Kako Mission Lane koristi veštačku inteligenciju za unapređenje usluga

Razgovaramo sa Majkom Lempnerom, šefom inženjeringa i tehnologije u kompaniji Mission Lane, kako bismo istražili načine na koje kompanija koristi veštačku inteligenciju kako bi poboljšala svoje operacije, ponudila bolje odlučivanje o kreditima, procenu rizika, marketing i rešenja za prevenciju prevare, kao i kako bi unapredila svoje korisničke usluge. Molimo vas da nam pružite osnovne informacije o Mission Lane i vašoj ulozi kao šefa inženjeringa i tehnologije.

Mission Lane je fintech kompanija koja pruža kreditne proizvode širokom spektru korisnika koji obično bivaju odbijeni od strane kvalitetnih finansijskih usluga zbog loše ili ograničene kreditne istorije.

Koristeći alternativne i tradicionalne podatke, procenjujemo ljude na osnovu različitih faktora i razvijamo prilagođena rešenja kako bismo pomogli našim korisnicima u svakoj fazi njihove finansijske putanje.

Vodim tim tehnologa i softverskih inženjera koji su zaduženi za izgradnju tehnoloških rešenja koja koristimo za odlučivanje o kreditima, prevenciju prevare, marketing i digitalno pružanje usluga našim korisnicima putem različitih kanala, kao i za druge funkcije koje podržavaju naše poslovanje.

Kako Mission Lane implementira novostečene tehnologije, poput veštačke inteligencije, u svoje svakodnevne poslovne operacije?

U Mission Lane-u veštačku inteligenciju, koja uključuje modele i algoritme mašinskog učenja, koristili smo na različite načine od svog osnivanja, sa ciljem da unapredimo naše odlučivanje o kreditima, procenu rizika, marketinške aktivnosti i operacije.

Zavisno od konkretne situacije, odabiramo odgovarajući model na osnovu njegove performanse, kao i zahteva za objašnjenjem.

Na primer, modeli za procenu kreditnog rizika moraju biti objašnjivi kako bi se pokazalo da nema pristrasnosti ili različitog uticaja određenih odluka.

Drugi tipovi operativnih, prevratnih i marketinških situacija možda nemaju iste zahteve i mogu da koriste druge modele.

Generativni alati veštačke inteligencije, poput ChatGPT-a, takođe mogu biti izuzetno korisni za početak procesa pisanja koda i generisanje ideja.

Nedavno smo, na primer, koristili alat koji prati stvari poput dostave softvera, aktivnih zadataka i vremena potrebnog za njihovo završavanje. Želeli smo da te podatke učitamo u drugi sistem kako bismo ih analizirali, pa smo koristili ChatGPT da napišemo kod za to.

Naravno, morali smo da proverimo i napravimo neke promene u kodu, ali proces koji bi obično trajao sate, sada je trajao nekoliko minuta i bio je veoma precizan, što je poboljšalo produktivnost.

Takođe smo koristili generativnu veštačku inteligenciju za vizuelizaciju organizacionih promena.

Jedan od naših programera koristio je listu svih zaposlenih u organizaciji i generativnu veštačku inteligenciju kako bi generisao veb sajt sa podacima podeljenim prema odeljenjima i rukovodiocima kako bi se modelovali različiti scenariji i pritom uključio i naše veb dizajn smernice.

Ovo je još jedan zadatak koji je uz pomoć veštačke inteligencije završen za nekoliko minuta, dok bi ručno trajao mnogo duže.

Da li je korišćenje veštačke inteligencije uticalo na vaše korisničke usluge?

Naša sposobnost automatizacije zadataka koji bi inače trajali sate oslobađa naše vreme da se više fokusiramo na naše korisnike, pružamo kvalitetne usluge i radimo sa njima na unapređenju njihovog finansijskog položaja.

Veštačka inteligencija nam takođe pomaže da bolje razumemo našu bazu korisnika i analiziramo trendove u njihovom ponašanju na efikasan način, što nam omogućava da im bolje služimo.

Na primer, koristili smo generativnu veštačku inteligenciju da bismo napisali SQL (Structured Query Language) koji može identifikovati određene tipove korisnika i prikazati ih u tabeli.

