AI stöper om finanssektorn – lär av historien för att lyckas med satsningarna

Artificiell intelligens, AI, medför förstås fantastiska möjligheter, men användare måste ha en tydlig förståelse för vilka specifika problem man vill lösa.

Historien är full av exempel på hur ny teknik använts på felaktigt sätt i början av stora skiften och snarare försvårat än skapat möjligheter för företag och organisationer.

För att dra maximal nytta av AI måste finansföretagen kalibrera siktet rätt, skriver Michael Lengenfelder, global lösningsarkitekt på Unit4.

AI sveper nu över världen, omdanar hela branscher och förändrar sättet vi arbetar på. Men för att de projekt och satsningar som sjösätts ska bli framgångsrika krävs att företagen fokuserar på rätt saker, och framför allt har klart för sig vilka problem det är de vill lösa med den nya teknikens hjälp.

Michael Lengenfelder, global lösningsarkitekt på Unit4

Historien lär oss hur viktigt detta är. Ett talande exempel är hur upptäckten av röntgenstrålning utnyttjades i sin tidiga fas i början av förra seklet. Långt in på 1900-talet användes tekniken för att mäta skostorlekar i butiker genom så kallade flouroskop, snarare än för medicinska syften. Denna överflödiga användning utsatte kunderna för onödig strålning, och fluoroskopet fasades till sist ut och förbjöds i många länder.

Historien kan också lära finanssektorn, en av de vertikaler där AI fått stor genomslagskraft och där det också finns stor förändringspotential, att undvika felaktiga tillämpningar: Tekniken kan driva automatisering, förbättra prediktiva analyser och främja innovation.

Vi ser redan stor påverkan i tillämpningar som bedrägeribekämpning, tidig upptäckt av ovanliga mönster i data och automatiserad hantering av fakturor och utgiftshantering. Men för att dessa lösningar ska bli framgångsrika krävs en grundlig utvärdering där riskerna noggrant beaktas, och att vi undviker att oaktsamt förlita oss på tekniska mirakelkurer.

Frågor om datasekretess och styrning måste diskuteras, eftersom misskötsel kan leda till allvarliga integritetsrisker. Ett exempel är användningen av generativa AI-tjänster för att skapa företagskommunikation, vilket kan resultera i felaktig eller vilseledande information om AI:n avviker från sanningen. I sådana fall är mänsklig kontroll en nödvändighet, men hur påverkar detta den tidsbesparing AI-verktygen utlovar?

Även inom prediktiv finansiering finns utmaningar. Medan AI effektivt kan varna för framtida ekonomiska problem i förutsägbara situationer, kan den ha svårt att hantera oväntade och ovanliga händelser, som pandemier eller naturkatastrofer som drastiskt påverkar affärsverksamheten.

För att lyckas i detta nya landskap bör företag prioritera förbättringar av datakvalitet och integration. Det kommer att lägga en solid grund för framtida, mer vågade AI-satsningar. Företag bör också aktivt söka enklare automatiseringslösningar och beakta den ständigt aktuella sanningen att ny teknik måste ta itu med både nuvarande och framtida affärsutmaningar, snarare än att bara fungera som ett ytligt tekniskt inslag att stoltsera med.

I ljuset av detta blir det tydligt varför tidskriften Time 1999 utsåg fluoroskopet till en av de 100 sämsta idéerna under 1900-talet. Med rätt resurser och strategier på plats kan AI, till skillnad från fluoroskopet, förverkliga sin potential och verkligen omforma finanssektorn till det bättre.

Michael Lengenfelder, global lösningsarkitekt på Unit4.