Points importants

L'intelligence artificielle (IA) prend son envol

• L'adoption générale de l'IA dans tous les secteurs prédit l'augmentation des revenus mondiaux de 12,5 billions de dollars en 2017 et de 47 billions de dollars en 2020 avec une valeur TCAC de 55,1% de 2016 à 2020.
• Les industries qui investiront le plus dans ces technologies seront les banques et le commerce de détail, suivis des soins de santé et de la fabrication.
• Les économistes désignent les technologies à usage général (* GPT *) comme étant suffisamment importantes pour stimuler une croissance économique soutenue et des progrès sociétaux. Par exemple, l'électricité est un * GPT *. Un article récent dans le Business Review de l'Université de Harvard désigne l'IA comme le * GPT * le plus important de notre époque.

Gestion des risques

• PayPal a été en mesure d'augmenter la sécurité en tirant parti de la technologie d'apprentissage en profondeur. La fraude PayPal est relativement faible avec 0,32% de profit , un chiffre bien meilleur que la moyenne de 1,32% que les traders peuvent voir.
• Alors qu'un modèle linéaire peut consommer 20-30 variables , la technologie d'apprentissage en profondeur peut envoyer des milliers de points de données.

Commerce de l'IA

• Pendant des années, les sociétés de gestion de placements se sont appuyées sur les ordinateurs pour leurs transactions. Autour de 9% de tous les fonds , qui gèrent 197 billions de dollars, s'appuient sur de grands modèles statistiques construits par des scientifiques des données.
• Cependant, ces modèles sont souvent statique Ils nécessitent une intervention humaine, et ils n'ont pas la même productivité lorsque le marché change. Pour cette raison, les fermes sont migrer de plus en plus vers de vrais modèles d'intelligence artificielle qui analysent de gros volumes de données et et ils continuent de s'améliorer par eux-mêmes.
• En 2000, la banque Goldman Sachs des États-Unis à son siège à New York a donné un emploi à 600 commerçants. Aujourd'hui, vous avez deux négociants en actions avec des machines qui s'occupent du reste.

Robo-conseil

• Pour les investisseurs, * robo-advice * peut offrir jusqu'à 70% d'économies sur certains services.
• Certaines entreprises d'investissement établies achètent auprès de * robo-conseillers * existants, tels que Acquisition de Jemstep par Invesco Oui Achat de FutureAdvisor par Blackrock . D'autres créent leurs propres * robo-conseillers *, comme FidelityGo et Schwab Intelligent Advisory.
• 77% des clients de Wealth Management font confiance à leurs conseillers financiers et 81% indiquent que l'interaction en face à face est importante.

Souscription d'assurance et réclamations

• UNE informe de PWC prévoit que l'intelligence artificielle aura automatisé une quantité considérable de souscriptions d'assurance d'ici 2020, en particulier sur les marchés matures où des données sont disponibles.
• En un Étude 2013 à Oxford AI analyse plus de 700 professions afin de déterminer celles qui étaient les plus sensibles à l'informatisation, les assureurs faisant partie des cinq plus sensibles.
• La souscription peut tirer parti non seulement de l'apprentissage automatique, mais également de la technologie à usage général, ainsi que de la technologie d'analyse faciale d'apprentissage en profondeur.

Technologie à usage général est un terme que les économistes ils gardent pour des technologies qui stimulent une croissance économique soutenue et des progrès sociétaux, révolutionnant ainsi les opérations des ménages et des entreprises. L'électricité est un exemple de technologie à usage général. L'électricité produite une multitude de produits et de secteurs, dont les réfrigérateurs, les machines à laver, les trains et, bien sûr, les ordinateurs. L'arrivée de l'électricité a radicalement transformé le monde.

Un article récent dans le revue de Harvard business a désigné l'intelligence artificielle (IA) comme la technologie polyvalente la plus importante de notre époque . Nous connaissons la puissance de l'IA. Il se manifeste sous la forme d'un robot vaincre un joueur d'échecs de renommée mondiale . Une voiture qui peut parc parallèle par vous-même . Appareils qui ils répondent avec la météo de demain quand nous demandons. Mais une grande partie de nos contacts et de notre compréhension de l'IA tournent autour de produits qui affectent notre vie quotidienne en tant que consommateurs. Au niveau organisationnel, il y a une question plus large sur la façon dont l'IA affectera les industries et en particulier sur la façon dont les services financiers tireront parti de l'IA.