Ovo nam pomaže da unapredimo organizaciju i bolje vizualizujemo bazu korisnika, omogućavajući nam donošenje informisanih odluka na efikasniji način.

Što se tiče procene rizika, ne možemo tražiti od generativnih veštačkih inteligencija da odluče da li treba odobriti kredit na osnovu podataka o kreditnoj istoriji, jer moramo da opravdamo naše odluke i pokažemo kako smo došli do određene odluke.

Međutim, ove tehnologije mogu identifikovati oblasti za poboljšanje i omogućiti nam efikasnije prikupljanje informacija koje koristimo.

Kako se štitite od inherentnih rizika veštačke inteligencije, kao što su prevare i pristrasnost?

Osiguravanje da ne uvodimo pristrasnost u odlučivanje zahteva pažljivost sa naše strane, ne samo detaljna analiza rezultata, već i provera ulaznih podataka u naše modele.

Veštačka inteligencija i mašinsko učenje mogu obraditi podatke i predvideti rezultate, ali naučnici podataka još uvek moraju opravdati i objasniti odluke koje donose ljudima.

Iako veštačka inteligencija može biti korisna unutar organizacija, takođe je moguće da se zloupotrebljava od strane pojedinaca izvan organizacije.

Zloupotreba identiteta predstavlja veliku brigu, s obzirom na mogućnost veštačke inteligencije da imitira glas ili generiše lažirane slike. Provera identiteta (Know Your Customer – KYC) ključna je za zaštitu podataka i finansijskih sredstava.

S druge strane, veštačka inteligencija takođe može pomoći organizacijama da identifikuju prevare i prepoznaju sumnjive aktivnosti koje bi inače mogle proći neprimećene.

Koristimo ove mogućnosti kroz interne podatke, ali se i oslanjamo na dobavljače prevencije prevare koji mogu koristiti vlastite sposobnosti veštačke inteligencije i izvore podataka.

Koje su najbolje prakse za obrazovanje zaposlenih o implementaciji veštačke inteligencije? Da li imate neki savet za rukovodioce tehnologije o uvođenju timova u ovu tehnologiju?

Moj savet za rukovodioce informacionih tehnologija u fintech kompanijama je da pruže sveobuhvatno obrazovanje i redovne kontakte sa kolegama kako bi objasnili tehnologiju na razumljiv način.

Jasna i dosledna komunikacija o tome kako se koristi veštačka inteligencija i njenim koristima za poslovanje su ključni za prihvatanje i usvajanje.

U isto vreme, zaposleni moraju biti obrazovani o tome kako i kada je prikladno koristiti generativne veštačke inteligencije, poput ChatGPT-a (i kada nije).

Na primer, kompanije bi možda trebalo da izbegavaju da zaposleni unose osetljive ili zaštićene podatke. Međutim, za određene slučajeve upotrebe, može biti neophodno koristiti generativne veštačke inteligencije interno, koje su obučene na i koriste interne podatke.

Kakve regulative možemo očekivati u vezi sa veštačkom inteligencijom u fintech industriji?

Iako je još rano u revoluciji veštačke inteligencije, očekujemo da će se većina regulativa odnositi na transparentnost i objašnjivost podataka, sa ciljem eliminisanja pristrasnosti i opravdavanja načina donošenja odluka i korišćenih podataka.

Takođe očekujemo da će regulatorne institucije sve više investirati u tehnologiju koja može utvrditi da li je neki sadržaj ili odluka doneta uz pomoć veštačke inteligencije i postaviti zahteve za obaveštenost i ograničenja za upotrebu veštačke inteligencije.

Ovo je područje u razvoju i organizacije trebaju biti fleksibilne kako bi se osigurala usklađenost.

Kakav uticaj predviđate da će veštačka inteligencija imati na finansijske usluge za one koji nemaju bankovne račune?

Bar što se tiče Mission Lane-a, najveći uticaj veštačke inteligencije ugledamo u olakšavanju dostupnosti kvalitetnih finansijskih usluga onima koji nemaju bankovne račune ili nemaju povoljnu kreditnu istoriju.