Yenilik, alıcı tarafta olan sektör ne olursa olsun, işleri ileriye taşır.

Finansta, son on yılda inovasyon, finansal kurumların, bankaların ve borç verenlerin müşterileriyle nasıl etkileşime girdiğini ve finansal hizmetler sağladığını nasıl katlanarak değiştiğini gördü.

Çalışma süreçlerine yönelik yenilikler, daha hızlı kredi kararları, daha iyi dolandırıcılık tespiti ve anında banka hesapları açma yeteneği. Bu, müşterilerin nerede ve ne zaman olursa olsun fonları yönetmenin sorunsuz ve kullanışlı bir yolunu sağlamaya yardımcı olur.

Teknolojideki gelişmeler sayesinde, kredilerden, ipoteklerden ve kredi kartlarından herhangi bir şekilde borçlanma alma süreci, kredi verenin sağlaması için çok daha kolay hale gelirken, müşterilerin yararına uygunluk kontrolleri konusunda tetikte olmalarını sağlar.

Bunun ön saflarında, sürekli gelişme halinde olan ve önümüzdeki birkaç yıl içinde finans ve bankacılık sektörlerini yenilemeye devam edecek gibi görünen gelişmiş makine öğrenimi yer alıyor. 2019 yılında İngiltere Merkez Bankası (BoE) ve Mali Davranış Otoritesi (FCA) 300 firmayla anket yaptı [1] bankaları, kredi komisyoncularını, çevrimiçi borç verenleri ve makine öğreniminin geliştirilmesi ve aralarında kullanımıyla ilgili diğer birçok finansal hizmeti içeriyordu. %75’inin zaten bir şekilde makine öğrenimi kullandığını buldu. Makine öğrenimi uygulamalarının üçte biri, bankacılık veya sigortacılık gibi belirli alanlardaki faaliyetlerin önemli bir bölümü için kullanılıyor.

Peki, makine öğrenimi en çok nerede öne çıkıyor ve finansın çehresini sonsuza kadar nasıl değiştirmeye devam edecek?

Makine Öğrenimi Farkı

Temel düzeyde, makine öğrenimi, çok az insan müdahalesi kullanan veya hiç kullanmadan görevleri gerçekleştirebilen yapay zekanın bir alt kategorisidir. Finans açısından bu, büyük veri kümelerini analiz edebileceği, kalıpları tespit edebileceği ve sorunları hızlı bir şekilde çözebileceği anlamına gelir. Ayrıca analitik içgörüler oluşturmaya, yeni ürün ve hizmetleri desteklemeye ve tüketicilerin daha özel, daha düşük maliyetli ürünlerden faydalanmasına yardımcı olabilir. Borç verenler için bu, sağladıkları ürün ve hizmetlerde daha duyarlı ve etkili olabilecekleri anlamına gelir. Ancak hangi alanlarda en önemli avantajları görüyoruz?

Makine öğrenimi, dolandırıcılık ve kara para aklama tespitini çok daha basit ve etkili bir süreç haline getirmeye yardımcı oldu. Müşterilere, dolandırıcılık tehdidinin sürekli izlendiğine ve her zamankinden daha hızlı tespit edildiğine dair güvence verebilmek, müşteri güvenini korumak için değerlidir. Makine öğrenimi, hesap etkinliğinin gerçek zamanlı analizini sağlayarak, örneğin bir müşterinin banka hesabındaki normal davranışın ne olduğunu ve özellikle farklı bir ülkede veya başka bir cihazdan büyük bir para çekme veya ödeme gibi daha şüpheli olan şeyleri öğrenerek buna yardımcı olur. . Gelişmiş makine öğreniminin bu kullanımı, bir müşterinin bunu bildirmesini veya bir banka çalışanının manuel olarak tespit etmesini beklemeden dolandırıcılığın ne kadar hızlı işaretlenebileceğini değiştirdi.

Müşteri hizmetleri ve müşteri hizmetleri açısından, canlı sohbet robotu hizmetlerinden otomatik yanıtların artması veya Robo-danışmanların uygulanması bu alanda devrim yarattı. Müşteriler, daha önceki etkileşimlerinden öğrenen bilgisayarlı bir hizmetle etkileşime girebiliyorlarsa, bu, birisinin finansları hakkında ihtiyaç duyduğu bilgileri eskisinden çok daha hızlı ve doğru bir şekilde bulabileceği anlamına geliyor – tüm bunlar insan benzeri bir etkileşime sahipken.