L'article suivant définira l'intelligence artificielle, la sphère de ses technologies associées, la taille de l'industrie mondiale de l'IA et les applications de l'intelligence artificielle dans la finance. Cet article ne vise pas à fournir un jugement normatif sur le développement de l'IA; il se concentrera plutôt sur la manière dont l'IA affecte les finances.

Intelligence artificielle: qu'est-ce que l'IA?

L'intelligence artificielle est [un domaine de l'informatique] (https://www.techopedia.com/definition/190/artificial-intelligence-ai) axé sur la création de machines intelligentes fonctionnant comme des êtres humains. Les ordinateurs IA sont conçu pour remplir des fonctions humaines y compris l'apprentissage, la prise de décision, la planification et la reconnaissance vocale.

L'intelligence artificielle permet aux machines améliorer continuellement vos performances sans que les humains fournissent des instructions normatives sur la façon de le faire. Ceci est important pour plusieurs raisons. Premièrement, les humains en savent plus que nous ne sommes capables de comprendre. Autrement dit, les êtres humains sont capables de reconnaître un visage ou d'exécuter une stratégie intelligente dans une partie d'échecs. Cependant, avant la technologie avancée de l'intelligence artificielle, l'incapacité des humains à articuler nos propres connaissances signifiait que nous ne pouvions pas automatiser de nombreuses tâches. Deuxièmement, la technologie de l'IA est surhumaine dans son exécution, fonctionnant plus rapidement et plus fréquemment que les humains.

Technologies d'intelligence artificielle

L'intelligence artificielle englobe une multitude de capacités et de technologies. Le cabinet de conseil PWC renforce le fait que l'IA n'est pas «une zone monolithique». Il englobe un certain nombre de choses qui ajoutent toutes à notre notion de ce que signifie être «intelligent». Voici quelques-uns des domaines les plus populaires de l'IA:

les deux catégories de polices sont sans empattement et

• Apprentissage automatique est une méthode d'analyse de données qui automatiser le modèle de bâtiment analytique . À l'aide d'algorithmes qui apprennent de manière itérative à partir des données, l'apprentissage automatique permet aux ordinateurs de trouver des idées cachées sans être explicitement programmés où chercher.
• L'apprentissage en profondeur c'est un sous-ensemble d'apprentissage automatique . Il a facilité la reconnaissance d'objets dans les images, le marquage vidéo, la reconnaissance d'activité et a avancé la perception (y compris l'audio et la parole). Par exemple, * DeepFace * l'application d'apprentissage en profondeur de Facebook a été formés pour reconnaître les personnes sur les photos . Beaucoup font la comparaison entre la technologie d'apprentissage en profondeur et la biologie, mais les experts conviennent généralement que, bien que qui s'inspire du cerveau humain, pas nécessairement moulé à son image .
• Processus de langage naturel est la capacité d'un programme informatique à comprendre la parole humaine temps réel. La recherche et le développement sont En changeant vers des systèmes capables d'interagir avec les gens par le dialogue, et pas seulement de réagir à des demandes stylisées.
• L'Internet des objets (IoT) est dédié à l'idée qu'une large gamme d'appareils, y compris les appareils, les véhicules et les bâtiments peuvent être interconnectés. Par exemple, si votre alarme se déclenche à 7 h 00, elle pourrait transmettre automatiquement les informations à votre cafetière pour commencer à faire du café. Technologies à usage général qui agissent comme des capteurs lorsqu'elles sont également utilisées font partie de cette tendance plus large .

Bien entendu, cette liste n'est pas exhaustive. Découvrez ci-dessous un éventail plus large de sujets et de technologies liés à l'IA.

