Het Russische Sberbank heeft een algoritme ontwikkeld dat zelf modellen creëert en zelfstandig analyses daarop kan loslaten. Het algoritme draagt de naam Auto ML (machine learning). De kwaliteit van het werk van Auto ML is even hoog als dat van mensen. Maar waar menselijk personeel tijdens een test meer dan een dag nodig had om dezelfde taak op te lossen, deed het algoritme dat in 55 minuten. In potentie maakt het daarmee naar eigen zeggen het werk van data-analyse door mensen overbodig.
Data-analyse staat momenteel hoog op het prioriteitenlijstje van veel bedrijven, niet in de laatste plaats van financiële instellingen. Banken zitten metaforisch op Mont Blancs van data, maar om iets nuttigs met die data te kunnen zijn goede analisten nodig. Bedrijven investeren daarom fors in het rekruteren van dataprofessionals en het creëren van omgevingen waarin zij kunnen gedijen. Zo opende ABN AMRO samen met Dell EMC onlangs in Amstelveen een onderzoekscentrum voor data-analyse en kwam ING in het nieuws met de oprichting van een interne analytics-academie, waar medewerkers van alle afdelingen zich kunnen bijscholen in omgang met data.
Veelbelovend of beangstigend?
Goed nieuws voor data-analisten (in spe) dus. Vanuit Rusland komt echter nieuws dat deze groep minder zal bekoren. Sberbank, de grootste bank van Rusland*, presenteerde op het Russian Investment Forum in de zuidelijk gelegen badplaats Sochi namelijk een algoritme dat data-analisten mogelijk overbodig gaat maken. De bank deed in januari een pilot met Auto ML en de resultaten daarvan waren veelbelovend. Of beangstigend, afhankelijk van het perspectief. Het toont in elk geval aan dat niemand, maar dan ook echt niemand zeker is van zijn baan in de toekomst. Waar robots ooit begonnen met het uit handen nemen van eenvoudige klusjes, nemen zij in toenemende mate ook de moeilijke klussen over. Inclusief het produceren van robots zelf.
De pilot bestond onder meer uit het optimaliseren van een zogeheten ‘baseline model’, vrij vertaald het beginpunt van een nieuw machine learning model, waarin de procedures vastgelegd zijn voor het doen van voorspellingen of nemen van beslissingen. Volgens Sberbank was de kwaliteit van het ‘baseline model’ van Auto ML vergelijkbaar met de creatie van zijn sterfelijke collega’s. Maar Auto ML deed het werk wel tien tot vijftien keer zo snel en daar zit voor een bedrijf natuurlijk de winst.
Efficiviteit verhogen
“Het gebruik van artificial intelligence is één van de mogelijkheden om de effectiviteit van alle bedrijfsprocessen te verhogen”, legt Anatoly Popov uit, afgestudeerd wiskundige en bestuurder van Sberbank. “De creatie van tienduizenden modellen die al onze activiteiten dekken is een schier onmogelijke taak als datawetenschappers en ontwikkelaars deze handmatig moeten ontwerpen en introduceren. Daarom starten we met Auto ML, één van de meest geavanceerde benaderingen ter wereld op het gebied van machine learning modellen. Het algoritme dat snel en onafhankelijk zelf oplossingen creëert op basis van machine learning modellen.”
*Het balanstotaal van Sberbank bedroeg in 2017 $465 miljard. De bank heeft meer dan 300.000 medewerkers in dienst.