Ο κβαντικός υπολογιστής της Space Bank είχε κάνει update με τους πιο φρέσκους αλγόριθμους τεχνητής νοημοσύνης, λίγους μήνες πριν από το ξέσπασμα της τρίτης γαλαξιακής  πανδημίας. Τα χρήματα που κέρδισε η τράπεζα από την ανάταξη του χαρτοφυλακίου της ήταν η κινητήρια δύναμη για να ανοίξει τα πρώτα της υποκαταστήματα στο γαλαξία της Ανδρομέδας.

Ο χρηματοοικονομικός τομέας βίωσε την δύναμη των εκθετικών τεχνολογιών στις 6 Μαΐου του 2010, όταν σε λιγότερο από 40 λεπτά δείκτης Dow Jones έκανε μια βουτιά 998,5 μονάδων (περίπου 9%) και επέστρεψε στην αρχική του τιμή. Μια αναφορά της Commodity Futures Trading Commission περιγράφει το συμβάν, το οποίο έμεινε γνωστό ως Flash Crash, ως μια από τις πιο ταραχώδεις περιόδους στην ιστορία των αγορών. Η έρευνα που έγινε έδειξε ότι κάποιοι αλγόριθμοι που έπαιρναν δύναμη από πανίσχυρους υπολογιστές, στοιχημάτισαν σε χρηματιστηριακά προϊόντα, επενδύοντας σχεδόν 200 εκατομμύρια δολάρια. Τα συστήματα που είχαν πρωταγωνιστικό ρόλο σε αυτό το συμβάν, τα οποία είναι γνωστά ως high frequency trading, είναι πλέον βασικά εργαλεία στα χέρια της χρηματιστηριακής κοινότητας και θεωρητικά είναι πιο δύσκολο να δημιουργήσουν ένα δεύτερο flash crash, καθώς τα περιορίζει το ρυθμιστικό πλαίσιο που προέκυψε ως αντίδραση σε εκείνο το συμβάν. Οι οργανισμοί που δραστηριοποιούνται στο χρηματοοικονομικό τομέα, είναι αδύνατο να λειτουργήσουν πλέον χωρίς τη χρήση τεχνολογικών εργαλείων. Ο οργανισμός που έχει στη διάθεσή του τα καλύτερα εργαλεία, τους καλύτερους χειριστές τους και τις καλύτερες διαδικασίες αξιοποίησης της ισχύος τους, έχει ανταγωνιστικό πλεονέκτημα. Ο όρος εκθετικές τεχνολογίες χρησιμοποιήθηκε σχετικά πρόσφατα, για να περιγράψει μια ομάδα τεχνολογικών εργαλείων, τα οποία θεωρητικά τουλάχιστον μπορούν να προσφέρουν εκθετικούς ρυθμούς ανάπτυξης στους οργανισμούς που θα τα αξιοποιήσουν. Στην κατηγορία αυτή, ανήκουν μεταξύ άλλων η τεχνητή νοημοσύνη, το cloud computing, το high performance computing, τα δίκτυα 5G και οι κβαντικοί υπολογιστές.

Η τεχνητή νοημοσύνη μπορεί να μειώσει εκθετικά το λειτουργικό κόστος
Μια από τις τεχνολογίες που θα μπορούσαμε να παρομοιάσουμε με αυτήν της τεχνητής νοημοσύνης είναι οι ημιαγωγοί, η μείωση τιμής των οποίων μείωσε το κόστος των αριθμητικών πράξεων. Αρχικά, η μείωση του κόστους αξιοποιήθηκε από την πολεμική βιομηχανία.  Στη συνέχεια, οι αριθμητικές πράξεις έγιναν αρκετά φθηνές για να καλύψουν τη ζήτηση σε προβλέψεις. Στη συνέχεια και ενώ το κόστος των ημιαγωγών συνέχισε να μικραίνει, ενσωματώθηκαν σε προϊόντα, όπως οι ψηφιακές κάμερες και οι φορητές συσκευές τηλεπικοινωνιών.

Η τεχνητή νοημοσύνη φαίνεται να ακολουθεί το ίδιο μονοπάτι. Στην αρχή χρησιμοποιήθηκε σε στρατιωτικές έρευνες, στη συνέχεια, δηλαδή στη φάση που βρισκόμαστε σήμερα, χρησιμοποιείται για τη βελτίωση προβλέψεων και παράλληλα έχει ξεκινήσει η ενσωμάτωσή της σε ηλεκτρονικά συστήματα, τα οποία αν και έχουν υψηλότερο κόστος αγοράς, από αυτοματισμούς προηγούμενης γενιάς, έχουν τη δυνατότητα να παράγουν πολλαπλάσιο και θεωρητικά πιο αξιόπιστο έργο. Ένα σύστημα πρόβλεψης τεχνητής νοημοσύνης, μπορεί να “καταπιεί” εκατοντάδες χιλιάδες φορές περισσότερα δεδομένα, σε σχέση μια δεκαετία πριν και αφού τα “χωνέψει” να δώσει αποτελέσματα που ενσωματώνουν γνώση και επιτρέπουν λήψη αποφάσεων ακόμα και σε πραγματικό χρόνο. Ωστόσο, υπάρχει και μια άλλη οπτική της πρόβλεψης, η οποία έχει συζητηθεί λιγότερο από τότε που οι τεχνολογίες τεχνητής νοημοσύνης ξεκίνησαν να χρησιμοποιούνται ευρύτερα.