Taille du marché de l'intelligence artificielle

L '[article dans le revue de Harvard business prédit que «les effets de l'IA seront amplifiés au cours de la prochaine décennie, à mesure que la fabrication, la vente au détail, le transport, la finance, la santé, le droit, la publicité, l'assurance, le divertissement, l'éducation et pratiquement toute autre industrie, transformeront leurs processus de base et leurs modèles commerciaux. avantage de l'apprentissage automatique. Le goulot d'étranglement réside dans la gestion, l'application et l'imagination des entreprises. '

Avec l'adoption généralisée de l'IA dans tous les secteurs, il est [prédit] (http://www.idc.com/getdoc.jsp?containerId=prUS41878616) de générer des bénéfices mondiaux de 12,5 billions de dollars en 2017 et 47 billions de dollars en 2020, avec un taux de croissance annuel composé (TCAC) de 55,1% de 2016 à 2020. Plus précisément, les industries qui investiront le plus dans la technologie sont la banque et la vente au détail, suivies par l'industrie de la santé et la fabrication. Ensemble, ces quatre industries représentent plus de la moitié des revenus mondiaux de l'IA en 2016, et les secteurs: la banque et la vente au détail en produiront près de 1,5 billion.

Dans toutes les industries, investissements en IA plus élevés en 2017 Ils concerneront des domaines tels que les agents de service client automatisés, les renseignements automatisés sur les menaces et l'analyse des fraudes (voir la lettre ci-dessous). D'après Jessica Goepfert , directeur des programmes à IDC , compagnie de étude de marché , «Les opportunités à court terme pour les systèmes cognitifs se trouvent dans des secteurs tels que la banque, les valeurs mobilières et l'investissement, et la fabrication. Dans ces segments, nous trouvons beaucoup de données non structurées, une volonté d'exploiter les connaissances de ces informations et une ouverture aux technologies innovantes. ' La section suivante de cet article se penche sur les différents cas d'utilisation de l'intelligence artificielle dans le secteur des services financiers.

Applications présentes et futures de l'intelligence artificielle en finance

L'intelligence artificielle pourrait améliorer l'efficacité opérationnelle dans des domaines allant de la gestion des risques et de la négociation à la souscription et aux réclamations. Si certaines applications sont plus pertinentes pour des secteurs spécifiques des services financiers, d'autres peuvent être exploitées de manière générale.

Gestion des risques

L'intelligence artificielle s'est avérée inestimable en matière de sécurité et de détection de fraude. Les méthodes traditionnelles de détection des fraudes comprennent des ordinateurs qui analysent les données structurées par rapport à un ensemble de règles. Par exemple, une société de paiement particulière pourrait fixer un seuil pour les virements électroniques à 15 000 USD, de sorte que toute transaction dépassant ce montant serait signalée pour une enquête plus approfondie. Cependant, ce type de test produit de nombreux faux positifs et nécessite beaucoup d'efforts supplémentaires. Peut-être, et plus important encore, les escrocs de la cybercriminalité changer fréquemment de tactique . Pour cette raison, les systèmes les plus efficaces doivent toujours devenir plus intelligents.

comment créer une visualisation de données

Avec des algorithmes d'apprentissage avancés tels que l'apprentissage en profondeur, de nouvelles fonctionnalités peuvent être ajoutées au système pour un réglage dynamique. D'après Samir Hans , directeur du conseil pour Deloitte Transactions and Business Analytics LLP, «Avec l'analyse cognitive, les modèles de détection de fraude peuvent être plus robustes et précis. Si un système cognitif supprime quelque chose qu'il détermine comme une fraude possible et qu'un être humain détermine qu'il ne s'agit pas d'une fraude à cause de X, Y et Z, l'ordinateur apprend de ces perceptions humaines et la prochaine fois, il ne vous enverra pas un message similaire. détection. L'équipe devient plus intelligente. '

Le succès de PayPal avec l'intelligence artificielle et la détection des fraudes

Prenons par exemple PayPal, le géant du paiement, et ses protocoles de fraude avancés. En raison de son envergure et de sa visibilité, PayPal ' il a une grosse cible sur le dos . ' Elle a traité 235 milliards de dollars en 2015 sur quatre millions de transactions pour ses 170 millions de clients. Cependant, PayPal a été en mesure d'améliorer la sécurité en tirant parti de la technologie d'apprentissage en profondeur. En fait, la fraude PayPal est relativement faible avec un 0,32% du chiffre d'affaires , un montant bien meilleur que les 1,32% que les traders voient normalement.

