Voici comment vérifier si votre solution d'IA sera un succès

Partie 7 de la série « RPA et AI in Finance « qui examine le rôle que l'automatisation des processus et l'intelligence artificielle peuvent jouer dans les opérations financières.

? Vous êtes un féru de technologie et à la pointe des dernières évolutions du marché. En ce qui concerne l'intelligence artificielle (AI), vous êtes comme un poisson dans l'eau et vous connaissez parfaitement les solutions que vous pouvez utiliser pour obtenir des avantages significatifs dans votre fonction finance. En bref. Vous ROCK AI! N'importe quels preneurs? Probablement pas. La plupart d’entre nous n’ont pas une bonne idée de la façon dont les solutions d’IA pourraient apporter des avantages financiers. Quelle est la meilleure façon de le comprendre? Essaye-le! C’est exactement ce que nous vous apprendrons à faire dans cet article sur l’intégration de l’intelligence artificielle dans les activités et la fonction finance. Voici la troisième étape de notre modèle à cinq étapes pour réussir avec l'IA.

Réalisez une étude de faisabilité sur le dos d'une serviette

. Un excellent moyen de voir si vous pouvez saisir toute l'étendue de un problème est d'essayer de le résoudre sur le dos d'une serviette. Si cela ne peut pas être décrit en termes simples avec des solutions simples, vous ne le comprendrez probablement pas encore assez bien. C’est aussi le défi de l’IA.

Défi: La partie «IA» des projets d’IA est la partie «facile». Cela rend très facile la fabrication d’un petit prototype qui donne des résultats prometteurs. Cependant, le passage d'un prototype simple de données stockées à une solution concrète mise en œuvre sur le plan opérationnel est souvent long – et vous ne pouvez pas prédire à l'avance à quoi vous ferez face lorsque vous passerez d'un prototype à une solution mise en œuvre.

Fix: [19659011] Faites le test d'intelligence artificielle en 10 étapes «Thomas Schultz» sur une serviette de table:

• Étape 1: Pouvez-vous identifier un «objet d'intérêt»? C’est l’objet sur lequel vous voulez pouvoir prédire quelque chose: une transaction par carte de crédit, un client, un compte bancaire, un virement bancaire, etc.

• Étape 2: Effectue-t-on une analyse améliorée ou un traitement plus correct des objet d'intérêt a-t-il de grandes conséquences positives pour l'entreprise? Ou bien utilisez-vous beaucoup de ressources pour gérer manuellement l’objet d’intérêt?

• Étape 3: Est-il facile de définir une catégorisation significative et simple de l’objet d’intérêt qui a du sens en termes commerciaux? Transaction par carte de crédit (score de fraude), valeur client à long terme (élevée / faible), virement bancaire (oui / non), etc.

• Étape 4: Supposez que vous avez déjà l'IA (miraculeusement) solution en place et peut prédire exactement ce que vous voulez qu'elle fasse. Comment utiliserez-vous les nouvelles connaissances? Que ferez-vous de différent de ce que vous faites aujourd'hui? (Une réponse claire est nécessaire.)

• Étape 5: Données de formation pour l'étiquetage: les modèles AI ont besoin de formation. Avez-vous accès aux données historiques sur votre objet d'intérêt et la classification requise? Avez-vous des antécédents, par exemple, de transactions frauduleuses par carte de crédit, de clients générant des pertes, de cas de blanchiment d’argent? Si non, pouvez-vous générer des données de formation?

• Étape 6: Attributs de données de formation: Pour votre objet d'intérêt, disposez-vous des données sur TOUS les attributs susceptibles d'expliquer pourquoi quelque chose s'est passé dans le passé? Connaissez-vous les bonnes choses à propos de vos clients pour construire un bon modèle d'IA (basé sur la connaissance des clients générant des pertes et des profits)? Si la pointure est le prédicteur de perte / de profit le plus important et que vous ne disposez pas de données sur cette pointure, le jeu est terminé.

• Étape 7: Avez-vous effectué votre analyse de rentabilisation sur une serviette? Est-ce que cela promet le succès de l'entreprise si le projet d'intelligence artificielle est un succès?

• Étape 8: Êtes-vous sûr d'avoir besoin de l'IA pour résoudre le problème?

• Étape 9: Êtes-vous sûr de ne pas pouvoir télécharger un logiciel, tel que la reconnaissance d’image ou la traduction parole-texte, qui fera le travail? Il y a beaucoup de problèmes que ces applications ont déjà résolus (par AI). Téléchargez et utilisez simplement!

• Étape 10: Êtes-vous sûr que vous êtes légalement autorisé à faire ce que vous voulez, en termes de RGPD, de respect de la vie privée et d'éthique? La jonction d'une multitude de données provenant de nombreuses sources différentes est souvent une condition préalable aux projets d'intelligence artificielle.

Est-il maintenant plus tangible d'évaluer si l'IA sera bénéfique pour votre entreprise et votre fonction financière? Au moins, vous avez maintenant une structure à suivre qui organisera toutes les pensées avec lesquelles vous luttez actuellement. Comme vous pouvez l’imaginer à partir des exemples sommaires que nous avons déjà donnés, il existe un potentiel important pour la fonction finance dans l’IA.

Êtes-vous prêt à faire des tests?

Oui, nous avons encore des étapes à franchir dans notre modèle, mais vous devriez maintenant être prêt à vérifier si l’intelligence artificielle pourrait être la réponse à certains de vos problèmes commerciaux. Identifiez simplement un objet d’intérêt et lancez-vous. Ce n'est pas si difficile.

Si vous avez des exemples montrant comment AI a aidé votre fonction finance à résoudre les problèmes de votre entreprise, ce serait bien de pouvoir les partager – pas seulement la solution finale, mais également la façon dont vous avez créé l'entreprise. cas, le logiciel et les efforts de changement organisationnel. Plus de cas d'utilisation réels signifient encore plus d'intelligence artificielle en finance.

Merci de nous envoyer un courriel: Anders Liu-Lindberg et Thomas Schultz .

Cet article a été publié à l'origine sur LinkedIn et est republié avec autorisation.