رهبران مالی بریتانیا: خروجیهای نادرست، بزرگترین مانع در مسیر پذیرش هوش مصنوعی است
به گزارش بلومبرگ (Bloomberg) بر اساس این نظرسنجی، نیمی از شرکتکنندگان (۵۰٪) «حقایق خیالی» یا «خطاهای عددی» را اصلیترین نگرانی خود هنگام استفاده از هوش مصنوعی در بازارهای مالی عنوان کردند. همچنین ۲۷٪ دیگر «کمبود قابلیت توضیحپذیری» را مانع جدی اعتماد به این فناوری دانستند. این نتایج نشان میدهد که با گسترش استفاده از هوش مصنوعی در تصمیمگیریهای مالی، دقت و شفافیت بیش از هر زمان دیگری اهمیت یافته است.
پاسخدهندگان در ادامه توضیح دادند که چه عواملی بیشترین اعتماد را به سیستمهای هوش مصنوعی ایجاد میکند. ۳۲٪ «ذکر منابع توسط هوش مصنوعی» را مهمترین ویژگی دانستند، ۳۰٪ «بررسی خطای داخلی» را انتخاب کردند و ۲۵٪ «نظارت انسانی» را عامل کلیدی اعتماد معرفی کردند. در مقابل، تنها ۹٪ «زبان و استدلال پیشرفته» و ۵٪ «سرعت خروجیها» را معیار اصلی ارزیابی دانستند.
صنعت مالی بهدنبال ادغام سرتاسری هوش مصنوعی در فرایندهای کاری است، اما تنها در صورتی که این سیستمها بتوانند خروجیهای قابل اعتماد، قابل کنترل و قابل راستیآزمایی را در مقیاس گسترده ارائه دهند
آماندا استنت (Amanda Stent)، رئیس راهبرد و پژوهش هوش مصنوعی در بلومبرگ، در توضیح این نتایج گفت: «اعتمادپذیری زمانی شکل میگیرد که خروجیهای هوش مصنوعی قابل پرسش و اعتبارسنجی باشند. این موضوع به انتساب منابع، شفافیت و کیفیت دادههای زیربنایی وابسته است تا بتوان خروجیها را ردیابی، بررسی و با اطمینان در تصمیمگیری استفاده کرد. این دقیقاً همان رویکردی است که بلومبرگ در توسعه هوش مصنوعی دنبال میکند؛ ترکیب دادههای باکیفیت و قابل اعتماد با ابزارهای هوش مصنوعی که در جریانهای کاری واقعی تعبیه شده و با محوریت دقت، شفافیت و کنترل طراحی شدهاند.»
با وجود نگرانیهای جدی درباره دقت، علاقهمندی به کاربردهای پیشرفتهتر هوش مصنوعی در صنعت مالی همچنان رو به افزایش است. نزدیک به دوسوم پاسخدهندگان (۶۶٪) «دستیاران هوش مصنوعی تمامجریان» (full workflow AI assistants) را هیجانانگیزترین تحول آینده دانستند؛ بسیار جلوتر از کاربردهایی مانند «بینشهای شخصیسازیشده پرتفوی» (personalised portfolio insights) با ۹٪ یا «ابزارهای کوانت بدون کدنویسی» (nocode quant tools) با ۱۲٪.
این نتایج نشان میدهد که صنعت مالی بهدنبال ادغام سرتاسری هوش مصنوعی در فرایندهای کاری است، اما تنها در صورتی که این سیستمها بتوانند خروجیهای قابل اعتماد، قابل کنترل و قابل راستیآزمایی را در مقیاس گسترده ارائه دهند.
در جریان این رویداد، بلومبرگ همچنین نقشه راه ۲۰۲۶ برای (ASKB) را معرفی کرد؛ رابط گفتوگویی جدید هوش مصنوعی (conversational AI interface) که اکنون در نسخه آزمایشی قرار دارد و قرار است شیوه تعامل سرمایهگذاران با «ترمینال بلومبرگ» (Bloomberg Terminal) را بازتعریف کند. این نقشه راه، (ASKB) را بهعنوان یک موتور یکپارچه «هوش نهادی» (institutional intelligence) معرفی میکند که بر دادهها و محتوای قابل اعتماد بنا شده، در جریانهای کاری سازمانی تعبیه شده و مطابق با اصول «هوش مصنوعی مسئولانه» (Responsible AI principles) بلومبرگ برای دقت، شفافیت و کنترل طراحی شده است.
انتهای پیام/