Vier voorwaarden voor toepassing evolutionaire AI in financiële sector

Kunstmatige intelligentie (AI) is de financiële wereld aan het veroveren is, daarover bestaat weinig onenigheid. Wat niet iedereen kan bevatten, is hoe snel dat gaat. Een typische eigenschap van AI is dat het zichzelf kan ontwerpen en verbeteren met behulp van machine learning. Leren gaat dus veel sneller dan bij mensen. Aan het woord is Babak Hodjat, VP Evolutionary AI bij strategisch dienstverlener Cognizant.

In de financiële sector ontstaat langzaam maar zeker een tweedeling. Aan de ene kant zijn er de instellingen die inspringen op de mogelijkheden die AI nu al biedt en in de nabije toekomst gaat bieden. Aan de andere kant zijn er de organisaties die het niet voor elkaar krijgen om voorbij de experimenteerfase van AI te komen. Voor financiële dienstverleners is het belangrijk om zo snel mogelijk te de keuze te maken aan welke kant ze willen staan. Wie mee voorop loopt, heeft de toekomst. Wie achterblijft behoort over een paar jaar waarschijnlijk tot het verleden.

Algoritmes evolueren net als organismen

Maar wat is evolutionaire AI nu eigenlijk? Deze technologie opereert iteratief. Dat klinkt ingewikkelder dan het is: het wil zeggen dat het generatie op generatie beter wordt en voortbouwt op eerdere learnings. Eerst genereren ze een set van mogelijke oplossingen voor een vraagstuk. Daarna evalueren ze hoe goed deze oplossingen het probleem oplossen op basis van een score. Alleen de allerbeste algoritmes (soms zelfs maar 5%) gaan door naar de volgende ronde, waarin onderdelen opnieuw worden gecombineerd en soms gemuteerd met als doel om een nieuwe populatie aan oplossingen te krijgen. Deze wordt opnieuw getest en dan begint het hele proces weer van voren af aan. Hoe vaker men dit proces herhaalt, hoe beter het algoritme uiteindelijkj wordt.

Waarom AI beter is in dit proces dan mensen, laat zich eenvoudig raden. Computers kunnen sneller grote hoeveelheden data verwerken en patronen ontdekken. Deze iteratieve manier van algoritmes ontwikkelen maakt daar handig gebruik van, door een soort evolutionaire selectie toe te passen op algoritmes. Alleen de beste overleven en geven hun genen door aan de volgende generatie.

Evolutionaire AI heeft ongelofelijk veel toepassingsmogelijkheden binnen finance. Een voorbeeld is het ontwerpen van kwantitatieve trade-strategieën om de opbrengsten te maximaliseren en risico’s te minimaliseren. Het beoordelen van leningen kan ook eenvoudiger (en beter) met behulp van algoritmes. Evolutionaire AI-oplossingen kunnen heel snel combinaties van relevante variabelen analyseren om modellen te ontwerpen die heel nauwkeurig het risico van een lening kunnen inschatten.

Vier voorwaarden

Het lijkt misschien alsof deze methode om AI-ontwikkeling vanzelf gaat. Dat is voor een deel ook wel zo, maar je moet er wel iets voor doen. Om evolutionaire AI-toepassingen te kunnen ontwikkelen moet een financieel dienstverlener voldoen aan vier voorwaarden. 

• Ontwikkel en onderhoud verantwoorde AI-applicaties. Het is belangrijk dat AI-toepassingen begrijpelijk zijn voor werknemers en dat ze aan klanten uit te leggen zijn. Ook mogen ze geen onethische beslissingen nemen of vooringenomenheid (bias) vertonen. Blijf AI-toepassingen daarom monitoren om zeker van te zijn dat ze correct blijven handelen, terwijl ze leren en evolueren.
• Ontwikkel een bedrijfsbrede AI-strategie. Bekijk AI door een zakelijke bril, in plaats van als een technologisch probleem. Het is daarom verstandig om AI-projecten te laten beheren door cross-functionele teams waar zowel technici in zitten als vertegenwoordigers van de business. Bedrijven moeten in hun organisaties kijken om kansen te identificeren om concrete bedrijfswaarde van AI te genereren - niet alleen in lagere kosten, maar ook in het stimuleren van inkomsten door betere klantervaringen en betere besluitvorming.
• Optimaliseer databeheer. AI-toepassingen zijn afhankelijk van toegang tot actuele en nauwkeurige gegevens. Voor financiële dienstverleners met gefragmenteerde data-architecturen kan dat nog best een uitdaging zijn. Identificeer eerst welke soorten data je nodig hebt voor een AI-project en zorg er vervolgens voor dat deze data worden verzameld en vastgelegd in een geschikt format.
• Adopteer een experimentele mindset. AI-projecten moeten snel worden uitgerold en rigoureus worden gemeten. Mislukkingen moeten snel kunnen worden beëindigd terwijl successen in productie worden genomen. Fail fast, learn faster.

Naarmate AI-applicaties zichzelf steeds meer ontwikkelen en testen, zal de nauwkeurigheid van voorspellingen – en daarmee het tempo van innovatie – enorm verbeteren. Het duurt naar verwachting dan ook niet lang meer voordat financiële dienstverleners het onverantwoord gaan vinden om belangrijke zakelijke beslissingen te nemen zonder eerst AI te raadplegen. Robots gaan steeds meer routinetaken afhandelen en uitzonderlijke gevallen markeren voor beoordeling en oplossing door werknemers. Werknemers kunnen daarom hun tijd besteden aan complexere beslissingen en gevoelige interacties met klanten, zoals het oplossen van klachten of het verstrekken van geavanceerd financieel advies. Mensen en AI kunnen beter met elkaar werken dan zonder elkaar.