Luottamuksen puute kohtuullisessa tekoälyssä voi jarruttaa innovaatiota ja liiketoiminnan arvoa

Viimeaikainen kysely globalien liiketoimintajohtajien keskuudessa osoittaa, että luotettava tekoäly on tärkeä prioriteetti, mutta monet eivät ole toteuttaneet riittäviä toimia sen saavuttamiseksi, mutta mitä kustannuksia?

Todellakin, IBM-kysely paljasti, että hämmästyttävät 85 % vastaajista ovat samaa mieltä siitä, että kuluttajat ovat todennäköisemmin valitsevat yhtiön, joka on avoin siitä, miten sen tekoälymallit on kehitetty, hallittu ja käytetty.

Kuitenkin enemmistö myönsi, etteivät he ole toteuttaneet avainaskelia varmistaakseen, että heidän tekoälynsä on luotettava ja vastuullinen, kuten vähentämällä harhaa (74 %), seuraamalla suorituskyvyn muutoksia ja mallin ajautumista (68 %) ja varmistamalla, että he voivat selittää tekoälypohjaiset päätöksensä (61 %). Tämä on huolestuttavaa, erityisesti kun otetaan huomioon tekoälyn käytön jatkuva kasvu – 35 % sanoo, että he käyttävät tekoälyä liiketoiminnassaan, mikä on enemmän kuin vuosi sitten.

Osallistuin hiljattain kutsuvieraiden Corporate Innovation Summitiin Torontossa, jossa osallistujat vaihtoivat innovatiivisia ideoita ja esittelivät teknologioita, jotka ovat valmiina muovata tulevaisuutta. Minulla oli etuoikeus osallistua kolmeen pyöreän pöydän keskusteluun rahoituspalvelujen, vakuutus- ja vähittäiskaupan segmenteissä, joissa nousi kolme tärkeää aluetta: tarve lisää avoimuudelle luottamuksen aikaansaamiseksi tekoälyssä, tekoälyn demokratisointi no-code/low-code:n kautta ja kehitys nopeamman arvon ja riskin vähentämisen saavuttamiseksi tekoälyn sääntelyparhaan käytännön kautta.

Lisää luottamusta tekoälytekniikoihin. COVID-19 vahvisti ja kiihdytti trendiä tekoälypohjaisien chatbottien, virtuaalisten rahoitusavustajien ja kosketuksettoman asiakaspalvelun käyttöönoton suuntaan. Tämä trendi jatkuu, kuten Cap Geminin tutkimus osoittaa, että 78 % kuluttajista suunnittelee lisäämään tekoälytekniikoiden käyttöä, mukaan lukien digitaalisen identiteetin hallinnan, vuorovaikutuksissaan rahoituspalvelujen organisaatioiden kanssa.

Inherentit hyödyt huomioon ottaen, useita haasteita ilmenee. Pääasiassa jatkuva kuluttajien epäluottamus tekoälytekniikkoja kohtaan ja miten niiden yleinen luonne vaikuttaa heidän yksityisyydensä ja turvallisuutensa oikeuksiin. 30 % kuluttajista totesi, että he olisivat mukavampia jakamaan biometrisiä tietojaan, jos heidän rahoituspalveluntarjoajansa antaisivat enemmän avoimuutta siitä, miten heidän tietojaan kerätään, hallitaan ja turvataan.

CIO:iden on omaksuttava luotettavat tekoälyperiaatteet ja perustettava tiukat toimenpiteet, jotka suojaavat yksityisyyden ja turvallisuuden oikeudet. He voivat saavuttaa tämän salauksen, data minimoinnin ja turvallisemman todennuksen kautta, mukaan lukien uusien hajautettujen digitaalisten identiteettistandardeja. Seurauksena on, että teidän älykkään automaation ponnistelut ja itsepalvelutarjontanne näkevät enemmän käyttöönottoa ja vaativat vähemmän ihmisen väliintuloa.

Poista esteet tekoälyn demokratisoinnille. On kasvava siirtymä no-code/low-code-tekoälysovellusten kehitykseen, joka tutkimus ennustaa, että se saavuttaa 45,5 miljardia dollaria vuoteen 2025 mennessä. Pääasiallinen ajuri on nopeampi arvo sovelluksen kehityksen tuottavuuden parantamisella 10-kertaisella.

Esimerkiksi 56 % rahoituspalvelujen organisaatioista pitää datan keräämistä lainanhakijoilta yhtenä haasteellisimmista ja tehottomimmista askelista lainahakuprosessissa, mikä johtaa korkeisiin hylkäysprosentteihin. Vaikka tekoälypohjaiset biometriset tunnistus- ja datakeräysteknologiat ovat osoittaneet parantavansa tehokkuutta lainahakuprosessissa, ne voivat myös luoda sääntelyriskejä, erityisesti datan yksityisyyden, luottamuksellisuuden ja tekoälyalgoritmisen harhan.

