Człowiek, pieniądze i maszyny: jak konsumenci mogą skorzystać z Cyber Society

Jak nauka behawioralna, nauka o danych i technologia mogą najlepiej służyć naszemu życiu finansowemu? Pytania do wybitnej grupy ekonomistów, profesorów i opiniotwórców na  konferencji sponsorowanej przez ING w Amsterdamie.
Autor : Jeremy Gaunt
W tym artykule:
  • Długotrwałe relacje z klientami
  • Zbyt dużo danych?
  • Współpraca maszynowo-ludzka
  • Czego banki mogą się nauczyć

Długotrwałe relacje z klientami

Żyjemy w świecie, w którym ogromne ilości danych są przeszukiwane przez programy sztucznej inteligencji (AI), aby przekonać nas co kupować, nosić, jeść i w co inwestować. Pojawił się on w zapierający dech w piersiach tempie. Pytanie brzmi, jak ludzie mogą czerpać korzyści z tego “społeczeństwa cybernetycznego”. Jaką rolę pełnią banki i inni (o ile w ogóle mają jakąś) w zapewnieniu prawidłowego działania całej tej machiny?
Taki był problem przed panelem ekspertów, którzy spotkali się 9 lipca pod patronatem ING Think Forward Initiative i Amsterdam Innovation District. Lokalizacja Amsterdam Science Park była więcej niż trafna – to wioska kontenerowa nowoczesnych firm rozpoczynających działalność.

„Musimy zastanowić się, w jaki sposób możemy zmobilizować spójność społeczną , aby pomóc ludziom” – powiedział Mark Cliffe, główny ekonomista ING. Badania sugerują, że banki nadal są instytucjami posiadającymi bardzo duże zaufanie u konsumentów jeśli chodzi o zarządzanie pieniędzmi. „Powinniśmy skupić się na budowaniu relacji z klientami przez całe życie”, powiedział na konferencji.

ING Chief Economist, Mark Cliffe

Za dużo danych?

Banki coraz częściej przeszukują zgromadzone przez siebie dane, aby dowiedzieć się w jak i kiedy poinformować siebie i swoich klientów o krokach finansowych, które należy podjąć. Czy zrobić to za pośrednictwem tzw. Robo-doradztwa, aplikacji płatniczych lub po prostu projektując nowe produkty. Główny specjalista ds. Analizy ING Görkem Köseoğlu powiedział, że należy podjąć więcej wysiłków w celu lepszego zrozumienia czynników determinujących decyzje finansowe. Ale to nie jest takie proste.

Tworzenie siatki sztucznej inteligencji z tzw. Big Data spowodowało szereg problemów

Łączenie sztucznej inteligencji z tzw. Big Data wywołało szereg problemów. Głównie nie były one związane z samą technologią, ale z jej wykorzystaniem. Na przykład Paul Ormerod, ekonomista i profesor wizytujący w UCL, pokazał:
a) jak czasami było zbyt wiele danych, aby były użyteczne,
b) w jaki sposób można łatwo wpłynąć na konsumentów.

W pierwszym przypadku Ormerod zauważył, że zwykłe wpisanie „telefonu komórkowego” w wyszukiwarce Google wyrzuciło około 155 milionów wyników lub punktów danych. W drugim przytoczył wcześniejsze badania pokazujące, że wiedza o tym co wybrali inni doprowadziła do „fenomenalnej różnicy” w muzyce pobranej przez grupę testową uczniów. Ale pokazał także, jak przydatne mogą być ogromne ilości danych, śledząc nastrój Londyńczyków na podstawie analizy pozytywnych i negatywnych tweetów na Twitterze.
AI, podsumował Ormerod, był dobry w wychwytywaniu wzorców, ale zupełnie bezużyteczny we wszystkim innym. Zasadniczo AI nie może interpretować, nawet jeśli przez większość ludzi może być postrzegane w ten sposób.

Gerd Gigerenzer, Niemiecki psycholog

Współpraca maszynowo-ludzka

W podobnym duchu profesor Gerd Gigerenzer, dyrektor Harding Risk Literacy Centre w berlińskim Instytucie Rozwoju Człowieka Maxa Plancka, zauważył różnicę między ryzykiem a niepewnością. Przy pierwszej zasadniczo wiemy co może nadejść, a przy drugiej nie wiemy. Sztuczna inteligencja działa najlepiej w pierwszym przypadku, ale ludzie rozwinęli się aby zrozumieć “niepewność”, czego maszyny nie mogły zrobić.
„Musimy mieć dobrą współpracę maszyna-człowiek” – powiedział.

