Пилоты искусственного интеллекта в HSBC, Morgan Stanley и Societe Generale обнаружили целый ряд проблем, которые влияют на то, как проекты могут перейти в производство.
Выступая в прошлом месяце на выставке SIBOS 2017 в Торонто, глобальный операционный директор HSBC Кирсти Рот предупредила, что ранние успехи с производными корпоративными технологиями искусственного интеллекта не обязательно выявили потенциальные препятствия для развертывания производства.
“Было довольно легко — забавным образом — начать работу с использованием выборочных данных, но затем вы столкнулись с реальными проблемами», — сказал Рот.
“Я думаю, что наш ранний послужной список на POCS или пилотах немного скрывает основные проблемы.
“Затем мы переходим к тому, какие данные нам удобно использовать в публичном облаке, или мы даже можем договориться как организация о том, какие, по нашему мнению, правила передачи данных по странам — поверьте мне, это довольно хорошая дискуссия между регулирующими, юридическими и техническими органами.
“Речь идет о том, что на самом деле означает жизнь [в производстве] и как она будет устойчивой?”
HSBC использовал двойной подход к корпоративному ИИ на этапе экспериментов.
С одной стороны, институт рассматривал свои проблемы и то, как ИИ может помочь в их решении — то, что Рот назвал “довольно старомодным подходом к использованию” технологии.
Но HSBC также проделал некоторую работу, используя эту технологию в качестве отправной точки.
“Есть больше продавцов, которые хотят продать вам что-то в этом пространстве, чем вы можете сосчитать, поэтому иногда [это случай] решения проблемы”, — сказал Рот.
Однако HSBC был рад провести некоторые технологические эксперименты, чтобы изучить возможности, прежде чем для них появится очевидный вариант использования.
“Мы видели вещи, которые работали в других местах, и довольно быстро поняли, как их можно применить”, — сказала она.
Глава отдела бизнес-решений Societe Generale Securities Services Мэтт Дэйви сказал, что его организация столкнулась с аналогичными проблемами при раннем использовании роботизированной автоматизации процессов (RPA), специфического типа искусственного интеллекта.
“В последнее время мы проделали довольно большую работу с РПА, и я должен сказать, что мы были немного разочарованы этим опытом”, — сказал Дэйви.
“Когда я разговаривал с людьми внутри компании, было довольно много негативных комментариев о RPA и о том, что это действительно похоже на макротехнологию.
“Я начал работать в системах в конце 80-х, и макросы имеют свою ценность, но я думаю, что некоторые из проблем заключаются в том, что если вам нужно «параметризовать» все … аспекты процесса для RPA, то это стоит дорого. Если вам нужно добавить людей, чтобы следить за тем, что делает РПА, есть еще одна цена.
“Поэтому, когда вы смотрите на общую стоимость владения, возникает вопрос, стоит ли оно того.”
Дэйви сказал, что Societe Generale также видит потенциальные проблемы потока от широкого использования RPA как есть.
“Когда вы вводите этот макрос или RPA, это приводит к тому, что ваши унаследованные системы превращаются в заливное”, — сказал он.
“С этого момента очень трудно вносить изменения в эти системы, потому что вы нарушаете RPA, который вы ввели сверху, так что это что-то вроде одношагового шага: это мешает вам действительно вносить изменения в ваши устаревшие платформы оттуда.
“Я думаю, что одна из тем ИИ заключается в том, как банки, в частности, интегрируют эти технологии в спагетти средних и бэк-офисных платформ, которые есть у большинства банков.
“Это реальная проблема, которая, я думаю, подчеркивается некоторыми из наших опытов с РПА.”
Однако он отметил, что эти проблемы не обязательно испортили аппетит к РПА или ИИ в целом. Скорее, они информировали о пути перехода некоторых из этих технологий от экспериментов к производственному использованию.
“Продолжение RPA заключается в том, что теперь мы рассматриваем RPA с комбинированным компонентом ИИ, так что у вас есть компонент ИИ, управляющий состоянием любого процесса”, — сказал Дэйви.
— Мы не остановили его, мы просто меняем инструмент.”
Дэйви также сказал, что он “не хочет звучать негативно в отношении ИИ”.
Как и другие, его проблемы просто проистекали из того факта, что “PoC-это легкая часть: это то, как вы получаете это в производство и смещаете баланс”, что вызывает у предприятий некоторые реальные проблемы.
«У нас есть много доказательств концепций»,-сказал он.
“У нас есть несколько замечательных примеров использования ИИ в юридических документах, где мы можем посмотреть и разобрать положения юридического документа.
“Многие пункты будут стандартными, но вы ищете 20 процентов или около того, которые являются нестандартными.”
Глобальный руководитель отдела клиентских технологий Morgan Stanley Луэлла Сан — Хуан отметила, что фирма испытала “успех с неструктурированными данными и запуском их с помощью моделей машинного обучения”, особенно из мира открытых источников, а не поставщиков.
Получите советы о том, как австралийские предприятия борются с искусственным интеллектом — загрузите отчет ITnews, чтобы прочитать отдельные тематические исследования, а также анализ более широкого состояния игры.
