Các doanh nghiệp cần các hệ thống ghi nhận. Chỉ khi chúng ta có các hệ thống ghi nhận, chúng ta mới có thể có các hệ thống thông minh. Và những nhà lãnh đạo kinh doanh phát triển các hệ thống thông minh trong tổ chức của họ sẽ định nghĩa tiến rừng tiếp theo trong ngành của họ. #SystemsOfRecord #SystemsOfIntelligence
Hãy nhìn vào tội phạm tài chính. Các hệ thống ghi nhận tại một ngân hàng hoặc công ty dịch vụ quỹ có thể cho phép các nhóm tìm hiểu về rồi lưu thông tin về một sự lừa đảo hoặc âm mưu tài chính cụ thể. Khi một nhân vật xấu cố gắng tái diễn kịch bản đó, hệ thống ghi nhận nhận ra nó từ cơ sở dữ liệu của mình và có thể thông báo cho các hệ thống hoặc nhân viên để ngăn chặn nhân vật xấu đó. #FinancialCrime
Nhưng tội phạm tài chính biết cách ngân hàng và các cơ quan khác làm việc. Họ liên tục thay đổi phương pháp và âm mưu. Chỉ cần nhân viên ngân hàng hoặc quản trị viên quỹ phòng thủ chống lại cùng loại tội phạm là không đủ. Họ phải tìm kiếm các mẫu lặp lại giống nhau trong dữ liệu của mình. Họ cần phòng thủ chống lại các tội phạm trong tương lai. Những tội phạm này có thể không giống với các cuộc tấn công số hay giao dịch gian lận trước đó. #SystemsOfIntelligence
Sự tiên đoán này đòi hỏi một hệ thống thông minh. Các công cụ trí tuệ nhân tạo nên nó. Những công cụ này có thể chạy phân tích không ngừng trên dữ liệu đầu vào. Chúng xác định những nguy hiểm đã biết và đánh dấu những “không biết không biết” đáng ngờ. Những dấu hiệu này có thể cho thấy hoạt động tội phạm. Hệ thống thông minh này giúp nhân viên ngân hàng hoặc nhà lãnh đạo kinh doanh khác đưa ra những khám phá mới. Họ làm điều này dựa trên dữ liệu đã được thu thập. Họ cung cấp dự đoán về những gì có thể xảy ra tiếp theo dựa trên xác suất dựa trên hệ thống ghi nhận. #AI #DataOps
Hệ thống thông minh – một thuật ngữ được tạo bởi tác giả Geoffrey Moore vào năm 2017 – nhìn sâu vào dữ liệu giao dịch để phát hiện những rủi ro ẩn sâu nhất trong một tổ chức. Quá trình phản hồi của việc tìm ra các tội phạm mới sau đó giúp tạo ra các quy tắc mới, giữ vững tốc độ với tội phạm trong khi duy trì một bộ lưu trữ mở rộng về các âm mưu của họ. #SystemsOfIntelligence
Chưa bao giờ quan trọng hơn cho các công ty tài chính chứng minh rằng họ đang đối mặt một cách nghiêm túc với tội phạm tài chính. Dự kiến chi phí tuân thủ tội phạm tài chính tại Hoa Kỳ sẽ đạt gần 46 tỷ đô la vào năm 2022, tăng từ hơn 26 tỷ đô la vào năm 2019. Chi phí phạm pháp tài chính toàn cầu của các ngân hàng vượt quá 2 nghìn tỷ đô la hàng năm. #FinancialCrime #Compliance
Các công ty tài chính và đầu tư cần các hệ thống đủ linh hoạt để đối mặt với các thách thức tuân thủ của tương lai và tiếp tục đảm nhận lượng công việc ngày càng tăng trong việc tội phạm tài chính và giám sát giao dịch. Chỉ có các giải pháp được cung cấp bởi trí tuệ nhân tạo ở giai đoạn này mới có thể cung cấp độ hiệu quả và bảo mật này. #AI #Efficiency #Security
Theo phóng viên Richard Vanderford của The Wall Street Journal, khách hàng và các quy định ngày càng mong đợi các ngân hàng, quỹ và những người khác triển khai các hệ thống trí tuệ phát hiện tội phạm tài chính bằng trí tuệ nhân tạo. Không có cách nào khác để kiểm tra hàng tỷ giao dịch trong khi người rửa tiền, buôn người, buôn bán ma túy và các tội phạm khác ngày càng trở nên tinh vi và thông minh về công nghệ. #AI #FinancialCrimeDetection
Để hiểu sức mạnh của hệ thống thông minh được định hướng bởi trí tuệ nhân tạo trong đối mặt với các thách thức đa dạng này, đáng xem là cách các công cụ tương tự đang cách mạng hóa chăm sóc sức khỏe – cụ thể là ngăn ngừa cơn đau tim. #Healthcare #AI
Trung tâm Tim mạch và Mạch máu của Đại học Semmelweis ở Hungary đã điều trị hàng nghìn bệnh nhân mắc bệnh tim. Họ đã thu thập lượng lớn dữ liệu và hình ảnh để tạo ra một mạng lưới tương đồng bệnh nhân. Nói một cách ngắn gọn, họ đã có một hệ thống ghi nhận có tiềm năng mạnh mẽ. Tuy nhiên, việc mở khóa tiềm năng của hệ thống này đòi hỏi triển khai một nền tảng trí tuệ nhân tạo. Nền tảng này tìm ra các mẫu và cung cấp thông tin. Điều này được đạt được thông qua sự kết hợp của phân tích dữ liệu biểu đồ và học có giám sát và không giám sát. #SystemOfIntelligence #Healthcare #AI
Ví dụ này cho thấy là hệ thống ghi nhận chỉ là bước đầu tiên trong việc triển khai dữ liệu để cải thiện kết quả. Bước tiếp theo cho phép các tổ chức xác định các vấn đề tái diễn kỹ thuật số. Và họ làm điều đó hiệu quả hơn nhiều. Họ liên tục nhìn về phía trước để xác định rủi ro. Trong thời gian thiếu nhân viên và yêu cầu gia tăng trên các lĩnh vực khác nhau, trí tuệ nhân tạo quan trọng cho các công ty tăng cường hiệu suất mà không tăng số lượng nhân viên. #Efficiency #StaffShortages
Hơn ba phần tư các nhà điều hành tài chính nhìn thấy việc phát hiện rủi ro có khả năng thông qua trí tuệ nhân tạo sẽ mang lại cải tiến trong phòng ngừa gian lận trong năm tới, theo một cuộc khảo sát gần đây. Hơn một nửa nhìn thấy nó đẩy mạnh phát triển trong quyết định tín dụng và tiết kiệm chi phí. #AI #FraudPrevention #CreditDecisions #CostSavings
