صنعت مدیریت ثروت پیشتاز فناوری‌های هوش مصنوعی

بخش مدیریت ثروت بریتانیا در سال‌های اخیر رشد قابل توجهی داشته است و حدود ۹۴۸ میلیارد پوند دارایی دارد که معادل ۴۶ درصد از تولید ناخالص داخلی این کشور است. بنابراین، جای تعجب نیست که موسسات مالی و شرکت‌های مدیریت ثروت به دنبال این هستند که هر چه سریع‌تر به جدیدترین فناوری‌های هوش مصنوعی دست پیدا کنند.

مدیریت ثروت یک صنعت غنی از داده است که عمدتاً به فرایندهای کلیدگذاری مجدد داده‌های انسانی (human data rekeying processes) تکیه زیادی دارد. در این شرکت‌ها سالانه هزاران ساعت صرف کارهای تکراری و پیش پا افتاده‌ای مثل وارد کردن داده‌ها و بررسی و پاکسازی ساده داده ها می‌شود. این داده‌ها ممکن است در مورد مشتریان یا بازارها باشند و استفاده هوشمندانه از این دو منبع‌‌، یکی از اصول مدل کسب‌وکار مدیریت ثروت است. اما فناوری‌های هوش مصنوعی (AI) این مدل را تغییر خواهند داد.

ساختار تفکیک‌شده شرکت‌های مدیریت ثروت

این جداسازی ها قابل درکند‌‌، اما این بدان معناست که سیستم‌های مجزا غالباً با هم تعامل ندارند و فرمت داده‌های آن‌ها با هم ناسازگار است. بنابراین‌‌، کارمندان مجبورند داده‌ها را به صورت دستی بین سیستم‌ها انتقال دهند که ناکارآمد بوده و منجر به خطای انسانی می‌شود. همچنین اغلب کارهای دستی پس از تمام شدن نیاز به تصحیح اشتباهات دارند. وقتی پروژه پس از موعد سررسید به مشتری تحویل داده شود و موافقت‌نامه‌های سطح خدمات نقض شوند، شرکت مدیریت ثروت مربوطه متحمل زیان یا مجبور به پرداخت جریمه می‌شود.

اما فناوری هوش مصنوعی چه کمکی می‌تواند بکند؟ مهم‌ترین دستاوردهای هوش مصنوعی در این حوزه مربوط به اتوماسیون هوشمند فرایندها است. فناوری‌هایی مانند اتوماسیون فرایند رباتیک (RPA)‌‌، استخراج فرایند‌‌، هوش مصنوعی سخنگو و تصمیم‌گیری خودکار می‌توانند در افزایش کیفیت نتایج نهایی نقش داشته باشند.

نرم‌افزار RPA

ابزارهای استخراج مکاتبات نیز انقلابی در این صنعت ایجاد خواهند کرد. فناوری یادگیری عمیق اکنون می‌تواند در لحظه مکاتبات ساختارنیافته (مثل ایمیل‌‌، تماس‌‌، چت‌‌، یادداشت) را به داده‌های ساختاریافته تبدیل کند. این فناوری برای انجام این کار الگوریتم‌های یادگیری بدون نظارت را روی دیتاستی ساختارنیافته‌‌، مثل ایمیل‌های صندوق ورودی کاربر، اعمال می‌کند. به این ترتیب، مکاتبات مشابه در خوشه‌های مخصوص به خود قرار می‌گیرند و به کاربر ارائه می‌شوند. این نرم افزار ایمیل‌هایی را که فکر می‌کند موضوع مشابهی دارند را هوشمندانه گروه‌بندی می‌کند. سپس از کاربر خواسته می‌شود تا برای هر خوشه یک برچسب انتخاب کند تا بداند این ایمیل‌ها چه مکالماتی را شامل می‌شوند. این ابزار برای تأیید و یادگیری بیشتر به طور مداوم نمونه‌های جدیدی تولید می‌کند.

کاربرد یادگیری ماشین

درخواست‌های پشتیبانی فنی حوزه دیگری است که هوش مصنوعی می‌تواند به افزایش کارآمدی آن در سازمان‌ها کمک کند. شرکت‌های مدیریت ثروت با استفاده از فراداده‌های جمع‌آوری‌شده توسط ابزارهای استخراج مکاتبات می‌توانند دریابند که اتوماسیون در کدام بخش بهترین عملکرد را داشته است. به عنوان مثال‌‌، حجم زیادی از درخواست‌های پشتیبانی فنی مربوط به استقرار مشتریان و کارمندان جدید است. الگوریتم یادگیری ماشینی را می‌توان به نحوی آمزوش داد که بتواند درخواست ورودی به صندوق پشتیبانی فنی را درک و شناسایی کرده و عناصر مربوطه را برگزیند.

ربات‌ها با استفاده از RPA با تیم‌ها و سیستم‌های مربوطه ارتباط برقرار می‌کنند تا بتوان مشتری یا کارمند جدید را به درستی مستقر کرد. به این منظور باید از ابزار گردش کاری استفاده کرد که بتواند نحوه رسیدگی به هر فرایند و کسی که باید به آن رسیدگی کند را مدیریت ‌کند.

هوش مصنوعی با کاهش ساعات کاری که افراد باید صرف انجام کارهای تکراری و معمولی کنند، سازوکار صنعت مدیریت ثروت را متحول خواهد کرد. از آن‌جا که این صنعت به شدت رقابتی است‌‌، شرکت‌هایی که از هوش مصنوعی استقبال می‌کنند با افزایش بهره‌وری و بهبود خدمات مشتری‌‌، مزیت رقابتی به دست خواهند آورد.

منبع: هوشیو

اخبار و مقالات هوش مصنوعی

اخبار و مقالات هوش مصنوعی