Gigerenzer uważa, że naukowcy behawioralni i inni za bardzo komplikują sprawy. Woli heurystykę – czyli zasadę kciuka – podejście do finansów i innych sektorów, unikając ogromnych ilości analiz danych.
„Opłaca się próbować znaleźć proste rozwiązanie – a to pozwala zaoszczędzić dużo pieniędzy” – powiedział Gigerenzer, pływając pod prąd Big Data. Przytoczył przypadki, w których użycie świadomej prognozy heurystycznej okazało się bardziej dokładne niż złożona analiza – coś, co nazwał „Efektem mniejszej ilości”.

Profesor Gina Neff

Profesor Gina Neff, socjolog z Oxford Internet Institute na Uniwersytecie Oksfordzkim, skupiła się na niektórych nadużyciach Big Data przez programy sztucznej inteligencji, a przynajmniej nadużywaniu przez ludzi próbujących zinterpretować to, co otrzymali od AI.
W jednym z niesławnych przypadków policja w Nowym Jorku próbowała znaleźć podejrzanego, który wyglądał jak Woody Harrelson, używając obrazu aktora w programu rozpoznawania twarzy, nieświadomi, że takie programy używają ściśle określonych pomiarów jak określone zmienne (a nie tylko wizualne podobieństwo).

„Ludzie opowiadają różne historie” – Neff powiedziała, że dane należy umieścić w kontekście, ponieważ w przeciwnym razie może to prowadzić do niebezpiecznych błędów. W przypadku sztucznej inteligencji pojawiły się „złe oczekiwania”, “złe postrzeganie ” i „ złe aplikacje ”, podczas gdy tendencyjne dane prowadzą do stronniczych wyników.
„My (potrzebujemy) budować lepsze, odpowiednie wykorzystanie sztucznej inteligencji”, powiedziała. „Niech ludzie czują, że mają jakąś moc”.

Co banki mogą się nauczyć?

Ludzie są jednak nieco zdezorientowani tym wszystkim, co sądzą na podstawie ustaleń przedstawionych przez Tony’ego Smitha, globalnego szefa usług finansowych w brytyjskiej firmie badawczej Ipsos. Na przykład 75% osób biorących udział w badaniu Ipsos stwierdziło, że chciałoby mieć dostęp do danych na temat sposobu wydawania pieniędzy. Ale tylko 40% stwierdziło, że nie miałoby problemu z udostępnieniem informacji, które mogłyby do tego doprowadzić.

Istnieje ogromna rozbieżność między krajami, jeśli chodzi o gotowość do udostępniania danych

Podobnie istnieje ogromna rozbieżność między krajami, jeśli chodzi o gotowość do udostępniania danych firmom a rzeczywiście się do takiej usługi zarejestrować. Kraje rozwijające się, takie jak Indie, są znacznie bardziej otwarte na nie niż dojrzałe gospodarki takie jak Holandia. Smith powiedział, że według Ipsos ludzie stają się bardziej pozytywnie nastawieni do takich rzeczy, jak otwarta bankowość – dzielenie się danymi z innymi, aby uzyskać więcej możliwości – jeśli można ich przekonać do korzyści jakie uzyskają. „Użyteczność pokonuje obawy” co oznacza, że naturalna ostrożność jest odstawiana na bok, jeśli coś może okazać się przydatne.

Co to wszystko oznacza dla banków?
Zgodnie z wynikami badań Ipsos, dobrą wiadomością jest to, że banki są na szczycie listy, jeśli chodzi o zaufanie. Są więc w najlepszej sytuacji, aby wykorzystać nowe technologie finansowe wraz ze swoimi klientami. Minusem jest to, że nowi i potężni gracze (zwłaszcza tacy jak Google, Amazon i Facebook) wchodzą w dział finansowy.
Szansa jaką mają banki nie będzie trwała zbyt długo.

Materiał źródłowy : “Man, money and machines: How consumers can benefit from the Cyber Society”

Dodaj komentarz

Twój adres email nie zostanie opublikowany.

This site uses Akismet to reduce spam. Learn how your comment data is processed.