ظهور هوش مصنوعی تأثیر مثبتی در صنعت مالی داشته و باعث افزایش بهره‌وری به ویژه در حوزه‌های حسابداری و بانکی شده است. با این‌حال، مزایای ارائه شده توسط هوش مصنوعی در صنعت مالی با چالش‌های متعددی نیز روبه‌رو است.
چالش‌های استفاده از هوش مصنوعی در صنعت مالی
بسیاری از افراد نگران استفاده از هوش مصنوعی به‌طورگسترده در صنعت مالی و تجارت هستند. آن‌هم به دلیل برخی از معایب و چالش‌هایی که به دلیل کامل نبودن این فن‌آوری، احتمال وقوع آن وجود دارد.
مقاله مرتبط: هوش مصنوعی چگونه فین‌تک‌ها را تحت تأثیر خود قرار خواهد داد؟
کیفیت داده‌ها
واضح است که فن‌آوری هوش مصنوعی وابسته به اطلاعات است. مدل‌های AI(هوش مصنوعی) و ML (زبان برنامه‌نویسی شرکت IBM برای کنترل ربات‌ها) می‌توانند مقادیر زیادی داده را به خود اختصاص دهند و به‌طور خودکار کارآمد عمل کنند. درست است که این فرآیند منجر به بالا رفتن دقت می‌شود، اما منبع ورود داده‌ها باید براساس اطلاعات مطمئن و باکیفیت طراحی شود. عدم‌تهیه داده‌های مناسب و نبودن اقدامات و فرآیندهای خاص برای بررسی از اطمینان کیفیت داده‌ها، به‌طوریقین یک نگرانی بزرگ در استفاده از هوش مصنوعی در صنعت مالی خواهد بود
قضاوت بد
اگرچه هوش مصنوعی می‌تواند یاد بگیرد و پیشرفت کند، اما هنوز نمی‌تواند قضاوت کند. انسان‌ها در هنگام تصمیم‌گیری می‌توانند شرایط را را در نظر گرفته و براساس آن قضاوت و عمل کنند. کاری که AI هرگز قادر به انجام آن نیست. جایگزین شدن هوش مصنوعی با رفتارهای سازگار انسان می‌تواند باعث ایجاد مشکلات غیرمنطقی در صنعت مالی شود
تغییرات مداوم
صنعت مالی باید به دنبال انتقال مفاهیم انتزاعی در مورد هوش مصنوعی از تئوری به عملی باشد، تا بتوان از آن‌ها در عملیات روزمره استفاده کرد. زمانی هوش منصوعی می‌تواند در صنعت مالی مثمرثمر باشد که بتواند سطح عملکرد لازم خود را با فن‌آورهای جدید ارتقاء دهد و بتواند عملکردی یکسان با سیستم‌های موجود و جدید داشته باشد..
تعصب در داده‌ها و الگوریتم‌ها
فن‌آوری هوش مصنوعی از داده‌ها تغذیه می‌کند و ما می‌دانیم که نوعی تعصب در داده‌ها وجود دارد. این تعصبات یا ناشی از مجموعه داده‌های ضعیف است یا قضاوت و تعصب انسان که به‌طور رمزگذاری شده در داده‌ها به هوش مصنوعی آموزش داده می‌شود. به همین‌خاطر بسیار احتمال دارد صنعت مالی که از هوش مصنوعی استفاده می‌کنند، به راحتی مورد سوگیری قرار بگیرند. به همین‌خاطر ضروری است که داده‌ها با پشتوانه اخلاقی و مدیریتی در جهت عملکرد مطلوب هوش مصنوعی اقدام شود
محدودیت الگوریتم‌ها
الگوریتم‌های هوشمند در حل مشکلات خاص بهترین عملکرد را دارند و نمی‌توانند براساس داده‌ها از مسیرشان منحرف شوند. به عنوان مثال هوش مصنوعی آموزش دیده برای شناسایی فعالیت مشکوک در پرداخت نمی‌تواند دیگر حرکات مشکوک در صنعت مالی تشخیص دهد.
محدود بودن الگوریتم‌های هوش مصنوعی، یکی از چالش‌های دیگر در صنعت مالی است که باید در این زمینه تغییرات اساسی انجام گیرد.
واقعیت این است که همان‌طور که هوش مصنوعی تکامل می‌یابد، چالش‌های صنعت مالی نیز تغییر خواهد کرد. بنابراین تا زمان رفع شدن چالش‌های استفاده از هوش مصنوعی در عملیات‌های مالی باید تعامل بین انسان و الگوریتم‌های AI مشخص شود و تصمیم نهایی توسط یک تحلیلگر انسانی اتخاذ شود.
منبع: