Przykładem biznesowego zastosowania sztucznej inteligencji jest zarządzanie ryzykiem. Analiza badania zatytułowanego Artificial Intelligence in Banking and Risk Management przeprowadzonego przez SAS oraz stowarzyszenie GARP (Global Association of Risk Professionals) pozwala zauważyć, że najwięcej korzyści w tym obszarze przynosi wykorzystanie AI w procesie automatyzacji (52% odpowiedzi), scoringu kredytowego (45% odpowiedzi) oraz przygotowywania danych (43% odpowiedzi). Około 1/3 respondentów badania zwróciła również uwagę na wsparcie AI podczas walidacji, kalibracji i selekcji modeli analitycznych.

Specjaliści ds. oceny ryzyka oraz eksperci z branży finansowej, którzy nie wykorzystują sztucznej inteligencji, planują wdrożyć rozwiązania AI w najbliższym czasie. 84% respondentów deklaruje implementację projektów z zakresu uczenia maszynowego i przetwarzania języka naturalnego w ciągu najbliższych trzech lat. 

Oczekiwania względem wykorzystania sztucznej inteligencji są bardzo wysokie. Większość uczestników badania wierzy, że poprawi ona ich pracę i uczyni bardziej efektywną. Najczęściej wskazywali oni na wzrost produktywności (96% odpowiedzi), szybsze wyniki analizy danych (95% odpowiedzi) oraz większe wsparcie procesów decyzyjnych (95% wskazań).

Mimo że sztuczna inteligencja jest mocno osadzona w biznesie, zdaniem 52% respondentów przeszkodą stojącą na drodze do jeszcze powszechniejszego wykorzystania tej technologii jest brak odpowiednich umiejętności. Ankietowani wskazali kolejno: małą dostępność i niską jakość danych (59% odpowiedzi), brak zrozumienia, czym jest AI wśród kluczowych interesariuszy (54% odpowiedzi) oraz problemy z interpretacją modeli analitycznych wykorzystywanych w projektach sztucznej inteligencji (47% odpowiedzi). 

Badanie przeprowadzono wśród 2000 specjalistów z branży finansowej, uwzględniając branże i sektory, takie jak: bankowość, inwestycje, bezpieczeństwo, zarządzanie aktywami / majątkiem. Na potrzeby badania do sztucznej inteligencji zaliczono: uczenie maszynowe, rozpoznawanie języka naturalnego, wizję komputerową, prognozowanie i optymalizację.  

Źródło: Artificial Intelligence in Banking and Risk Management,  SAS Institute