Προκειμένου να πάρουμε μια απόφαση χρησιμοποιούμε την πρόβλεψη, αλλά και την κρίση μας. Ποτέ μέχρι τώρα στο παρελθόν οι δύο αυτοί παράγοντες δεν είχαν διαχωριστεί στη διαδικασία λήψης αποφάσεων. Τώρα όμως αυτό συμβαίνει. Η τεχνητή νοημοσύνη κάνει την πρόβλεψη και οι άνθρωποι που τη χρησιμοποιούν ως εργαλείο είναι αυτοί που κρίνουν πως θα χρησιμοποιήσουν την πρόβλεψη για να πάρουν μια απόφαση. Προσωρινά, σε ένα μικρό ποσοστό των συστημάτων τεχνητής νοημοσύνης έχει δοθεί το δικαίωμα να λαμβάνουν την απόφαση σύμφωνα με τη δική τους κρίση. Τα συστήματα high frequency trading που προαναφέραμε ανήκουν σε αυτήν την κατηγορία. Επίσης, σε αυτήν την κατηγορία ανήκουν και κάποιες πολεμικές μηχανές  που φέρουν οπλισμό.

Επομένως, μια προσέγγιση που θα μπορούσε να βοηθήσει στην αξιοποίηση τεχνολογιών τεχνητής νοημοσύνης, είναι το ταίριασμα τους στο αναλυτικό πλάνο διαδικασιών ενός οργανισμού.

Οι επιστήμονες των δεδομένων θα μπορούσαν σε αυτό το πλάνο να διακρίνουν λειτουργίες που έχουν περισσότερη ανάγκη πρόβλεψης και να εφαρμόσουν σε αυτές αλγόριθμους τεχνητής νοημοσύνης. Με αυτό τον τρόπο θα μπορούσε να γίνει και ευκολότερα μια εκτίμηση του οφέλους της τεχνολογίας στα λειτουργικά έξοδα του οργανισμού και κατ’ επέκταση στο EBITDA. Μετά από αυτό το πρώτο βήμα, ο σημαντικότερος στόχος των επιστημόνων δεδομένων είναι να αυξήσουν την ακρίβεια πρόβλεψης. Αν για παράδειγμα, ο αλγόριθμός στην αρχική του μορφή προβλέπει με 5% ακρίβεια έναν ασυνεπή δανειολήπτη και με τη “ρύθμισή” του πετύχουμε διπλασιασμό, επηρεάζουμε αναλόγως το EBITDA. Όταν η Amazon ξεκίνησε να αξιοποιεί ένα προβλεπτικό αλγόριθμο για προτάσεις αγορών, η “ευστοχία” του ήταν περίπου 140 προϊόντα που θα μπορούσαν να ενδιαφέρουν τον αγοραστή. Σήμερα, η ευστοχία αυτή έχει φτάσει στα 20 προϊόντα.

Το cloud είναι το επόμενο tech commodity
Ο Stephane Bancel, CEO της Moderna επέλεξε να βασίσει όλη την πλατφόρμα έρευνας και ανάπτυξης του mRNA εμβολίου σε υποδομές public cloud. Αυτό είχε συμβεί πριν η πανδημία κάνει την εμφάνισή της. Όπως λέει ο ίδιος, όταν η πανδημία δημιούργησε την ανάγκη για επιτάχυνση των διαδικασιών έρευνας και ανάπτυξης, η ευελιξία του public cloud αποδείχτηκε πολύτιμη. Η ευελιξία στη χρήση πόρων, ήταν αυτή που μεταξύ άλλων, επέτρεψε στη Moderna να παραδώσει τα πρώτα στοιχεία για το υποψήφιο εμβόλιο mRNA-1273 στο US National Institute of Health για δοκιμές φάσης 1, μόλις 42 μέρες μετά από την ανάλυση του γονιδιώματος του ιού. Τα οφέλη του cloud έχουν γίνει αντιληπτά από εκατομμύρια οργανισμούς παγκοσμίως, οι οποίοι μόλις έχουν αρχίσει να αξιοποιούν ελάχιστες από τις δυνατότητές του. Σύμφωνα με μελέτη που βασίστηκε σε αναφορές του McKinsey Global Institute, τα οικονομικά οφέλη της αξιοποίησης του cloud στις εταιρείες του Fortune 500 θα μπορούσαν να φτάσουν μέχρι και το 1 τρισεκατομμύριο δολάρια μέχρι το 2030.

Εν αντιθέσει με τις τεχνολογίες τεχνητής νοημοσύνης, οι οποίες είναι σχετικά “φρέσκες”, το public cloud έχει αξιοποιηθεί ήδη αρκετά από τις επιχειρήσεις, ώστε να έχουμε καλές πρακτικές υλοποιήσεων που έχουν οδηγήσει σε επιτυχημένα αποτελέσματα. Η γενική στρατηγική που προκύπτει από το σύνολο των υλοποιήσεων αποτελείται από τρία βήματα. Αρχικά, ο οργανισμός σχεδιάζει ένα πλάνο βασισμένο στη αξία που θα μπορούσε να προσδώσει το public cloud στις λειτουργίες του IT και στις επιχειρηματικές διαδικασίες. Το πλάνο αυτό υλοποιείται σε ένα cloud-ready λειτουργικό μοντέλο, δηλαδή σαν να κάνουμε εγκατάσταση λειτουργικού με την επιλογή “Typical”.

Στη συνέχεια ο οργανισμός αρχίζει να πειραματίζεται με τις “ρυθμίσεις” της πλατφόρμας και ενδεχομένως με γέφυρες που συνδέουν την πλατφόρμα με άλλες εφαρμογές. Τέλος, ο οργανισμός δημιουργεί μια εξειδικευμένη ομάδα cloud development και αναπτύσσει εφαρμογές από το μηδέν ή διαμορφώνει τις “ρυθμίσεις” της πλατφόρμας με το βέλτιστο τρόπο. Καθένα από τα παραπάνω βήματα θα μπορούσε να είναι και το τελικό στη στρατηγική αξιοποίησης του cloud, ανάλογα με τους στόχους του οργανισμού.

Ο χρηματοοικονομικός τομέας έχει ξεκάθαρα εκδηλώσει τη στροφή του σε cloud based τεχνολογίες μέσα από έρευνες, όπως αυτή που έκανε η McKinsey στις αρχές του 2021 στο πλαίσιο ενός webinar. Σύμφωνα με τα αποτελέσματα της έρευνας μόλις το 19% των ερωτηθέντων έχουν ήδη παρουσία στο cloud σε ποσοστό άνω του 25%. Ωστόσο, πέντε χρόνια αργότερα το ποσοστό αναμένεται να είναι κοντά στο 87%. Ποσοστό μεγαλύτερο από το 90% των συμμετεχόντων στην έρευνα, θεωρούν ότι τα βασικά κίνητρα για τη μετάβαση στο cloud ανήκουν στην ευρύτερη κατηγορία “Ταχύτερη απόκριση στις ανάγκες της αγοράς και ευελιξία”. Παράλληλα το μεγαλύτερο εμπόδιο φαίνεται να είναι το ρυθμιστικό πλαίσιο και η κυβερνοασφάλεια. Η Τράπεζα της Ελλάδας, η οποία έχει ρυθμιστικό ρόλο στο ελληνικό τραπεζικό σύστημα, χαλάρωσε το ρυθμιστικό πλαίσιο σχετικά με το cloud πριν από μερικούς μήνες. Τα ιδρύματα, βάσει του νέου πλαισίου, ενημερώνουν την Τράπεζα της Ελλάδος για τις σκοπούμενες συμφωνίες εξωτερικής ανάθεσης κρίσιμων ή σημαντικών λειτουργιών πριν από την υπογραφή της σύμβασης εξωτερικής ανάθεσης, χωρίς όμως να απαιτείται σχετική εγκριτική απόφαση από την Τράπεζα της Ελλάδος, ώστε να διευκολύνεται και να επιταχύνεται η διαδικασία εξωτερικής ανάθεσης. Ωστόσο, σε κάθε περίπτωση που κριθεί ότι δεν πληρούνται οι σχετικές εποπτικές απαιτήσεις, η Τράπεζα της Ελλάδος μπορεί να μην επιτρέψει την εξωτερική ανάθεση λειτουργιών ή και να ζητήσει τη διακοπή κάποιας συμφωνίας εξωτερικής ανάθεσης που είναι σε ισχύ.

O Χάιζενμπεργκ και ο Σρέντινγκερ δύσκολα φαντάζονταν ότι θα γίνουν γνωστοί στο τραπεζικό σύστημα
Η πλήρης αξιοποίηση των κβαντικών υπολογιστών ίσως να είναι ακόμα χρόνια μακριά, αλλά ήδη κάποια χρηματοπιστωτικά ιδρύματα προσπαθούν να εκτιμήσουν την αξία που μπορεί να τους προσθέσει η χρήση τους. Τα όρια ανάμεσα στο High Performance Computing και στους κβαντικούς υπολογιστές δεν είναι ευδιάκριτα. Θεωρητικά και οι δύο έρευνες εστιάζουν σε ένα κοινό αποτέλεσμα. Περισσότερες αριθμητικές πράξεις με λιγότερη κατανάλωση ενέργειας, ώστε να είναι εφικτή η ακριβής πρόβλεψη.

Η οικονομική κρίση του 2008, έδειξε ότι συμβάντα, τα οποία μέχρι τότε θεωρούνταν χαμηλής πιθανότητας, έχουν αρχίσει να εμφανίζονται συχνότερα. Οι επιστήμονες αποδίδουν αυτό το φαινόμενο στην πολυπλοκότητα που έχει δημιουργήσει η παγκοσμιοποίηση σε συνδυασμό με την ταχύτατη επίδραση ενός συμβάντος στα πιο  απομακρυσμένα μέρη του κόσμου, όπως συνέβη και με την πανδημία.

Επομένως, υπάρχει ανάγκη για υπολογιστές, οι οποίοι θα μπορούν να προβλέψουν μεγάλες αλλαγές, οι οποίες μπορεί να ξεκινήσουν από απαρατήρητα, σε σχέση με το παρελθόν, συμβάντα. Η θεωρία του Χάους και το πέταγμα της πεταλούδας μας έρχονται στο νου όταν αναφερόμαστε σε αυτές τις καταστάσεις. Οπότε θα μπορούσαμε να πούμε ότι η προσπάθεια της ανθρωπότητας έχει στραφεί με τη βοήθεια της τεχνολογίας στην τακτοποίηση του Χάους και στο άκουσμα των φτερών της πεταλούδας. Οι εταιρείες που επενδύουν στους κβαντικούς υπολογιστές, υποστηρίζουν ότι για συγκεκριμένες μορφές υπολογισμών, η επίλυση ενός προβλήματος που θα μπορούσε να χρειαστεί μέχρι και 1000 χρόνια με ένα ηλεκτρονικό υπολογιστή, μπορεί να πραγματοποιηθεί σε λίγο περισσότερο από 3 λεπτά. Αρκετά είναι τα ερωτήματα που προκύπτουν και οι απαντήσεις δεν αναμένεται να είναι γνωστές σύντομα. Πότε θα μπορούσε ένας κβαντικός υπολογιστής να είναι εμπορικά διαθέσιμος, όπως έγινε με τον προσωπικό υπολογιστή πριν από δεκαετίες; Μέχρι να γίνουν οι κβαντικοί υπολογιστές εμπορικά διαθέσιμοι, οι εταιρείες που τους κατασκευάζουν θα ισομοιράζουν την ισχύ τους σε όλους τους εν δυνάμει πελάτες; Δεδομένου ότι με τα σημερινά δεδομένα, ένας κβαντικός υπολογιστής έχει τη δυνατότητα να θέσει άχρηστα ακόμα και τα πιο προηγμένα συστήματα κρυπτογράφησης, τι θα συμβεί αν κάποιος κατασκευαστής ή χώρα αποκτήσει σαφές προβάδισμα σε ισχύ κβαντικών υπολογιστών; Θεωρητικά, οι χρηματοοικονομικοί οργανισμοί θα έπρεπε να ανησυχούν λιγότερο για αυτές τις εξελίξεις, δεδομένου ότι τα κρυπτογραφημένα κλειδιά συστημάτων που διαχειρίζονται ενεργειακούς πόρους και όπλα , είναι πολύ πιο κρίσιμα σε σχέση με τα κλειδιά που αφορούν στους τραπεζικούς λογαριασμούς. Ωστόσο, αν αφήσουμε στην άκρη τα δυστοπικά σενάρια και εστιάσουμε σε δήλωση εκπροσώπου της Bank of America, η οποία έγινε στα τέλη του 2019, “οι κβαντικοί υπολογιστές θα φέρουν τόσο σημαντικές αλλαγές τη δεκαετία του 2020, όσο τα smartphones στη δεκαετία του 2010.” Εταιρείες, όπως οι JPMorgan και Citibank έχουν ήδη ξεκινήσει να πειραματίζονται με κβαντικούς υπολογιστές και παράλληλα επενδύουν σε start-up εταιρείες που δραστηριοποιούνται σε αυτόν τον τομέα. Οι ευρωπαϊκές τράπεζες διερευνούν επίσης πιθανές ευκαιρίες που συνδέονται με την αξιοποίηση κβαντικών υπολογιστών. Οι BBVA, Caixa και Standard Chartered έχουν κάνει συνεργασίες  κυρίωςμε ακαδημαϊκά ιδρύματα στις ΗΠΑ, προκειμένου να βρουν τομείς εφαρμογής των κβαντικών υπολογισμών. Πολύ πιθανό είναι ότι και οι εταιρείες που πρωτοπορούν στην κατασκευή κβαντικών υπολογιστών έχουν προσεγγίσει χρηματοοικονομικούς οργανισμούς, ωστόσο οι κινήσεις αυτές δεν δημοσιεύονται προσωρινά με φειδώ.

Το πιθανότερο είναι ότι οι πρωτοπόροι θα παραμείνουν πρωτοπόροι
Αν και οι ανατροπές σε ένα τόσο μεταβαλλόμενο περιβάλλον δεν αποκλείονται, καθώς η ανάπτυξη των οργανισμών δεν εξαρτάται μόνο από τα τεχνολογικά εργαλεία που διαθέτουν, υπάρχουν αρκετές πιθανότητες οι οργανισμοί που θα αξιοποιήσουν πρώτοι τις εκθετικές τεχνολογίες να παραμείνουν ηγέτες στην αγορά τους. Ωστόσο, αυτή διαδρομή κρύβει όλους τους κινδύνους ενός ταξιδιού προς το άγνωστο και επομένως χρειάζεται να γίνει με προσεκτικά βήματα και τους κατάλληλους συνεργάτες. Για τις εκθετικές τεχνολογίες μίλησαν στο Digital Finance, η Υδρόγειος Ασφαλιστική και η εταιρεία τεχνολογίας Unisystems.

