3. juni 2020
Kunstig intelligens har mange brugsområder
Kunstig intelligens er et af de "hotteste" teknologidrevne emner på tværs af brancher. Mange af teknologierne er gamle, men der er et pludseligt stort fremskridt i computerkraft, algoritmer og datasæt, der har populariseret kunstig intelligens.
Virtuelle agenter, også kaldt chatbots, er blevet et almindeligt syn i flere brancher og er for mange, det man forbinder med kunstig intelligens. Men det stopper ikke der. Kunstig intelligens er en paraplybetegnelse for flere teknologier. Dette er blot nogle af dem:
- Naturlig sprogbehandling. Hjælper maskiner med at forstå og fortolke menneskeligt sprog.
- Talegenkendelse. Maskiners evne til at forstå menneskelig tale, diktere tekst og udføre kommandoer.
- Biometri. Analyse og godkendelse af menneskelige fysiske egenskaber.
- Machine Learning. Maskiner som kan lære af empiri og løse komplekse problemer ved hjælp af datadrevne metoder.
- Neurale netværk og dyb læring. Maskiner, der stimulerer hjernens neurale netværk og muliggør læring på niveau med mennesker.
- Computer vision. Grundlaget for maskiner, til at forstå og analysere digitale billeder og videoer.
- Tekst analyse. Analyse af store mængder tekstdata og autogeneration af tekst, der kan bruges på tværs af teknologi og systemer.
Skyhøjt potentiale med kunstig intelligens
Potentialet for brug af kunstig intelligens er stort, og kun fantasien sætter grænser. Fordelene ligger ikke kun i den bedre kundedialog og brugergrænseflade, men også i mere effektiv drift og forretningsstyring. De spillere, der er i stand til at kombinere kunstig og følelsesmæssig intelligens for at skabe de bedste løsninger, får en betydelig konkurrencefordel på deres marked.
Ser man på bankbranchen, er der en række anvendelser man kan benytte til at skabe en mere intelligent bank. Flere spillere er allerede nået langt med at bruge kunstig intelligens i kundeløsninger og interne processer.
Kunstig intelligens giver et øget grundlag for beslutningstagning
Fælles for mange af initiativerne fra flere banker er kundefokus og hvordan banker bedre kan forstå kundebehov, end de er i stand til i dag. Ved at analysere kundedata vil bankerne kunne tilbyde mere personaliserede anbefalinger. Kundernes behov for banktjenester opstår ofte i forbindelse med ændringer i livssituationen. Ved at analysere kundernes brugsmønstre før og efter større livsbegivenheder, kan banker oprette maskinlæringsmodeller, der genkender mønstre for kunder, der gennemgår større livsbegivenheder og fremsætter henstillinger og tilbud, der er skræddersyet til livsbegivenheden.
De spillere, der er i stand til at kombinere kunstig og følelsesmæssig intelligens for at skabe de bedste løsninger, får en betydelig konkurrencefordel på deres marked.
Relateret
