Wenngleich wir es auch nicht immer realisieren, unser Alltag ist in vielen Bereichen sowohl von künstlicher Intelligenz (KI), als auch von maschinellem Lernen (ML) geprägt. Ein naheliegendes Beispiel ist das Online-Kaufverhalten. Wenn wir Waren online bestellen, werden uns in den meisten Fällen bereits zuvor gekaufte Artikel vorgeschlagen oder gar Produkte, die wir uns angesehen, aber noch nicht gekauft haben. Je mehr Daten dieser Algorithmus enthält, desto einfacher ist es für das Programm, Vorhersagen und Empfehlungen für Benutzer zu treffen. Natürlich kümmert es diesen Algorithmus nicht, warum etwaige Assoziationen zwischen Empfehlungen bestehen, viel entscheidender ist es für das Programm, dass diese existieren.
Finanzsektor: Schutz vor kriminellen Aktivitäten
Im Idealfall legen Banken und andere Finanzinstitute den Fokus auf effiziente Technologien, um sich besser vor finanzkriminellen Aktivitäten zu schützen. KI und ML sind starke und vor allem wirksame Maßnahmen, um ein sicheres Umfeld im Finanzsektor zu schaffen.
Terrorismusfinanzierung, Steueroasen, Migrationshandel und zahlreiche andere gewinnbringende Verbrechen sind mit Geldwäsche verbunden. Vor allem im Bereich der Geldwäsche tun sich oft Lücken auf, die Betrüger gerne ausnutzen. Daher müssen Finanzinstitute unbedingt über geeignete Systeme verfügen, um illegale Geldtransfers zu verhindern.
Die Terminologie in der Praxis
Mit künstlicher Intelligenz können Maschinen aus Erfahrungen lernen, sich auf neue Eingaben einstellen und menschenähnliche Aufgaben ausführen. Maschinelles Lernen ist eine Teilmenge der KI, die auf der Idee basiert, dass Systeme aus Daten lernen, Muster identifizieren und Entscheidungen mit minimaler menschlicher Interaktion treffen können.
Die Anwendung von hocheffizienten Systemen ohne menschlichen Eingriff ist für Finanzinstitute keine leichte Aufgabe. KI zieht Finanzinstitute in viele verschiedene Richtungen, obwohl deren Hauptaugenmerk auf die Gewährleistung schneller und einfacher Transaktionen mit einem angemessenen Reibungsgrad für deren Kunden beruht. Wichtig ist es, auch die Verbraucher mitzunehmen und zu erklären, was diese neuen, intelligenten Technologien bewirken können, wie und wo sie eingesetzt werden und wie sie Transaktionen erleichtern und sichern können. Maschinen mögen uns Menschen unterstützen und unser Leben ein Stückweit einfacher machen, es sind aber die Menschen, die das Know-how mitbringen und dieses in die Technologien gesetzt haben.
Das Volumen von Warnungen, Transaktionen und Listeneinheiten mit Änderungen des regulatorischen Umfelds nimmt zu und dies erfordert schnelles Handeln. Oft erreicht dies eine Stufe, wo es auf Dauer sehr kostenintensiv werden kann, wenn es um Personal zur Datenkontrolle geht. Hier können intelligente Maschinen schnell eingreifen und die Umgebung regulieren und sichern.
Mitarbeiter nicht obsolet
Eine Reihe von Finanzinstituten erliegen der fehlerhaften Annahme, dass KI und ML menschliche Agenten aus Prozessen, wie dem Onboarding, obsolet machen. Für Finanzinstitute ist es wichtig zu verstehen, dass neue Techniken den Menschen jedoch nicht vollständig ersetzen können. Fortschritt hilft, die Effizienz zu ergänzen und zu fördern, aber Finanzinstitute müssen darüber nachdenken, ihre Mitarbeiter neu zu nutzen, anstatt sie durch KI zu ersetzen. Finanzinstitute sollten menschliche Agenten zu Experten für effizientes Behandeln von kritischen Fällen machen und nicht zu Agenten, die Transaktionen im Akkord abarbeiten – es geht um eine Unterstützung bei der Förderung von intelligenteren Prozessen, nicht Systemen.
In den Text eingeflossene Quellen:
SAS Insights: Artificial Intelligence. What it is and why it matters.
https://www.sas.com/en_gb/insights/analytics/what-is-artificial-intelligence.html 21.08.20
SAS Insights: Machine Learning. What it is and why it matters.
https://www.sas.com/en_gb/insights/analytics/machine-learning.html 21.08.20