Auparavant, PayPal utilisait des modèles simples et linéaires. Aujourd'hui, ses algorithmes extraient des données de l'historique d'achat d'un client et examinent les modèles de fraude probable stockés dans ses bases de données en pleine croissance. Alors qu'un modèle linéaire peut consommer 20-30 variables , la technologie d'apprentissage en profondeur peut trier des milliers de points de données. Ces fonctionnalités améliorées aident PayPal à distinguer les transactions innocentes des transactions suspectes. Selon Hui Wang , Senior Director of Global Risk Sciences chez PayPal, «Ce que nous aimons dans un apprentissage automatique plus moderne et avancé, c'est sa capacité à consommer plus de données, à gérer des couches et des couches d'abstraction, et à être capable de« voir »des choses […] que même les humains les êtres ne sont pas capables de voir '

Commerce de l'intelligence artificielle

Transition des modèles artificiels vers la véritable IA

Pendant des années, les sociétés de gestion de placements se sont appuyées sur des ordinateurs pour gérer les transactions. Environ 1360 hedge funds, représentant 9% de tous les fonds Ils s'appuient sur de grands modèles statistiques construits par des data scientists qui ont souvent un doctorat en mathématiques (également connu sous le nom de «quantum»). Cependant, ces modèles n'utilisent que des données historiques, ils sont souvent statique Ils nécessitent une intervention humaine et ne fonctionnent pas aussi bien lorsque le marché change. Par conséquent, les fonds sont migrer vers de vrais modèles d'intelligence artificielle de plus en plus, qui peuvent non seulement analyser de grands volumes de données, mais aussi continuer à s'améliorer.

Ces nouvelles technologies utilisent des techniques complexes, y compris le deep learning, une forme d'apprentissage automatique appelée Réseaux bayésiens , Y Calcul évolutif , qui s'inspire de la génétique. Les logiciels de trading IA peuvent absorber d'énormes volumes de données pour en savoir plus sur le monde et faire des prédictions sur le marché financier. Pour comprendre les tendances mondiales Ceux-ci peuvent tout consommer, des livres, des tweets, des reportages, des données financières, des chiffres de revenus et de la politique monétaire internationale aux scènes de Saturday Night Live.

Pour clarifier, ce qui précède est différent de trading haute fréquence ( HFT ), qui permet aux traders d'exécuter des millions d'ordres et d'analyser plusieurs marchés en quelques secondes, en répondant aux opportunités de manière humaine ils ne peuvent tout simplement pas . Les plates-formes basées sur l'IA décrites ci-dessus recherchent les meilleurs plans de trading à long terme, et les machines - et non les humains - dictent la stratégie.

Certains de ces systèmes de trading IA sont développés par des startups. Par exemple, à Hong Kong Aidiya est un hedge fund entièrement autonome qui effectue toutes ses transactions boursières en utilisant l'intelligence artificielle (IA). 'Si nous mourons tous', dit le co-fondateur Ben Goertzel , 'Continuerait à fonctionner.' Les institutions traditionnelles s'intéressent également à la technologie du commerce de l'IA. En 2014, Goldman Sachs a dirigé la ronde de financement de série A et a commencé à installer une plateforme de trading IA appelée Kensho. Pour la série B de Kensho Outre S&P Global, les six plus grandes banques de Wall Street (Goldman Sachs, JPMorgan Chase, Bank of America, Merrill Lynch, Morgan Stanley, Citigroup et Wells Fargo) ont également participé.

ionique 1 à ionique 2

Comparaison des performances commerciales

Une étude récente d'une société de recherche en investissement Eurekahedge ont suivi la performance de 23 fonds spéculatifs utilisant l'IA de 2010 à 2016, où ils ont pu constater qu'ils surperformaient ceux gérés par des analystes quantiques plus traditionnels et des fonds spéculatifs généraux.

Implications pour les traders et les analystes quantiques

Il sera intéressant de voir comment l'IA affectera le marché du travail commercial. Ses effets sont déjà évidents dans certaines des grandes institutions bancaires. En 2000, le bureau américain de négociation de titres à revenu fixe de Goldman Sach à son siège à New York emploi 600 commerçants achetant et vendant des actions. Aujourd'hui, il a deux négociants en bourse avec des machines qui font le reste du travail. Daniel Nadler, PDG de Kensho, declara , 'Dans 10 ans, Goldman Sachs sera nettement plus petit en termes de masse salariale qu'aujourd'hui.' Et quant aux analystes quantiques, ils peuvent constater que leurs compétences sont moins demandées dans les sociétés de gestion d'investissement.

Actuellement, environ un tiers des diplômés des principaux programmes d'entreprise se nourrissent de financements. Où iront les meilleurs talents du pays? Mark Minevich, conseiller principal auprès du United States Competitiveness Council, il croit que 'Certaines de ces personnes intelligentes passeront à des startups technologiques, ou aideront à développer davantage de plates-formes d'intelligence artificielle, ou de voitures autonomes, ou de technologie énergétique […] New York pourrait rivaliser avec la Silicon Valley sur la technologie.'

Robo-conseil

Qu'est-ce qu'un Robo-conseiller et comment ça marche?

Robo-conseillers sont des plates-formes numériques qui fournissent des services de planification financière automatisés basés sur des algorithmes avec une surveillance humaine minimale. Alors que les gestionnaires financiers humains utilisent l'allocation de portefeuille automatisée depuis le début des années 2000, les investisseurs ont dû employer des conseillers pour bénéficier de la technologie. Aujourd'hui, conseillers-robots permettre aux clients d'accéder directement au service. Contrairement à leurs homologues humains, conseillers-robots surveiller les marchés sans interruption et sont disponible 24/7 . Robo-conseillers peut offrir aux investisseurs jusqu'à un 70% d'économies de coûts et, normalement, ils n'ont pas besoin d'un minimum pour participer.

Aujourd'hui, conseillers-robots peut aider avec des tâches plus répétitives comme l'ouverture de comptes et le transfert d'actifs. Le processus implique généralement que les clients répondent à des questionnaires simples sur l'appétit pour le risque ou les facteurs de liquidité, ce qui conseillers-robots puis ils se traduisent par une logique d'investissement. La plupart conseillers-robots current vise à affecter ses clients à des portefeuilles d'ETF gérés en fonction de leurs préférences. Des capacités sont attendues dans le futur devenir des offres plus avancées tels que les changements d'actifs automatiques et couverture étendue à travers des classes d'actifs alternatives comme l'immobilier.

part de marché uber vs ascenseur

Robo-conseil Cela peut avoir un impact majeur sur les secteurs des finances personnelles et de la gestion de patrimoine. Alors que le total des actifs sous gestion ( AUM ) courant de conseiller-robot seul représentent 10 billions de dollars des 4 billions de l'industrie de la gestion de fortune (moins de 1% de tous les actifs des comptes gérés), une [étude Business Insider] (http://www.businessinsider.com/the-robo-advising-report -market-prévisions- key-growth-drivers-and-how-automatic-asset-management-will-change-the-consulting-industry-2016-6) estime que ce chiffre passera à 10% en 2020. Cela équivaut à environ 8 billions de dollars en actifs sous gestion ( AUM ).

Adoption de l'industrie Conseils Robo

Les acteurs de l'industrie ont adopté des approches variées pour conseil-robot . Les petites sociétés de gestion de patrimoine ajoutent des composants algorithmiques pour automatiser la gestion de leurs investissements, réduire les coûts / frais et concurrencer les conseillers-robots . D'autre part, les entreprises d'investissement établies achètent à conseillers-robots existant, tel que Acquisition de Jemstep par Invesco ou créer vos propres solutions conseiller-robot , comme FidelityGo et Schwab Intelligent Advisory.

Robo-conseillers contre. Conseillers financiers: les humains seront-ils remplacés?

