هوش مصنوعی در صنایع تحت نظارت: دیدگاه‌های بانک آمریکا و اس‌اندپی درباره دستاوردهای بزرگ و خطرات عجله

در اجلاس اخیر Fortune AIQ در نیویورک، مدیران ارشد بانک آمریکا (BofA) و اس‌اندپی گلوبال (S&P Global) بینش‌های حیاتی خود را درباره ادغام هوش مصنوعی در بخش‌های مالی به شدت تحت نظارت به اشتراک گذاشتند. هاری گوپالکریشنان، مدیر ارشد فناوری و اطلاعات بانک آمریکا، و سالی مور، مدیر ارشد مشتریان در اس‌اندپی گلوبال، تأکید کردند که اگرچه هوش مصنوعی پتانسیل تحول‌آفرینی دارد، اما رایج‌ترین اشتباه سازمان‌ها، عجله در پیاده‌سازی آن به عنوان راهکار اول بدون ارزیابی جایگزین‌های ساده‌تر و قطعی است. هر دو نهاد در حال حاضر در حال مدیریت تعادل ظریف میان سرمایه‌گذاری تهاجمی در فناوری و مدیریت ریسک سخت‌گیرانه مورد نیاز در امور مالی جهانی هستند.

بانک آمریکا در حال گسترش قابل توجه تلاش‌های هوش مصنوعی خود است و قصد دارد بودجه هوش مصنوعی خود را در سال آینده دو برابر کند. برایان موینیهان، مدیرعامل بانک، اشاره کرد که ۱۴۰ مورد استفاده فعلی از هوش مصنوعی، ۸۰۰ میلیون دلار سود در برابر ۴۰۰ میلیون دلار هزینه ایجاد کرده‌اند. این بانک از یک فرآیند بررسی ریسک ۱۶ ستونی برای هر پروژه استفاده می‌کند که نگرانی‌هایی از سوگیری تا مالکیت معنوی را پوشش می‌دهد. در همین حال، اس‌اندپی گلوبال با بهره‌گیری از خرید شرکت کنشو (Kensho) در سال ۲۰۱۸، ساختار تجاری خود را برای اولویت‌بندی دقت و قابلیت حسابرسی داده‌ها بازسازی کرده است. سالی مور موردی را برجسته کرد که در آن اس‌اندپی به یک بانک تراز اول کمک کرد تا دقت فرآیند را از ۶۰ درصد به ۹۸ درصد افزایش دهد و زمان تولید را شش برابر سریع‌تر کند، که ثابت می‌کند عامل‌های هوش مصنوعی هدفمند می‌توانند نتایج قابل اندازه‌گیری و تأثیرگذاری بالایی ارائه دهند.

هر دو شرکت دارای ریشه‌های تاریخی عمیقی در صنعت مالی هستند که رویکرد محتاطانه آن‌ها نسبت به نوآوری را شکل می‌دهد. بانک آمریکا بیش از یک دهه است که از هوش مصنوعی استفاده می‌کند که با مدل‌های تشخیص تقلب آغاز شد و دستیار مجازی آن، اریکا، با موفقیت بیش از ۳.۶ میلیارد تراکنش را مدیریت کرده است. اس‌اندپی گلوبال، یک نهاد ۱۶۰ ساله، داده‌ها را به عنوان ارز بنیادی هوش مصنوعی می‌بیند. با ایجاد یک دفتر ارشد مشتریان اختصاصی و آزمایشگاه‌های تخصصی، اس‌اندپی اطمینان حاصل می‌کند که استقرار هوش مصنوعی آن نه تنها آزمایشی نیست، بلکه به طور عمیق در جریان‌های کاری ۶۰ هزار مشتری جهانی آن ادغام شده است تا اطمینان حاصل شود که هر مدل قابل ردیابی و قابل اعتماد باقی می‌ماند.

پیامدهای این تغییرات فناورانه عمیق است و همه چیز از بهره‌وری نیروی کار تا ثبات مالی سیستمیک را تحت تأثیر قرار می‌دهد. گوپالکریشنان هشدار داد که صنعت باید در مورد امنیت هوشیار بماند و خاطرنشان کرد که با بهبود مدل‌های هوش مصنوعی در شناسایی آسیب‌پذیری‌های نرم‌افزاری، شرکت‌ها باید بدون توجه به سطح پذیرش هوش مصنوعی، توسعه ایمن را در اولویت قرار دهند. علاوه بر این، شکست یک نهاد کوچک‌تر می‌تواند اعتماد عمومی به کل سیستم مالی را از بین ببرد. در نتیجه، هر دو شرکت از رویکرد 'انسان در حلقه' حمایت می‌کنند تا اطمینان حاصل شود که هوش مصنوعی به عنوان یک ابزار کمکی عمل می‌کند نه جایگزینی خودمختار برای قضاوت حرفه‌ای.

با نگاه به آینده، اجماع میان این رهبران صنعت این است که آینده هوش مصنوعی در امور مالی در 'هوش تعبیه‌شده' و استفاده استراتژیک از عامل‌های کمکی نهفته است. به جای تعقیب خودمختاری کامل، شرکت‌ها بر تقویت توانمندی‌های انسانی برای خدمت‌رسانی مؤثرتر به مشتریان تمرکز دارند. با بلوغ زیرساخت‌های کنترلی، توانایی پیش‌بینی نیازهای مشتری و ارائه راهکارهای دقیق و مبتنی بر داده، به عامل تمایز اصلی در یک چشم‌انداز مالی که به طور فزاینده‌ای کالایی می‌شود، تبدیل خواهد شد. مسیر پیش رو نیازمند یک استراتژی منضبط و مستقل از مدل است که ابزار مناسب برای وظیفه خاص را بر صرف تعقیب آخرین روند فناورانه اولویت می‌دهد.