商业 金融科技工作者应该害怕人工智能吗?

金融科技工作者应该害怕人工智能吗?

目录:

视频: Диакритические знаки во французском. Accent aigu, accent grave, accent circonflexe. Видеоурок 1. (十一月 2024)

视频: Диакритические знаки во французском. Accent aigu, accent grave, accent circonflexe. Видеоурок 1. (十一月 2024)
Anonim

人工智能(AI)和机器学习(ML)正在改变每种类型的业务。 智能工具的可用性不断提高,引发了AI革命。 现在,各种规模的公司都在其运营中实现了这些功能。 也许没有什么比金融技术更明显了( 金融科技 ) 空间。 股票交易正在实现自动化,虚拟助手对公司的建立比以往更容易,并且大多数银行业务可以通过数字门户完成。

毫不奇怪,随着这些技术使他们在工作中执行的许多任务自动化,许多人可能会担心工作的安全性。 一些 恐惧 可以肯定的是,公司成立了,但是专业人员也有很多成长和保持领先地位的机会。 这里有一些关于工人如何受到人工智能影响以及他们如何才能保持生计的见解。

渐进式革命

担心AI的金融科技工作者可能会松了一口气,他们知道根据他们的水平,他们可能还需要一些时间才能开始恐慌。 克里斯·尼科尔森(Chris Nicholson)是Skymind的联合创始人兼首席执行官,该公司是一家位于旧金山的开源(OS)深度学习提供商。 他的公司创建了Deeplearning4j,这是一种广泛使用的Java编程语言的深度学习工具。 其AI技术已用于从欺诈检测到图像识别的所有内容。 作为AI领域的权威,Nicholson向我们强调,AI革命不是一次性发生,而是以渐进的方式发生。 尼科尔森说:“机器人并不能一次普及给所有人。这是一个循序渐进的过程。” “但是当工人感到紧缩时,您会看到人们试图适应的各种方式……总的来说,一个人受的教育越少,他们越常从事机器人或算法可以完成的工作。”

在大多数行业中,受教育程度最低的工人有被首先替代的危险。 没有理由相信金融科技行业是 任何 例外。 现在,每个大型银行都提供了功能强大的移动应用程序,可让您进行存款,转账余额以及几乎所有其他常见的银行功能。 作为这些应用程序的功能集 继续 为了成长,柜员的角色变得越来越多余。 尽管没有人能真正抵御即将来临的AI革命,但处于较高位置的人员由于AI的缘故,更不容易更换,并且有更多的时间才可以取消他们的位置。

同样,大量的技术可能还没有准备好接受人们的工作。 Nicholson说:“许多工作仍然是机器人和算法无法实现的。” “他们不擅长人际关系或进行有趣的对话。他们不擅长于需要各种技能的密集手工工作,例如木工。他们不擅长管理或创造性地解决问题。他们每个人都非常了解一两件事,并且弄丢其余的。”

识别机会

Ken Dodelin是Capital One Financial Corporation的对话式AI产品副总裁。 他领导公司的虚拟助手和聊天机器人产品,并负责从一家美国银行启动了第一个自然语言(NL)SMS聊天。 在他看来,人工智能只是我们与计算机交互的下一个逻辑步骤。 多德林说:“人机交互的方式正在发生发展。” “我们拥有图形用户界面。然后我们进入了触摸屏界面。现在,我们正在探索这种对话界面。我们以前所未有的自动化方式使用NL。”

对于Dodelin而言,不应将AI视为威胁,而应将其视为每个人的机会。 他说:“我们所有人都有机会对ML变得更聪明。” “即使您的角色不是选择要使用的模型,对于 产品 组织中的业务,业务和设计负责人,以了解其潜力 这里 因为你必须能够发现机会。”

对于人工智能带给工人的每一个机会,其影响和挑战为新职位打开了大门。 杜德林特别提供了一个有趣的例子。 Dodelin说:“在我们的人才之旅中,我们聘用了我们的计划。但是,为了开发这种对话界面,我们认为我们需要发展角色。这不是我们要做的,因此我们聘请了具有皮克斯角色开发经验的人员。” 。

这项工作仅在几年前就不存在了,在这项工作中,创意专业人员被赋予AI一项“个性”。 去年,在 一个 麻省理工学院会议 就是说,尽管CEO裁员数百人,但由于找不到合适的技能候选人,他们有很多空缺职位难以填补。 人工智能革命为人们打开了许多大门。 他们有责任发展和适应未来的前景。 据多德林说,重要的是,工人“认识到所需的新技能,把握这些机会,并加以利用”。

自我教育

人们来自各种背景,无论是技术背景还是其他背景,都在自学如何编码。 无论是满足个人好奇心还是改善职业前景,越来越多的人正在学习传统教育渠道之外的新技能。 例如,微软以Azure笔记本服务的形式友好地介绍了AI和ML。 即使这些服务不会使您成为开发人员或数据科学家,理解AI和ML背后的基本技术概念也不会受到伤害。 此外,商业智能(BI)工具的兴起为专业人员提供了处理复杂数据集的机会,而无需高级的数据科学知识。

在为专业人士提供专家建议时,Dodelin不想成为规定性的。 考虑到这一点,他同意花时间学习这些技术是有意义的。 数据民主化运动使组织中更多的人员参与了公司的数据运营。 如果金融科技工作者担心工作安全,他们当然不会浪费时间来学习这些技术。

金融科技工作者应该害怕人工智能吗?