Kredi riski yönetimi, gelişmiş makine öğrenimi süreçlerinden yararlanan başka bir alandır. Verileri toplayarak ve müşterileri herhangi bir eğilim ve potansiyel riskler hakkında gerçekleşmeden önce uyararak, onu kullanan şirketlerin çok daha doğru piyasa tahminleri sunabileceği anlamına gelir.

2019’da Barclays, yeni risk azaltmayı değerlendirmeye yardımcı olmak için Simudyne ile bir ortaklık duyurdu ve banka, gerçek uygulamadan önce nasıl performans gösterdiklerini değerlendirebilmeleri için milyonlarca gelecek senaryosunu simüle eden bilgisayar modelleri geliştirebildi.

Tüketici kredilerinde yeni bir müşterinin kredi riskini değerlendirmek her zamankinden daha hızlı ve daha doğru hale geldi. Equifax, Mart 2018’de, NeuroDecision Teknolojisi adı verilen ve müşterilere riskleri değerlendirirken yardımcı olmak için ağ modellemesini kullanmak üzere tasarlanmış yeni bir makine öğrenimi kredi puanlama sistemini tanıttı. Buradaki fikir, kredi verenlerin ek risk almadan kredi için daha fazla tüketiciyi onaylamasına yardımcı olacağıdır.

Otomasyonun Geleceği

Teknolojideki ilerlemeler, finans sektöründeki birçok iş rolünün önümüzdeki yıllarda insan etkileşimi olmadan ortadan kalkabileceği anlamına geliyordu. Microsoft’a göre, bankaların, sigorta şirketlerinin ve diğer finans kurumlarının yaklaşık %72’si yapay zeka kullanıyor ve bu bir yılda %7 artış gösteriyor. [2]. Süreçlerin çoğu, %16 oranında artan otomasyonu içeriyor.

Yönetim danışmanlığı firması Opimas’a göre, 2025 yılına kadar makine öğrenimi, derin öğrenme ve bilişsel analizin yatırım bankacılığındaki 230.000 işin yerini alacağı ve varlık yönetiminde kaybedilen 90.000 işin yerini alacağı tahmin ediliyor. [3]. Zaman alan birçok idari görevin, makine öğrenimi yapay zekasının ilerlemesinden faydalanması bekleniyor, ancak bu, üretkenlik artarken birçok işin otomatik hale gelebileceği anlamına geliyor. Price Waterhouse Coopers’ın (PwC) araştırması, 2029 yılına kadar finans ve sigorta işlerinin %30’unun otomasyon riski altında olduğunu ve tüm büro rollerinin %50’sinin otomasyonla karşı karşıya olduğunu buldu. [4].

Gelişmeler, tüketicilerin ve şirketlerin etkileşim biçimini sonsuza kadar değiştirmeye devam ederken, makine öğrenimi süreçlerinden kaç tane otomatikleştirilmiş tahminin gerçeğe dönüştüğünü görmek ilginç olacak.

Kaynaklar:

1 – https://www.bankofengland.co.uk/report/2019/machine-learning-in-uk-financial-services

2 – https://news.microsoft.com/en-gb/2019/10/01/financial-sector-leading-the-way-in-using-ai-microsoft-report-reveals/

3 – https://www.efinancialcareers.co.uk/news/2017/03/how-machine-learning-will-eliminate-230000-finance-jobs

4 – https://www.pwc.com/hu/hu/kiadvanyok/assets/pdf/impact_of_automation_on_jobs.pdf

ekifaks NeuroDecision Teknolojisini başlattı

https://investor.equifax.com/news-events/press-releases/detail/203/equifax-launches-neurodecision-technology

Barclays, Simudyne ile ortak oldu

https://home.barclays/news/2019/7/insights–how-barclays-is-predicting-the-future-/










#Makine #Öğrenimi #Finansı #Sonsuza #Kadar #Nasıl #Değiştiriyor