Tällaisten riskien lieventämiseksi ja korjaamiseksi no-code/low-code-sovellukset on sisällyttävä kattava testaus varmistamaan, että ne toimivat alun perin suunniteltujen tavoitteiden mukaan, poistamaan mahdollisen harhan koulutusdatassa, joka voi sisältää otantaharhaa, merkintäharhaa, ja ovat turvallisia tekoälyhyökkäyksiltä, jotka voivat vaikuttaa tekoälyalgoritmien tuloksiin. On tärkeää ottaa huomioon vastuullisen data-tieteen periaatteita reiluudesta, tarkkuudesta, luottamuksellisuudesta ja turvallisuudesta.

Keitä tekoälyn hallintorakenteen ja sääntelykehyksen. Tekoälyn hallinta ei ole enää miellyttävä aloite, vaan välttämätön. OECD:n kansallisten tekoälypolitiikkojen seurantakeskuksen mukaan on yli 700 tekoälysääntelyaloitetta kehitteillä yli 60 maassa. On kuitenkin vapaaehtoisia käyttäytymissääntöjä ja eettisiä tekoälyperiaatteita, jotka on kehitetty kansainvälisissä standardointijärjestöissä, kuten Institute of Electrical and Electronic Engineers (”IEEE”) ja National Institute of Standards and Technology (NIST).

Organisaatiot ovat huolissaan siitä, että tekoälysäännökset asettavat heille enemmän tiukkoja sääntelyvelvoitteita, jotka on tuettu raskaiden valvontamekanismien kanssa, mukaan lukien sakot laiminlyönneistä. Kuitenkin tekoälysääntely on välttämätöntä.

Eurooppa ja Pohjois-Amerikka ottavat proaktiivisia asenteita, jotka edellyttävät CIO:iden yhteistyötä heidän teknologia- ja liiketoimintakumppaneidensa kanssa muodostamaan tehokkaita politiikkoja. Esimerkiksi Euroopan komission ehdotettu tekoälylain on ehdottanut, että tekoälytarjoajille asetetaan riskipohjaisia velvoitteita kuluttajien oikeuksien suojaamiseksi, samalla kun edistetään innovaatiota ja taloudellisia mahdollisuuksia, jotka liittyvät tekoälytekniikoihin.

Lisäksi kesäkuussa 2022 Kanadan liittovaltion hallitus julkaisi odotetun Digitaalisen peruskirjan toteutuslain, joka suojaa korkean riskin tekoälyjärjestelmiin liittyviltä kielteisiltä vaikutuksilta. Yhdysvallat on myös edennyt tekoälysääntelyaloitteiden kanssa, vaikka toimialakohtaisesti. Federal Trade Commission (FTC), Kuluttajansuojeluvirasto (CFPB) ja Federal Reserve Board ovat kaikki käyttävät sääntelyvaltuuksiaan kuluttajien suojelemiseksi tekoälystä johtuvilta kielteisiltä vaikutuksilta, erityisesti syrjiviltä tuloksilta, vaikka niitä ei ollut tarkoitettu.

Saavuttaminen luotettavaa tekoälyä edellyttää dataohjattuja oivalluksia

Luotettavan tekoälyn toteuttaminen ei voida saavuttaa ilman dataohjattua lähestymistapaa määrittämään, missä tekoälytekniikkojen soveltamisella voi olla suurin vaikutus ennen toteuttamista. Onko se parantamassa asiakasviittauksia, realisoimassa operatiivisia tehokkuuksia tai lieventämässä sääntelyriskejä?

Kukin näistä liiketoimintavaikutuksista edellyttää ymmärrystä prosessien toiminnasta, miten eskalaatiot ja poikkeukset käsitellään ja prosessin toimintavaikeuksien ja niiden alkuperäisen syyn tunnistamista. Näiden dataohjattujen analyysien perusteella organisaatiot voivat tehdä perusteltuja liiketoimintapäätöksiä siitä, mitä vaikutuksia ja tuloksia tekoälypohjaisilla ratkaisuilla on asiakasviittauksien kitkaa vähentämiseksi ja operatiivisten tehokkuuksien parantamiseksi. Kun organisaatiot ovat saaneet dataohjatun oivalluksen hyödyt, he voivat automatisoida erittäin työläitä prosesseja, kuten tekoälyn mukaisuusvaatimukset, sääntelytarkastukset, KYC ja AML rahoituspalveluissa.

Pääasiallinen viesti on, että tekoälyyn perustuvan prosessiautomaation olennainen osa on luotettavan tekoälyn parhaiden käytäntöjen toteuttaminen. Tekoälyn eettinen käyttö ei pidä ottaa vain oikeudellisena ja moraalisena velvollisuutena, vaan liiketoimintavaatimuksena. On järkevää olla avoin tekoälyn soveltamisessa. Se luo luottamusta ja lisää brändiloyaliteettia.