AI är ett hett samtalsämne i de flesta branscher, så även inom fintech. Men hur ska det gå till att införa AI på bred front? Är AI bara ännu en i raden av lösningar för automatisering som tas för given och glöms bort? Här berättar Mats Ericson på Nutanix om de krav som ställs för att lyckas med AI i finanssektorn.

Det är uppenbart att AI är som gjort för finansiella tillämpningar. Men det krävs fokus och uthållighet för att lyckas med AI. Många företag får räkna med att misslyckas med sina inledande AI-satsningar. Det gäller alltså att inte ge upp på grund av initiala problem. Den bästa chansen att lyckas har de som börjar med att bygga väl avgränsade AI-lösningar, baserade på konkreta affärsmål, i stället för att försöka lösa stora problem med en gång. Och det är smart att dra nytta av färdiga AI-modeller.

Använd generella data
Min kollega Wendy Pfeiffer som är CIO på Nutanix tipsar om ”neuromining”, att analysera mänskligt beteende med hjälp av maskininlärning. Hon räknar med att många aktörer inom e-handel och sociala medier kommer att skaffa sådana här lösningar och det är med största säkerhet intressant att göra även för företag inom finanssektorn. Lösningarna kommer ofta från okända leverantörer och det handlar om oreglerade verksamheter, eftersom det är frågan om nya företeelser. Det finns alltså all anledning att se upp vad gäller hantering av känsliga data och personlig integritet. 

En ansats som kommer att bli vanligare under 2022 är att köpa mer generella slutsatser från modeller som externa aktörer kör, i stället för att själv analysera verkliga data om de egna kunderna. På så vis undviks risker med oetisk hantering av data, eftersom modellerna bygger på generella datamängder. Förhoppningsvis går det att beställa körningar baserade på skräddarsydda datamängder som matchar ett företags egna kunddata i högsta möjliga grad.

AI för IT
Kreativitet och smarta slutsatser i all ära, men en aspekt av AI som kanske är lätt att glömma bort för finansföretag är den nytta som kan fås för att optimera IT-processer. Att optimera IT-processer får ofta låg prioritet under kapplöpningen för att snabbt köra i gång nya digitala tjänster.

Utan IT processer i bakgrunden som är optimerade med AI blir det svårare att lyckas med digitalisering. Och här kommer AI in i bilden, vilket brukar kallas för ”AIops”. Automatiserad IT-drift med hjälp av AI-lösningar är vad det handlar om. Rent konkret är ett exempel att rutinmässiga aktiviteter automatiseras, med hjälp av maskininlärning.

Smartare säkerhet
En allmän slutsats som vi på Nutanix drar gäller fokus på IT-säkerhet, vilket kommer att bli ännu viktigare under 2022 än tidigare. Och det gäller förstås i allra högsta grad för företag i finanssektorn, som hanterar sina kunders pengar. Även här kommer AI in i bilden. När mängden säkerhetslarm ökar lavinartat både vad gäller antal och variation är det ett måste att automatisera IT-säkerhet med hjälp av AI.

Sammantaget tyder alla tecken på ökade satsningar på AI inom finanssektorn. De aktörer som börjar med väl avgränsade AI-projekt, tar hänsyn till etiska faktorer och utnyttjar AI för att optimera IT-processer och stärka IT-säkerhet har goda utsikter att lyckas.