Υδρόγειος: Αρχίσαμε να αξιοποιούμε το ΑΙ πριν γίνει buzzword
Από το 2013, η Υδρόγειος Ασφαλιστική αξιοποιεί τεχνολογίες τεχνητής νοημοσύνης για να βελτιώσει τις διαδικασίες ανάλυσης δεδομένων. Για την εξέλιξη της τεχνολογικής διαδρομής της εταιρείας μιλήσαμε με τον Θάνο Αγγελόπουλο, Διευθυντή Διαχείρισης Κινδύνων και Αναλογιστικής

Οι ασφαλιστικές εταιρείες ήταν από τις πρώτες που αξιοποίησαν την ανάλυση δεδομένων για να ισορροπήσουν το κόστος ασφαλίστρων με το ρίσκο του ασφαλιζόμενου κινδύνου. Σε σχέση με το παρελθόν, βλέπετε κάποιες διαφορές με την αξιοποίηση των εκθετικών, όπως ονομάζονται τεχνολογιών;

Στο παρελθόν για την ανάλυση των δεδομένων υπήρχαν σημαντικοί περιορισμοί, κυρίως λόγω της περιορισμένης δυνατότητας σε επεξεργαστική ισχύ.  Οπότε συχνά χρειάζονταν να κάνουμε εκπτώσεις στον όγκο των δεδομένων που τροφοδοτούσαμε στα συστήματα ανάλυσης. Επιπλέον, εμπόδιο ήταν η ποιότητα των δεδομένων, καθώς αυτά δεν αποθηκεύονταν με το σωστό τρόπο, δηλαδή με τη λεπτομέρεια που θα χρειάζονταν μια σε βάθος ανάλυση. Ακόμα και απλά πεδία στις βάσεις δεδομένων, όπως η ημερομηνία γέννησης ενός οδηγού ή η μάρκα του αυτοκινήτου ήταν περιγραφικά, με αποτέλεσμα να παίρνουμε λανθασμένα αποτελέσματα στις αναλύσεις μας. Αυτά τα εμπόδια έκαναν την διαδικασία της ανάλυσης επίπονη και ενεργοβόρα και για αυτό συνήθως, η περίοδος ανάλυσης ήταν ετήσια.

Καθώς, τα υπολογιστικά συστήματα αποκτούσαν επεξεργαστική ισχύ για να αναλύουν μεγάλες ποσότητες δεδομένων, οι ασφαλιστικές εταιρείες, όπως και εμείς, αποφάσισαν να δομήσουν πιο σωστά τα δεδομένα τους. Αυτό για εμάς συνέβη πρώτη φορά 2013, όταν ξεκινήσαμε το πρώτο μας μεγάλο έργο με αξιοποίηση analytics, το οποίο είχε σχέση με την ασφαλιστική απάτη. Τότε, πήραμε την απόφαση να διορθώσουμε την εικόνα των δεδομένων που είχαμε συλλέξει στο παρελθόν, αλλά και να δημιουργήσουμε διαδικασίες ώστε να συλλέγουμε δεδομένα στην επιθυμητή μορφή. Αυτή η διαδικασία κράτησε 1,5 έτος και έθεσε τα θεμέλια για τα μοντέλα ανάλυσης που χρησιμοποιούμε σήμερα. Τότε, αξιοποιήσαμε και για πρώτη φορά τεχνολογίες τεχνητής νοημοσύνης, οι οποίες μας βοήθησαν να αυτοματοποιήσουμε σε σημαντικό βαθμό την εκκαθάριση των δεδομένων. Οπότε από το 2013 και έπειτα, τα συστήματά μας αξιοποιούν αλγόριθμους, οι οποίοι πλέον θέτουν περισσότερους από 180 κανόνες, ώστε να είμαστε βέβαιοι ότι τα δεδομένα που συλλέγουμε είναι σε μορφή που θα μας επιτρέψει την ανάλυσή τους στη συνέχεια.

Οπότε η εταιρεία σας ξεκίνησε να εφαρμόζει τεχνολογίες τεχνητής νοημοσύνης πριν αυτές αποκτήσουν τη φήμη που έχουν σήμερα; Τι σας ώθησε σε αυτήν την απόφαση;

Θα έλεγα ότι αυτό που μας ώθησε ήταν η ανάγκη και το όραμα για το επίπεδο που θέλαμε να φτάσουμε την ανάλυση δεδομένων. Ως κινητήρια δύναμη για την επίτευξη του οράματος μας λειτούργησε και η συνεργασία μας με τη SAS, η οποία είχε διαθέσιμες τις απαραίτητες τεχνολογικές λύσεις.

