Gotovo da nema industrije u kojoj se ne koristi neki oblik umjetne inteligencije. Ništa drugačije nije niti u financijskoj industriji, gdje i hrvatski fintech sektor ima što za reći

Sustavi umjetne inteligencije danas se već koriste u gotovo svim industrijama. Od zabavnih, dostupnih i običnom korisniku, koji stvaraju razne ilustracije ili generiraju tekst, pa sve do onih daleko složenijih koji upravljaju (polu)autonomnim automobilima, strojno učenje i umjetna inteligencija polako preuzimaju obavljanje svakodnevnih zadataka. Neke od njih, poput spomenute autonomne vožnje, korisnici mogu i izravno iskusiti, dok s drugima – poput AI sustava za kibernetičku zaštitu – nemaju izravnog doticaja, iako im oni olakšavaju život.

Kad je riječ o fintechu, jednoj od najbrže rastućih tech industrija, umjetna se inteligencija koristi primarno na ovaj drugi način, u kojem korisnici većinom nisu niti svjesni da neke zadatke “u pozadini”, potiho i neprimjetno obavlja AI. No, toga su itekako svjesni u fintech kompanijama, jer im takvi sustavi značajno pomažu u radu.

Osnovne primjene umjetna inteligencija je u fintechu pronašla u zadacima automatizacije (provjere identiteta ili kreditnog rizika), pri otkrivanju bankovnih prevara, analizi potrošačkih navika te povećanju sigurnosti transakcija. AI tako da je fintech kompanijama jedinstvenu priliku za smanjenje troškova, povećanje operativne efikasnosti i sigurnosti te, u konačnici, poboljšanje korisničkog iskustva. Slični sustavi primjenjuju se i u domaćoj fintech kompaniji Aircash, a o tome smo popričali s njihovim novim stručnjakom, Patrikom Mesecom, koji je nedavno zaposlen kao Data/AI specijalist.

Tamo će se baviti rješenjima temeljenima na umjetnoj inteligenciji, podacima i naprednoj analitici, čime Aircash želi unaprijediti svoju platformu, dodatno koristiti velike količine dostupnih podataka te tako, uz napredne tehnologije, iz njih dobivati veću vrijednost.

Data specijalisti ključni su ljudi u poslovanju, kada se ono želi poboljšati na temelju podataka. Ti zaposlenici pružaju osnovu za praktičnu provedbu ciljeva, a AI rješenja postaju osnova novih poslovnih modela i inovativnih proizvoda, kako u fintechu tako i u drugim industrijama. Pitali smo stoga Patrika kako će se koristiti i čemu će služiti AI i automatizacija u Aircashu.

Nedavno si stigao u Aircash. Možeš li nam kratko opisati svoj poslovni put?

Moj poslovni put započeo je izradom mobilne aplikacije za optimizaciju treninga snage koja je trenutno dostupna na Google Playu i koju koristim na tjednoj bazi. Izradom takvog proizvoda shvatio sam kako me najviše zanima rad s podacima i strojno učenje. Specijalizaciju u tom području započeo sam istovremeno kroz studentski posao, predmete na fakultetu i natjecanja na platformi Kaggle. Tijekom studentskih poslova najviše sam se bavio strojnim učenjem u području računalnog vida, a kroz natjecanja dodatno sam sakupio iskustvo u obradi tekstualnih i tabličnih podataka.

Što od ranijeg iskustva možeš iskoristiti na ovoj poziciji?

Na ovoj poziciji mogu iskoristiti većinu ranije stečenog iskustva, što uključuje primjenu strojnog učenja za automatizaciju različitih problema u području računalnog vida, teksta i tabličnih podataka. Osim primjene strojnog učenja, vjerujem da Aircashu mogu pridonijeti prijedlogom novih ideja, koje mogu, a i ne moraju biti rezultat analize i rada s dostupnim podacima. Strojno učenje je samo alat koji nije rješenje za sve probleme, pa vjerujem da takva perspektiva, u kojoj je glavni cilj nadodati vrijednost Aircash proizvoda, može biti od koristi.

