Finansal hizmetler için üretken yapay zekada değer bulma

McKinsey raporuna göre üretken yapay zeka, küresel ekonomiye yıllık 2,6 ila 4,4 trilyon dolar arasında değer katabilir. Bankacılık sektörü, üretken yapay zekadan en büyük etkiyi (gelirlerin yüzdesi olarak) görebilecek sektörler arasında öne çıktı. Raporda, teknolojinin “kullanım senaryolarının tam olarak uygulanması halinde yılda 200 milyar ila 340 milyar dolar arasında ek değer sağlayabileceği” belirtiliyor.

Her sektörden işletme için mevcut zorluk, her yeni teknolojinin beraberinde getirdiği yanıltıcı reklamı, onun getirebileceği gerçek ve kalıcı değerden ayırmaktır. Bu, finansal hizmetlerde faaliyet gösteren firmalar için acil bir konudur. Sektörün halihazırda dijital araçların yaygın ve büyüyen kullanımı, teknolojik gelişmelerden etkilenme olasılığını özellikle artırıyor. Bu MIT Technology Review Insights raporu, üretken yapay zekanın uygulanmaya başladığı finans sektöründeki erken etkisini ve başarılı bir şekilde yaygınlaştırılması için uzun vadede aşılması gereken engelleri inceliyor.

Bu raporun ana bulguları aşağıdaki gibidir:

• Üretken yapay zekanın finansal hizmetlerde kurumsal olarak yaygınlaştırılması hâlâ büyük ölçüde başlangıç ​​aşamasındadır. En aktif kullanım örnekleri, çalışanları düşük değerli, tekrarlayan işlerden kurtararak maliyetleri düşürmeye yöneliktir. Şirketler, daha önce insanların yapılandırılmamış bilgileri değerlendirmesini gerektiren zaman alıcı ve sıkıcı işleri otomatikleştirmek için üretken yapay zeka araçlarını kullanmaya başladı.

• Potansiyel olarak daha yıkıcı araçlar üzerinde kapsamlı deneyler yapılıyor ancak ticari kullanıma dair işaretler hala nadir. Akademisyenler ve bankalar, varlık seçimi, iyileştirilmiş simülasyonlar ve varlık korelasyonunun ve kuyruk riskinin (varlığın ortalama geçmiş performansının çok altında veya çok üzerinde performans gösterme olasılığı) daha iyi anlaşılması gibi etkili alanlarda üretken yapay zekanın nasıl yardımcı olabileceğini inceliyor. Ancak şu ana kadar bir dizi pratik ve düzenleyici zorluk bunların ticari kullanımını engellemektedir.

• Eski teknoloji ve yetenek eksikliği, üretken yapay zeka araçlarının benimsenmesini yavaşlatabilir, ancak bu yalnızca geçici olarak mümkündür. Pek çok finansal hizmet şirketi, özellikle de büyük bankalar ve sigorta şirketleri, hâlâ önemli, eskimiş bilgi teknolojisine ve veri yapılarına sahip ve potansiyel olarak modern uygulamaların kullanımına uygun değil. Ancak son yıllarda dijitalleşmenin yaygınlaşmasıyla bu sorun azaldı ve azalmaya da devam edebilir. Her yeni teknolojide olduğu gibi, özellikle üretken yapay zeka konusunda uzmanlığa sahip yetenek, ekonomi genelinde yetersiz bulunuyor. Şimdilik finansal hizmet şirketleri, seyrek bir uzman havuzundan eleman almak yerine personel yetiştiriyor gibi görünüyor. Bununla birlikte, yapay zeka yeteneği bulmanın zorluğu şimdiden azalmaya başlıyor; bu, bulut ve diğer yeni teknolojilerin yükselişiyle görülenleri yansıtan bir süreç.

• Üstesinden gelinmesi daha zor olan, teknolojinin kendisindeki zayıflıklar ve belirli görevlerde kullanıma sunulmasının önündeki düzenleyici engeller olabilir. Genel, kullanıma hazır araçların, portföy analizi ve seçimi gibi karmaşık, spesifik görevleri yeterince yerine getirmesi pek olası değildir. Şirketlerin, önemli miktarda zaman ve yatırım gerektiren bir süreç olan kendi modellerini eğitmeleri gerekecek. Böyle bir yazılım tamamlandığında çıktısı sorunlu olabilir. Yapay zekada önyargı ve sorumluluk eksikliği riskleri iyi bilinmektedir. Üretken yapay zekanın karmaşık çıktılarını doğrulamanın yollarını bulmak henüz başarıyı yakalayamadı. Yetkililer, üretken yapay zekanın sonuçlarını daha fazla incelemeleri gerektiğini ve tarihsel olarak araçları kullanıma sunmadan önce nadiren onayladıklarını kabul ediyor.

Raporun tamamını indirin.

Bu içerik, MIT Technology Review’un özel içerik kolu olan Insights tarafından üretilmiştir. MIT Technology Review’un editör kadrosu tarafından yazılmadı.