Στη συνέχεια βλέποντας η εταιρεία ότι το έργο άρχισε να αποδίδει καρπούς, όσο εξελίσσονταν το learning curve ανθρώπων και συστημάτων, αποφάσισε να επενδύσει επιπλέον στην ανάλυση δεδομένων και έτσι έχουμε προσλάβει εξειδικευμένο προσωπικό και έχουμε επενδύσει στην οπτικοποίηση των αποτελεσμάτων της ανάλυσης, ώστε αυτά να είναι κατανοητά και στη διοίκηση της εταιρείας, όπου λαμβάνονται οι στρατηγικές αποφάσεις.

Πλέον έχουμε πετύχει και τους δύο στόχους που είχαμε θέσει στο πρώτο μας έργο το 2013, δηλαδή να μειώσουμε το δείκτη ζημιάς και την ασφαλιστική απάτη . Ποσοτικά, αυτό που μας δίνει μια εικόνα της επιτυχίας μας, είναι ότι έχουμε χαμηλότερο μέσο κόστος ζημιάς σε σχέση με το μέσο όρο της ασφαλιστικής αγοράς. Επιπλέον, ο συνδυασμός της αύξησης στη διαθέσιμη επεξεργαστική ισχύ και των αλγόριθμων τεχνητής νοημοσύνης, μας επιτρέπει πλέον να έχουμε πολύ συχνότερη εικόνα της αγοράς που δραστηριοποιούμαστε, η οποία για εμάς είναι κυρίως η αγορά ασφάλισης αυτοκινήτου και επίσης έχουμε πλέον τη δυνατότητα να γνωρίζουμε την αιτία μιας μεταβολής. Για παράδειγμα, μια αύξηση στην παραγωγή μπορεί να οφείλεται σε πολλούς διαφορετικούς παράγοντες και πλέον με τα visual analytics, η διοίκηση έχει τη δυνατότητα να δει με μεγάλη ακρίβεια, ποιοι είναι οι βασικοί παράγοντες που συντέλεσαν σε αυτό.

Για την τεχνολογική σας ανάπτυξη, έχετε προτιμήσει cloud υπηρεσίες από τους προμηθευτές σας ή ενδοεταιρικές υποδομές;

Όταν ξεκινήσαμε το 2015, βασιστήκαμε σε ενδοεταιρικές υποδομές. Έκτοτε, κάνουμε σταδιακά βήματα προς το cloud. Το πρώτο μεγάλο έργο που τρέχει ήδη σε cloud είναι η διαχείριση κινδύνων στο πλαίσιο του Solvency II και το FRS 17.

Ο στόχος μας είναι να οδηγήσουμε όλες τις διαδικασίες μας που χρειάζονται τεχνολογική υποδομή σε περιβάλλον cloud, γιατί θεωρούμε ότι αυτό θα μας βοηθήσει στη μείωση των λειτουργικών μας εξόδων. Βλέπουμε ότι όσο περνά ο καιρός το κόστος των υπηρεσιών στο cloud μειώνεται και θεωρούμε ότι η παρουσία της Microsoft με data centre στην Ελλάδα, θα μειώσει περισσότερο το κόστος για εμάς, καθώς οι εφαρμογές της SAS που χρησιμοποιούμε λειτουργούν σε περιβάλλον Azure.

Η δέσμευση σας με έναν προμηθευτή σας δημιουργεί κάποια ανησυχία;

Πρακτικά, η σύνδεση μας μας το Microsoft Azure δεν είναι δεσμευτική, καθώς θεωρούμε ότι αν χρειαστεί να αξιοποιήσουμε άλλον προμηθευτή, δε θα συναντήσουμε προβλήματα στη μεταφορά εφαρμογών και δεδομένων. Οπότε το δέσιμο μας είναι κυρίως με τη SAS, η οποία μας προμηθεύει με τα βασικά εργαλεία που χρησιμοποιούμε στην ανάλυση δεδομένων.

Όταν όμως μας απασχόλησε το δίλημμα, αν θέλουμε να δεθούμε με έναν προμηθευτή ή να αναπτύξουμε εσωτερικά κάποιες λύσεις, επιλέξαμε το πρώτο, γιατί η συγκεκριμένη εταιρεία διαθέτει λύσεις που καλύπτουν ένα ευρύ φάσμα των αναγκών μας εκτός από τα Analytics όπως πχ λύσεις για το Solvency II.

Επιπροσθέτως όλα τα στελέχη του τμήματος είναι εξοικειωμένα με τις συγκεκριμένες λύσεις και υπάρχει αλληλοκάλυψη αναγκών εφόσον προκύψει καθώς και μεταφορά τεχνογνωσίας από την συγκεκριμένη εταιρεία. Ωστόσο, όσο μας επιτρέπει το μέγεθός μας, κάνουμε κάποια projects, τα οποία μπορούν να συμβιώνουν με τις λύσεις SAS και μας προσφέρουν εμπειρία. Έχουμε σχεδιάσει μια αρχιτεκτονική που μπορεί να συνδυάζει διαφορετικές τεχνολογίες, είτε εμπορικά διαθέσιμες είτε ανοιχτού κώδικα, με τέτοιο τρόπο όμως που να έχουμε την πλήρη διακυβέρνηση όλων των ροών δεδομένων καθώς και των προβλεπτικών μοντέλων και αποφάσεων που λαμβάνονται μέσω αυτών. Αυτό πιστεύω είναι το κλειδί για τη νέα εποχή.

