لماذا يحتاج البنك إلى كبير علماء؟

هذه المقالة مقدمة من كابيتال ون. بعد خمس سنوات من قيادة فهم اللغة الطبيعية وفي النهاية منظمة Alexa AI بأكملها في أمازون، اتخذ بريم ناتاراجان خطوة غير تقليدية: أصبح كبير العلماء في بنك. ليس أي بنك: كابيتال ون، مؤسسة مالية تخدم أكثر من 100 مليون عميل، تساعد الأمريكيين العاديين في إدارة حياتهم المالية. بالنسبة لناتاراجان، المخضرم في الأبحاث الممولة من DARPA والأوساط الأكاديمية الذي شهد تطور التعلم الآلي من تطبيقات خاصة بالمهام إلى نماذج أساسية، كان المنطق واضحًا. كانت بعض التطورات الأكثر إثارة للاهتمام في أبحاث ونشر الذكاء الاصطناعي تنتقل من المنصات الأفقية لشركات التكنولوجيا الكبرى إلى القطاعات الرأسية مثل التمويل، حيث لا تقتصر المشكلات الأكثر تعقيدًا على بناء النماذج فحسب، بل جعل الذكاء الاصطناعي يعمل في ظل قيود مشاكل العملاء الواقعية، والمعرفة التجارية السياقية، والتعلم المستمر، مع معايير عالية بشكل لا يصدق للدقة والخصوصية.

هذا أيضًا ما جعل كابيتال ون المكان المناسب للقيام بذلك. لعقود، تم الاعتراف بالشركة كواحدة من أكثر المؤسسات المالية التي تعتمد على البيانات والتحليلات في الصناعة. تم بناء نموذج أعمالها منذ البداية حول استخدام البيانات والتكنولوجيا لتخصيص المنتجات المالية للعملاء. قبل عقد من الزمن، راهنت كابيتال ون بالكامل على السحابة وأعادت بناء نظامها البيئي للبيانات، مما خلق بيئة موحدة للبيانات والحوسبة وتجارب الذكاء الاصطناعي والتعلم الآلي. اليوم، تشكل بنيتها التحتية الحديثة، ونهجها المنضبط في الحوكمة، ومجموعتها العميقة من المواهب الأساس الذي يسمح لها بالريادة في الذكاء الاصطناعي للمؤسسات.

إذن، لماذا يحتاج البنك إلى كبير علماء؟ يكمن الجواب في مفهوم خاطئ أساسي حول الذكاء الاصطناعي في الخدمات المالية. لا تزال معظم المؤسسات المالية تنظر إلى الذكاء الاصطناعي كتقنية لنشرها – الاستفادة من أحدث نموذج لغوي كبير، ونشره عبر واجهات برمجة التطبيقات، ودمجه في سير العمل الحالي – بدلاً من كونه تخصصًا علميًا. تفعل كابيتال ون شيئًا مختلفًا: بناء مجتمع علمي ومنظمة بحثية لحل مشاكل العملاء الواقعية وابتكار حلول ذكاء اصطناعي مؤثرة غير موجودة بعد. بينما يمكن للنماذج الأساسية المتاحة على نطاق واسع التعامل مع المهام العامة، إلا أنها لا تستطيع بعد حل العديد من التحديات الخاصة بالمجال، مثل اكتشاف الاحتيال في الوقت الفعلي عبر مليارات المعاملات، أو توفير أدوات محادثة متطورة حتى يتمكن العملاء من التفاعل متى وكيف وأينما يريدون.

تتطلب هذه التحديات المتمثلة في جعل الذكاء الاصطناعي موثوقًا وقابلاً للتطوير ومحكومًا بشكل جيد بحثًا أصليًا وابتكارًا علميًا يتم إعادته إلى الأعمال التجارية لإنشاء تطبيقات واقعية لتلبية احتياجات العملاء. نظرًا لأن البنوك تتعامل مع أموال الناس، هناك معيار عالٍ بشكل لا يصدق لتحقيق النجاح عندما يتعلق الأمر بالذكاء الاصطناعي. خذ الاحتيال على سبيل المثال. حتى حدث احتيال بسيط يمكن أن يكون له تأثير مدمر على بعض العملاء. يمكن لأفضل نماذج ومنصات الاحتيال اكتشاف الاحتيال والمساعدة في التخفيف منه في الوقت الذي يستغرقه شخص ما للنقر على بطاقته، وهو أمر أساسي لحماية العملاء ومعلوماتهم المالية بدقة وسرعة.

في كابيتال ون، يتمثل نهج بناء الذكاء الاصطناعي في تقديم قيمة للعملاء بطرق لم تكن ممكنة من قبل، وتحسين حياتهم المالية واللقاء بهم حيثما كانوا مع الخدمات التي يحتاجونها بالفعل. هذا التركيز، إلى جانب النطاق الهائل ومتطلبات إدارة المخاطر على مستوى عالمي، يجعل المشكلات العلمية أكثر صعوبة وبنفس أهمية تلك الموجودة في معظم مختبرات التكنولوجيا الكبرى. يبدأ نهج كابيتال ون في أبحاث وابتكار الذكاء الاصطناعي بما يسميه ناتاراجان 'التفكير العكسي من الوجهة'. بدلاً من السؤال عما هو ممكن باستخدام التكنولوجيا الحالية، يتصور الفريق تجربة العميل التي يريدون تقديمها – ربما مشتري سيارة يعمل لساعات طويلة ولا يمكنه البحث عن الخيارات إلا في الساعة 10 مساءً، أو عميل يواجه نفقات غير متوقعة ويحتاج إلى إرشادات فورية وشخصية – ثم يعملون بشكل عكسي لتحديد الاختراقات العلمية المطلوبة للوصول إلى هناك. هذا يضمن أنه عند حل المشكلات، يكون التأثير مضمونًا بشكل أساسي، لأن الفريق قد حدد بالفعل ما سيحدث فرقًا ملموسًا في حياة العملاء.