AI MachineLearning

A mesterséges intelligencia bevezetésének 5 kihívása a bankszektorban

Ördög Szabolcs • 2020. július 21.

A vásárlói preferenciák változásával az egyes szektorok újabb és újabb technológiák alkalmazásával próbálnak megfelelni a megváltozott igényeknek. A bankszektor digitalizációjában nagy szerepet tölt be a robotika, az öntanuló rendszerek vagy a mesterséges intelligencia (AI) használata is. Ám ez a szektor sem mentesül a kihívások alól, ha új technológia bevezetéséről van szó. Ezért számba vettünk pár gyakori tényezőt, amire érdemes felkészülni ha a közeljövőben mesterséges intelligenciát hívunk segítségül a folyamataink digitalizálásához. 

  • Ellenállás az új technológiák bevezetésével kapcsolatban

Egy új technológia bevezetése a hosszú távú előnyök élvezése előtt rengeteg változással, energiabefektetéssel jár mind a menedzsment, mind a felhasználók részéről. Ez a megfelelő felsővezetői kommunikáció hiánya mellett akár ellenállást is kiválthat a kollégákból, vagy leányvállalatokból,  akik elégedettek voltak az eddigi jól bevált módszerekkel.

  • Képzett munkaerő hiánya

A meglévő munkaerő képzettségének hiányával gyakran meg kell küzdenünk ezért a kollégák edukálása fontos tényező a bevezetésnél. Az AI növekvő alkalmazásával viszont az egész piacon kézzelfoghatóvá válik az olyan szakemberek hiánya, akik tapasztalattal rendelkeznek a machine learning és a data science területén.

  • Szabályozásoknak való megfelelés

Az online szolgáltatások bővülése során megjelenő új funkciókra, mint például az online bankolásra vagy az online tranzakciókra is vonatkoznak az adatvédelmi szabályozások, ami a bank részéről további kötelezettséget von maga után. Ezen kívül az AI technológia alkalmazásának is várható szabályozása a jövőben, amelyet érdemes figyelemmel követni.

  • Felelősség

Az intelligens technológiák egyik általános kihívása a felelősség kérdése. Ki lesz a felelős ha valami rosszul sül el. A pénzintézetek ritkán adnak teljes felelősséget a gépeknek, inkább az a gyakorlat látható, hogy még mindig emberi felügyeletre van szükség a végső döntések meghozatalakor, például egyes tranzakciók engedélyezésénél vagy blokkolásánál. Bár ez a szigorú hozzáállás az AI fejlődésével és terjedésével valószínűleg lazulni fog.

  • Adatok minősége

Az algoritmus megbízhatósága nagyban függ az inputként használt adatok minőségétől. A megfelelő adatok összegyűjtésére és előkészítésére szánt időt és energiát gyakran alábecsülik, pedig hosszú távon megéri ezekre kiemelt figyelmet fordítani.

“Mivel az AI válik a működési hatékonyság motorjává, ezért önmagában a méretgazdaságosság nem bírja majd fenntartani a költségelőnyöket. A jövőben a pénzügyi szervezetek sikerének kulcsa a rendelkezésre álló adatok mennyisége, és azok felhasználásának képessége lesz.” -mondja Mérth Balázs, a Deloitte Magyarország Pénzintézeti szektorának vezetője.