Πλέον οι τεχνολογίες data analytics και AI είναι διαθέσιμες σε μεγάλη κλίμακα και στην πλειονότητά τους είναι σχεδιασμένες έτσι ώστε να μπορούν να αλληλεπιδρούν και να συνεργάζονται μεταξύ τους χωρίς ιδιαίτερα μεγάλη προσπάθεια και κόστος.

Unisystems: To RPA είναι προτεραιότητα για τον τραπεζικό τομέα
Η Unisystems, εταιρεία μέλος του ομίλου Infoquest, εξειδικεύεται στην παροχή ολοκληρωμένων λύσεων πληροφορικής.

Ο Βασίλης Ψυχογυιός, Sales & Business Development Manager της εταιρείας, απεικονίζει τη στρατηγική της όσον αφορά την παροχή υπηρεσιών που βασίζονται σε εκθετικές τεχνολογίες

Οι εκθετικές τεχνολογίες, όπως η τεχνητή νοημοσύνη, το cloud και οι υπερυπολογιστές, υπόσχονται ένα άλμα στην επιχειρηματική ανάπτυξη, έχετε διαπιστώσει μέχρι τώρα κάποιες αλλαγές από τη χρήση τους;

Η ανάπτυξη του Cloud, της τεχνητής νοημοσύνης, της μηχανικής μάθησης, επιχειρηματικής ευφυΐας και άλλων αντίστοιχων τεχνολογιών άλλαξε ριζικά και δια παντός τον τρόπο που λειτουργεί και αναπτύσσεται ένας τραπεζικός οργανισμός. Η τεχνολογία βρίσκεται πλέον  στην καρδιά του οράματος και του επιχειρηματικού τραπεζικού μοντέλου.

Παραδείγματα στον τομέα της τεχνητής νοημοσύνης θα μπορούσαν να είναι οι λύσεις αυτοματοποίησης επαναλαμβανόμενων διαδικασιών με χρήση, μεταξύ άλλων, και τεχνολογίας Robotics Process Automation, η χρήση μηχανικής μάθησης στην παρακολούθηση νέων υπόπτων συμπεριφορών απάτης και καταπολέμησης ξεπλύματος χρήματος και χρηματοδότησης τρομοκρατίας.  Όσον αφορά το cloud computing παρέχει ευελιξία στον κύκλο υλοποίησης νέων προϊόντων συμβάλλοντας στην στρατηγική “time to market” των τραπεζών  ενώ παράλληλα  επιτρέπει γενναία μείωση στα λειτουργικά έξοδα. Οι λύσεις είναι απεριόριστες, το ίδιο και οι δυνατότητες που προσφέρουν. Η κυριότερη αλλαγή είναι πως καθιστούν ικανό έναν οργανισμό να κατανοήσει την ουσία ενός πλάνου ψηφιακού μετασχηματισμού, η οποία δεν αφορά ούτε επικεντρώνεται απλά στη μείωση του κόστους ή της ταχύτητας των διαδικασιών και υπηρεσιών της.

Πρόσφατα, η Τράπεζα της Ελλάδας έδωσε πράσινο φως για ευρύτερη χρήση του cloud. Τι δυνατότητες σας δίνει αυτή η άδεια και πως πρόκειται να τις αξιοποιήσετε το ερχόμενο διάστημα;

Τα τελευταία χρόνια οι κεντρικές τράπεζες επιδείκνυαν σκεπτικισμό ως προς τα cloud-based συστήματα κυρίως για λόγους συμμόρφωσης και πολιτικών ασφάλειας. Ωστόσο, σήμερα οι πάροχοι cloud τεχνολογιών έχουν ενισχύσει τις πολιτικές ασφαλείας τους με στόχο την ενεργοποίηση αμυντικών και προστατευτικών μηχανισμών και τη μεγαλύτερη διαφάνεια. Είναι σημαντικό να θυμόμαστε ότι οι πάροχοι cloud εδραιώθηκαν σε ένα περιβάλλον αυξανόμενων κυβερνο-επιθέσεων, επομένως οι πολιτικές ασφαλείας τους αναγκάστηκαν να γίνουν πιο ώριμες και ισχυρές.

Το πράσινο φως για την ευρύτερη χρήση του Cloud επιτρέπει σε παραδοσιακούς τραπεζικούς οργανισμούς να επιτύχουν κάτι ακόμη πιο σημαντικό: να διατηρήσουν ανταγωνιστικές πλατφόρμες σε σχέση με τις ψηφιακές τράπεζες και τα fintechs και να έχουν πιο ενεργό ρόλο στον νέο χάρτη ψηφιακής τραπεζικής.

Για την αξιοποίηση των εκθετικών τεχνολογιών, έχετε επιλέξει περισσότερο εσωτερική ανάπτυξη με τη βοήθεια ακαδημαϊκών ιδρυμάτων, ανάθεση σε τεχνολογικούς παρόχους ή ένα συνδυασμό των παραπάνω και κάτι άλλο;

Για τις θεμελιώδεις αλλαγές που επιφέρει ο ψηφιακός μετασχηματισμός και για τη δημιουργία αξίας για τους πελάτες και υπαλλήλους τους, θεωρούμε πως σημαντικό μέλημα για εμάς είναι οι συνέργειες με αξιόπιστους τεχνολογικούς παρόχους.