Các công ty có hệ thống thông minh sẽ có cơ hội giảm đáng kể trên
Nguồn: https://readwrite.com/systems-of-record-are-required-for-systems-of-intelligence/
Businesses need systems of record. Only when we have systems of record can we have systems of intelligence. And business leaders who develop systems of intelligence within their organizations will define the next frontier in their sector.
Let’s look at financial crime.
Systems of record at a bank or fund services firm can allow teams to learn about and then store info on a particular financial scam or scheme. When a bad actor attempts to repeat that scheme, the system of record recognizes it from its databank and can tell systems or people to shut down that bad actor.
But financial criminals know how banks and other institutions work. They are constantly changing their methods and schemes. It’s not enough for bankers or fund administrators to defend against the same types of crime. They must look for the same repeating patterns in their data. They need to defend against the crimes of the future. These crimes may look nothing like previous digital heists or fraudulent transactions.
This foresight requires a system of intelligence. AI tools should power it. These tools can run perpetual analyses on incoming data. They identify known dangers and flag suspicious “unknown unknowns.” These may indicate criminal activity. This kind of smart system helps bankers or other business leaders make breakthroughs. They do this based on the data that’s been collected. They provide foresight for what might come next using probabilities based on the system of record.
Systems of intelligence – a term coined by author Geoffrey Moore in 2017 – look deeper into transactional data to uncover the most well-hidden risks lurking within an organization. The feedback loop of finding new crimes then helps create new rules, keeping pace with the criminals while maintaining an expanding archive of their schemes.
It’s never been more important for financial firms to show they are serious about financial crime. The cost of financial crime compliance in the United States was predicted to hit almost $46 billion in 2022, up from more than $26 billion in 2019. Global financial crime costs banks north of $2 trillion annually.
Finance and investing firms need systems that are agile enough to confront the compliance challenges of tomorrow and take on the ever-expanding amount of work involved in financial crime and transaction monitoring. Only AI-powered solutions at this stage can deliver this level of efficiency and security.
As the Wall Street Journal’s Richard Vanderford reported, customers and regulations increasingly expect banks, funds, and others to deploy financial-crime-detecting AI systems. There’s no other way to scour billions of transactions while money launderers, human traffickers, drug dealers, and other criminals grow more sophisticated and tech-savvy daily. Vanderford cited AI proponents, saying, “AI can do the job better, require less staff, and enable continuous check-ups on customers and transactions for money-laundering issues and sanctions violations.”
To understand the power of AI-driven systems of intelligence in confronting these myriad challenges, it’s worth looking at how similar tools are revolutionizing health care – specifically preventing heart attacks.
The Semmelweis University Heart and Vascular Center in Hungary has treated thousands of patients with heart disease. They collected troves of data and images to create a patient similarity network. In short, they had a potentially powerful system of record. However unlocking the system’s potential required deploying an AI platform. The platform found patterns and delivered insights. This was achieved through a combination of topological data analysis and supervised and unsupervised learning.
The Center created a system of intelligence that is now detecting cardiovascular risk sooner, predicting patient outcomes more accurately — and saving lives.
This example shows how a system of record is only the first step in deploying data to improve outcomes. Taking the next step allows organizations to identify recurring problems. And they do it far more effectively. They start looking ahead constantly to identify risk. During a time of staff shortages and rising demands across sectors, AI crucially allows companies to increase efficiency without increasing head counts.
More than three in four financial executives see AI-enabled risk detection driving improvements in fraud prevention over the next year, according to a recent survey. More than half see it driving advancements in credit decisions and cost savings.
Firms with a system of intelligence stand to see significant reductions on two fronts. They significantly cut costs. And they avoid the potentially crushing blow of attacks or missed opportunities.
Featured Image Credit: Provided by the Author; Thank you!