Le consensus général parmi les experts est que les êtres humains resteront indispensables. Le contact humain restera essentiel car les conseillers devront toujours rassurer les clients en période de crise financière et les persuader avec des solutions utiles. Une étude réalisée par le cabinet de conseil Accenture ont révélé que 77% des clients de la gestion de patrimoine font confiance à leurs conseillers financiers, tandis que 81% indiquent que l'interaction en face à face est importante. Pour les clients ayant des décisions d'investissement complexes, le modèle de conseil hybride , qui associe services informatiques et conseillers humains, gagne du terrain.

Si les conseillers financiers resteront au centre, les conseillers financiers conseillers-robots pourrait causer changements dans vos responsabilités professionnelles . En gérant des tâches répétitives, les gestionnaires d'investissement peuvent assumer les responsabilités d'un data scientist ou d'un ingénieur, telles que la maintenance du système. Les humains peuvent également se concentrer davantage sur l'établissement de relations avec les clients et expliquer les décisions prises par la machine.

Intelligence artificielle dans la souscription et les réclamations d'assurance

L'assurance dépend du solde risque entre groupes de personnes ; Les assureurs regroupent des personnes similaires et certaines personnes auront besoin de paiements, tandis que d'autres n'en auront pas. L'industrie repose sur l'évaluation des risques; les compagnies d'assurance ne sont pas étrangères à l'analyse des données. Cependant, L'IA peut se développer la quantité de données analysées, ainsi que les façons dont elles peuvent être utilisées, ce qui se traduit par une tarification plus précise et d'autres gains d'efficacité opérationnelle.

Les startups sont à l'avant-garde lorsqu'il s'agit de faire progresser l'industrie. D'après Henrik Naujoks , partenaire de Bain & Co, «Les startups montrent ce qui est possible et ce qui peut être fait. Beaucoup de cadres en place le voient - ils ne comprennent pas, mais ils veulent s'impliquer. ' Les investisseurs sont également restés fidèles à cette tendance (voir ci-dessous). En 2016, l'IA était l'un des thèmes les plus populaires pour l'investissement dans la technologie de l'assurance.

Intelligence artificielle et souscription d'assurance

UNE informe de PWC prévoit que l'intelligence artificielle automatisera une quantité importante de souscription d'ici 2020, en particulier sur les marchés matures où des données sont disponibles. Actuellement, un assureur à l'aide de logiciels informatiques et de modèles actuariels, évalue les risques et les expositions des clients potentiels, combien de couverture ils devraient recevoir et combien ils devraient être facturés. À court terme, l'IA peut aider à automatiser d'importants volumes de souscription pour les assurances automobile, résidentielle, commerciale, vie et collective. À l'avenir, l'IA améliorera la modélisation, en mettant en évidence des considérations clés pour les humains en charge de la prise de décision, qui autrement auraient pu passer inaperçus. Est aussi prédit Cette IA avancée permettra une souscription d'assurance personnalisée par entreprise ou par individu, en tenant compte des comportements et des circonstances uniques.

Une souscription d'assurance améliorée peut tirer parti non seulement de l'apprentissage automatique pour l'exploration de données, mais également de la technologie portable et des analyseurs faciaux d'apprentissage en profondeur. Par exemple, Lapetus , une nouvelle entreprise, souhaite utiliser selfies pour prédire avec précision l'espérance de vie . Dans leur modèle proposé, les clients enverront par e-mail leurs autoportraits, qui numériseront et analyseront les ordinateurs - analysant des milliers de régions du visage. L'analyse tiendrait compte de tout, des données démographiques de base à la rapidité avec laquelle la personne vieillira, son indice de masse corporelle et si elle fume. De plus, la technologie en général pourrait rendre le processus de souscription d'assurance plus collaboratif. Au lieu de s'appuyer sur de longs examens médicaux et des processus contractuels compliqués, les technologies de couverture peuvent fournir des informations en temps réel dans la santé et le comportement de l'assuré.