Προς αυτή την κατεύθυνση τοποθετούμαστε σε λύσεις και τεχνολογίες Smart Banking που μπορούν να ενοποιηθούν με τα υφιστάμενα πληροφοριακά συστήματα μιας τράπεζας για βελτιωμένη digital εμπειρία του πελάτη τους, να δημιουργήσουν υπηρεσίες “financial wellness”  με χρήση  behavioral gamification και AI τεχνολογιών, κ.α.

Επιπλέον, αναλόγως με τις ανάγκες των πελατών μας, αναπτύσσουμε εξειδικευμένες χρηματοπιστωτικές λύσεις, “own brand”, στις οποίες επενδύουμε φροντίζοντας να έχουν τη δυνατότητα να ενσωματώνουν νέες τεχνολογίες.

Από τα έργα που είναι σε εξέλιξη, από ποιο έχετε τις περισσότερες προσδοκίες όσον αφορά την αξιοποίηση εκθετικών τεχνολογιών;

Μία από τις σημαντικές συνεργασίες μας με πάροχο που διατηρεί θέση leader σε quadrands των Gartner, Forrester και Everest αφορά στην περιοχή του RPA. Η πιστοποιημένη ομάδα μας υλοποιεί έργα σε μεγάλους τραπεζικούς οργανισμούς υποστηρίζοντας όχι μόνο την αυτοματοποίηση επαναλαμβανόμενων καθηκόντων, αλλά και τον προκαταρκτικό εντοπισμό αυτών που θα επιφέρουν και το μεγαλύτερο ROI στον πελάτη μας.

Με βάσει την άποψη των  πελατών μας και τις έρευνες της τραπεζικής αγοράς, φαίνεται πως το RPA είναι η κύρια περιοχή επένδυσης σχετικά με την τεχνολογία της τεχνητής νοημοσύνης από τις τράπεζες που επιχειρούν ψηφιακό μετασχηματισμό. Λαμβάνοντας επίσης υπόψη πως η εφαρμογή του RPA δεν επικεντρώνεται μόνο σε μία διεύθυνση ενός οργανισμού, αλλά σε ολόκληρο το φάσμα των λειτουργιών του, οι προσδοκίες μας για νέα έργα και ποιοτική υποστήριξη των πελατών μας είναι αρκετά υψηλές.

Τα δυο είδη της τεχνητής νοημοσύνης που κάνουν τη διαφορά

Οι ειδικοί χωρίζουν την τεχνητή νοημοσύνη σε δύο είδη, τουλάχιστον σε ό,τι αφορά τις λύσεις που προσφέρει σε μια εταιρεία και κατ’επέκταση στην ανάπτυξη της. Το “Αδύναμο ΑΙ” και το “Δυνατό ΑΙ”. Ο διαχωρισμός αυτός δεν υποκρύπτει κάτι για τις ικανότητες της νέας τεχνολογίας αλλά όπως θα διαβάσετε αναφέρεται κυρίως στο εύρος των λειτουργιών που καλύπτουν οι δύο κατηγορίες.

Το “Αδύναμο ΑΙ” είναι ένα σύστημα τεχνολογίας όπου μπορεί να εκπληρώσει και να επιτύχει ένα πο-λύ συγκεκριμένο task. Είναι σχεδιασμένο έτσι που να μπορεί να βοηθήσει στην επίλυση συγκεκριμέ-νων προβλημάτων. Το Αδύναμο ΑΙ λειτουργεί σύμφωνα με τους κανόνες που έχουν προγραμματιστεί και είναι “εξαρτημένο” από αυτούς. Με άλλα λόγια έχει σχεδιαστεί με τέτοιο τρόπο που να ενεργεί ευφυώς και αποτελεσματικά στα tasks που του έχουν ανατεθεί.

Το “Δυνατό ΑΙ” έχει πολύ μεγαλύτερο εύρος λειτουργίας. Πρόκειται για την τεχνητή νοημοσύνη που έχει μεγάλες ικανότητες και λειτουργικότητα, φτάνοντας στο σημείο να “μιμείται” το ανθρώπινο μυαλό. Είναι τόσο δυνατό που οι ενέργειες που κάνει το σύστημα είναι ίδιες με αυτές ενός ανθρώπου. Μπορεί να προχωρήσει σε πολλαπλά tasks ταυτόχρονα και να επιλέξει πώς θα ολοκληρώσει το καθένα έτσι ώστε να έχει το καλύτερο δυνατό αποτέλεσμα.

Προφανώς το “Δυνατό ΑΙ” είναι μια τεχνολογία που δεν έχει ιδιαίτερη εφαρμογή ακόμα στις επιχειρήσεις, ωστόσο θεωρείται πως πρόκειται για το μοντέλο που θα κυριαρχήσει τα επόμενα χρόνια.