Može li se mnogo toga u Aircashu automatizirati i kako se to planira učiniti?

U Aircashu je već puno toga automatizirano, sve radimo in-house i brzo reagiramo s razvojem kada vidimo potrebu da nešto ubrzamo i automatiziramo. Ali naravno, uvijek se može dodatno automatizirati i ubrzati svakodnevni rad, kao na primjer smanjenje količine repetitivnih poslova drugih odjela u firmi i slično. Primjeri konkretnih funkcionalnosti su provjera identiteta korisnika, analiza i predviđanje novih potrebnih usluga po regijama. Prioritet razvoja navedenih funkcionalnosti ovisi o potrebama, dostupnim podacima i očekivanom utjecaju na Aircash.

Koristite li, primjerice, popularne tehnologije računalnog vida ili prepoznavanja teksta?

Područje brzo napreduje, no uz pomoć natjecanja na Kaggleu i uz prošlo stečeno iskustvo u sklopu studentskih poslova u toku sam s tehnologijama u području računalnog vida i teksta koje se koriste u praksi. To uključuje poznavanje trenutno najboljih arhitektura modela za srodne probleme, biblioteka u kojima su takvi modeli implementirani i radnih okvira pomoću kojih je razvoj modela za novi specifični problem olakšan.

Koju primjenu strojnog učenja bi izdvojio kao najvrjedniju za Aircash u poslovnom smislu?

Primjena strojnog učenja, prediktivne i statističke analize omogućuju poslovanju da izvuku zaključke koji će pomoći u donošenju poslovnih odluka, pomaže pri identificiranju budućih obrazaca ponašanja koji mogu biti korisni za tvrtku u razumijevanju potreba kupaca, poboljšanju marketinške strategije ili optimiziranju mnogih poslovnih procesa. Dodatno, primjena strojnog učenja za automatiziranu detekciju zlonamjernih korisnika i transakcija ima za cilj maksimizaciju zaštite korisnika. Suvremene metode socijalnog inženjerstva značajno su se unaprijedile, pa je bitno da su korisnici svjesni da Aircash vodi brigu o njihovoj sigurnosti kako bi mogli bezbrižno, brzo i jednostavno koristiti aplikaciju i sve usluge.

Kako izgleda proces izrade modela strojnog učenja nekog problema?

Proces izrade modela strojnog učenja sastoji se od nekoliko koraka. Prvi korak je sakupljanje, čišćenje i analiza podataka. Zatim je potrebno odabrati prikladan model koji se uči na prethodno sakupljenim podacima. Odabir optimalnog modela vrši se pomoću evaluacije na zasebnom skupu podataka. Naučeni model potrebno je pripremiti za upotrebu u produkciji, a dodatno je potrebno uspostaviti sustav za nadziranje rada modela u produkciji kako bi se vidjela stvarna vrijednost modela. S vremenom je potrebno iterativno poboljšavati model na temelju grešaka i novih podataka, a cijeli postupak ponovnog učenja, evaluacije i puštanja u produkciju može se automatizirati. Treba naglasiti kako za pojedine probleme postoje već gotovi javno dostupni modeli, pa je uvijek dobro prvo istražiti specifično područje.

Hoće li korisnici iskusiti kakve prednosti AI tehnologije kroz Aircash aplikaciju?

Korištenje AI tehnologije doprinosi povećanoj sigurnosti korisnika kroz implementaciju anti-fraud modela i analizu transakcijskih podataka. Redovito pratimo povratne informacije naših korisnika i često dobivamo pozitivan feedback na usluge i korisničku podršku, a automatizacija korisničke podrške dodatno će ubrzati vrijeme obrade pojedinog upita, pa bi rješavanje problema korisnika trebalo biti još brže. Uvođenje novih usluga može biti inicirano na temelju modela za predviđanje potrebnih usluga pojedine regije u ovisnosti o specifičnim korisnicima, pa bi na taj način korisnici brže dobili željene usluge.