapahtuman yksityiskohdat. Mukaan a Experian-raportti , tietojen laatu voi kärsiä: epätäydelliset tiedot aiheuttavat 55% tietovirheistä, kun taas typografiset virheet ovat 32%. Tekoäly voi parantaa tarkkuutta vähentämällä manuaalista syöttöä. Lisäksi korvausprosessit vaativat vakuutusasiamiehiltä usein vastaamaan asiakastietoja lukuisiin tietokantoihin. AI voidaan käyttää toimi näin tehokkaammin.

Nopeammat maksusuositukset. Mukaan a omaisuusvaatimusten tyytyväisyystutkimus kirjoittanut J.D. Power & Associates, hidas oikeusjuttujakso on yksi suurimmista asiakastyytyväisyydestä. Tekoäly se voi auttaa lyhentää vasteaikoja vahvistamalla ensin käytäntö ja tekemällä sitten päätöksiä vaatimuksista ja automatisoimaan maksu. Tämä johtuu siitä, että tekoäly pystyy analysoimaan paitsi jäsenneltyjä tietoja myös strukturoimattomia tietoja, kuten käsinkirjoitettuja lomakkeita ja varmenteita.

Viimeiset ajatukset

Jotkut futuristit he ovat väittäneet että maailma on nopeasti lähestymässä käännekohtaa, keksitty ' singulariteetti 'Missä koneen älykkyys ylittää ihmisen älykkyyden. Kuuluiset teknologit ja tutkijat, mukaan lukien Bill Gates ja Stephen Hawking, ovat varoittaneet tästä asiasta. Elon Musk on myös kansan paljaana 'AI on perustavanlaatuinen eksistentiaalinen riski ihmissivilisaatiolle, enkä usko, että ihmiset ymmärtävät sitä täysin.'

Kun tekoäly lisääntyy edelleen henkilökohtaisessa ja ammatillisessa elämässämme, monia ongelmia syntyy edelleen. Näitä ovat mahdolliset virheet, yleinen epäluottamus koneita kohtaan ja huolet työn korvaamisesta. Olisi virhe jättää nämä pelot huomiotta. Yhteiskunta on kuitenkin jo nopeilla keinoilla tekoälyllä toimivaan maailmaan. Tässä uudessa maailmassa saattaa olla tuottavampaa keskittyä siihen, miten koneet ja ihmiset voivat paremmin elää rinnakkain. Poliittisten päättäjien on tärkeää olla varovaisia, jotta uudet tekniikat voivat kehittyä samalla kun seurataan ja minimoidaan niiden kielteiset seuraukset. Kehittäjät ja suunnittelijat pitäisi myös lisääntyä ihmisten kyky ymmärtää tekoälyjärjestelmiä, mikä lisää luottamusta ja lisää tyytyväisyyttä tekoälyn sovelluksiin. Jokaisella on oma roolinsa.

Kuten Haruhiko Kuroda mainitsi, Japanin keskuspankin pääjohtaja Vuonna 2017 tekoäly- ja rahoituspalvelukonferenssissa on tärkeää, että harkitsemme rakentavasti toivottuja tapoja, joilla ihmiset ja tekoäly täydentävät toisiaan, eikä kohtaamaan toisiaan. Esimerkiksi ihmisen arvio ei ole täysin vapaa olemassa olevista paradigmoista ja on joskus laiminlyöty muutoksiin, tekoäly voisi säätää puolueellisuuttamme neutraalin analyysin avulla ja löytää samalla tavalla uusia korrelaatioita lukemattomien tietojen välillä, kun taas ihmiset voivat kompensoida heikkoutta tekoälyä intuitiollaan, järjellään ja mielikuvituksellaan. '