Ces types d'analyse des risques nuancés et en temps réel permettront non seulement un calcul plus précis des prix clients, mais également la détection précoce des risques sanitaires et une opportunité pour les compagnies d'assurance de investir dans la prévention . Plutôt que de payer éventuellement pour des traitements coûteux pour les patients, les compagnies d'assurance peuvent essayer de manière proactive de réduire la probabilité de préjudice et les coûts associés. En un Etude d'Oxford en 2013 En analysant plus de 700 professions pour déterminer celles qui étaient les plus sensibles à l'informatisation, les assureurs ont été inclus dans le top cinq des plus sensibles. Même lorsque l'IA ne remplace pas complètement un souscripteur, l'automatisation de l'IA peut modifier les responsabilités d'un assureur. L'IA peut libérer du temps d'un abonné pour une plus grande valeur ajoutée, comme l'évaluation et la tarification dans des marchés émergents moins riches en données, offrant ainsi plus d'informations sur la gestion des risques et le développement de produits.

quel est le principe de conception

Intelligence artificielle et réclamations d'assurance

Les réclamations d'assurance sont les demandes de paiement formelles adressées aux compagnies d'assurance. Les compagnies d'assurance examinent ensuite la validité de la demande et paient l'assuré, une fois approuvée. C'est ainsi que l'intelligence artificielle peut améliorer le processus :

Amélioration de la précision des données clients. Le processus de réclamation est assez manuel - les agents humains enregistrent manuellement les informations client et les détails de l'incident. Selon un Rapport Experian , la qualité des données peut en souffrir: les données incomplètes représentent 55% des erreurs de données, tandis que les erreurs typographiques représentent 32%. L'IA peut améliorer la précision en réduisant la saisie manuelle. De plus, les processus de réclamation exigent souvent que les agents d'assurance comparent les informations des clients à de nombreuses bases de données. L'IA peut être utilisée pour faire ça plus efficacement.

Recommandations de paiement plus rapides. Selon un étude de satisfaction des réclamations immobilières par J.D. Power & Associates, la lenteur du cycle des poursuites est l'un des principaux facteurs d'insatisfaction des clients. IA ça peut aider réduire les temps de réponse en validant d'abord la police, puis en déterminant les réclamations et en automatisant ou non le paiement. En effet, l'IA a la capacité d'analyser non seulement des données structurées, mais également des données non structurées telles que des formulaires manuscrits et des certificats.

Dernières réflexions

Quelques futuristes ils argumentèrent que le monde s'approche rapidement d'un point de basculement, inventé ' singularité , «Où l'intelligence artificielle surpassera l'intelligence humaine. De célèbres technologues et scientifiques, dont Bill Gates et Stephen Hawking, ont mis en garde sur ce point. Elon Musk a également populairement exposé , 'L'IA est un risque existentiel fondamental pour la civilisation humaine, et je ne pense pas que les gens le comprennent pleinement.'

Alors que l'IA continue de proliférer dans nos vies personnelles et professionnelles, de nombreux problèmes continueront de se poser. Celles-ci incluent le potentiel d'erreurs, un sentiment général de méfiance envers les machines et des préoccupations concernant le remplacement des emplois. Ce serait une erreur d'ignorer ces craintes. Cependant, la société est déjà sur une voie rapide vers un monde alimenté par l'IA. Dans ce nouveau monde, il serait peut-être plus productif de se concentrer sur la manière dont les machines et les humains peuvent mieux coexister. Il sera important que les décideurs politiques restent prudents, permettant aux nouvelles technologies de se développer tout en surveillant et en minimisant leurs conséquences négatives. Développeurs et designers devrait également augmenter la capacité des humains à comprendre les systèmes d'IA, renforçant ainsi la confiance et augmentant la satisfaction à l'égard des applications d'IA. Chacun aura un rôle à jouer.

Comme Haruhiko Kuroda l'a mentionné, Gouverneur de la Banque du Japon Lors d'une conférence 2017 sur l'IA et les services financiers, «Il est essentiel que nous considérions de manière constructive les manières souhaitables dont les humains et l'IA se complètent, plutôt que de se confronter. Par exemple, le jugement humain n'est pas complètement exempt de paradigmes existants et est parfois négligent des changements, l'IA pourrait ajuster notre biais par une analyse neutre et trouver, de la même manière, de nouvelles corrélations entre une myriade de données, tandis que les humains pourraient compenser la faiblesse. de l'IA avec leur intuition, leur bon sens et leur imagination. '