راهنمای عملی هوش مصنوعی گوگل برای بانک‌ها و فین‌تک‌ها

کارن ژانگ توضیح می‌دهد که چگونه گوگل از سازمان‌های مختلف در حوزه خدمات مالی، از فین‌تک‌های کوچک گرفته تا مؤسسات مالی بزرگ، حمایت می‌کند. موضوع مشترک در طول این گفتگو، استفاده از هوش مصنوعی به روش‌های کاربردی است: بهبود تجربه مشتری در بخش جلویی و کاهش بار کاری تکراری در بخش پشتیبان، تا تیم‌ها بتوانند روی کارهایی که نیاز به قضاوت واقعی دارند، تمرکز کنند.

ژانگ بر مشارکت با Starling Bank برای ایجاد سرویس "هوش هزینه‌کرد" تأکید می‌کند. به زبان ساده، این سرویس به مشتریان Starling اجازه می‌دهد سوالات زبان طبیعی را درون اپلیکیشن (تایپ شده یا صوتی) بپرسند و پاسخ‌های واضحی درباره هزینه‌کردهای خود دریافت کنند. به جای جستجو در صورت‌حساب‌ها و فیلترها، کاربران می‌توانند چیزهایی مانند: "چقدر در هفته گذشته برای TFL و حمل‌ونقل هزینه کرده‌ام؟" یا "آیا این مقدار هفته به هفته در ماه گذشته تغییر کرده است؟"  بپرسند. هدف این است که بینش‌های هزینه‌کرد بیشتر شبیه یک مکالمه باشد و دسترسی به آن برای کاربران روزمره آسان‌تر شود.

برای تیم‌های فین‌تک، مثال ژانگ همچنین نشان‌دهنده تغییر در تفکر محصول است. اینترفیس‌های زبان طبیعی مانع دسترسی به بینش را کاهش می‌دهند چرا که مشتریان نیازی ندارند بدانند کجا را لمس کنند یا چگونه نمودارها را برای یافتن نیازشان تفسیر کنند. اگر به درستی انجام شود، این امر از بودجه‌بندی، تشخیص الگوها و متوجه شدن تغییرات تدریجی در رفتار پشتیبانی می‌کند، بدون اینکه کاربر را به یک تحلیلگر داده تبدیل کند.

ژانگ سپس به اتوماسیون داخلی می‌پردازد و از مثال دومی با Liberis استفاده می‌کند که گوگل با آن‌ها مشارکت کرد تا یک عامل تضمین‌نویسی هوش مصنوعی به نام Ada بسازند که به افتخار Ada Lovelace نام‌گذاری شده است. تضمین‌نویسی اغلب شامل حجم زیادی از اطلاعات و مراحل تکرارپذیر است که می‌تواند بار اداری سنگینی ایجاد کند. طبق گفته گوگل، Ada در کنار تضمین‌نویسان کار می‌کند، به آن‌ها در طول فرآیند کمک می‌کند و هزینه‌های سربار را 50% کاهش می‌دهد. ژانگ این مزیت را به صورت کارایی و تمرکز توصیف می‌کند: هوش مصنوعی وظایف تکراری بیشتری را بر عهده می‌گیرد، در حالی که تضمین‌نویسان زمان بیشتری را صرف تصمیمات مهم‌تر و مبتنی بر دانش می‌کنند.

گوگل با یک پیام مقیاس‌پذیری به پایان می‌رسد که در حالی که این مثال‌ها در فضای فین‌تک سطح متوسط قرار دارند، همان رویکرد می‌تواند برای شرکت‌های بسیار کوچک‌تر نیز کاربرد داشته باشد. ایده این است که با پشتیبانی درست هوش مصنوعی، تیم‌ها نیازی به تعداد زیاد نیروی کار، "100 تضمین‌نویس" همان‌طور که ژانگ می‌گوید، ندارند تا خدمات قوی ارائه دهند. برای بانک‌ها و فین‌تک‌هایی که سعی در تعادل بین هزینه و تجربه مشتری دارند، نکته گوگل ساده است: از هوش مصنوعی برای حذف اصطکاک برای مشتریان و کاهش کار تکراری داخلی استفاده کنید، در حالی که قضاوت انسانی را در جایی که اهمیت دارد حفظ کنید.