'Hầu hết các dự án AI đều không đạt được mức triển khai'

- Eric Siegel, cựu giáo sư tại Đại học Columbia và chuyên gia khoa học dữ liệu, nhận định rằng phần lớn các dự án AI ở các ngân hàng không đạt đến giai đoạn triển khai.
- Các ngân hàng đang sử dụng và thử nghiệm nhiều hình thức AI truyền thống và tiên tiến như machine learning, deep learning và generative AI.
- Siegel có niềm đam mê suốt đời với phân tích dự đoán và AI, đến mức ông đã viết và thực hiện một video âm nhạc về phân tích dự đoán.
- Ông cho rằng việc học từ dữ liệu để dự đoán và sử dụng những dự đoán này để cải thiện các hoạt động quy mô lớn là điều thú vị và cần thiết, bao gồm tiếp thị mục tiêu, phát hiện gian lận, quản lý điểm tín dụng, bảo hiểm, giá cả và lựa chọn.
- Siegel đặt câu hỏi liệu việc thất bại trong triển khai các dự án machine learning có phải là điều phù hợp do không phải mọi thứ đều phù hợp với machine learning hay đây là vấn đề cần được giải quyết.
- Ông nhấn mạnh rằng bước đầu tiên là phải lên kế hoạch cho việc tích hợp và vận hành từ đầu, để thay đổi thực sự các hoạt động.
- Eric Siegel là tác giả của cuốn sách "The AI Playbook", nơi ông giải thích những gì cần thiết để đưa các dự án AI truyền thống và tiên tiến từ ý tưởng đến thực thi.

📌 Việc triển khai thành công các dự án AI trong ngân hàng là một thách thức lớn, với phần lớn các dự án không thể vượt qua giai đoạn phát triển vì tầm quan trọng của việc học từ dữ liệu để cải thiện các hoạt động quy mô lớn như tiếp thị, phát hiện gian lận và quản lý điểm tín dụng. Để vượt qua thách thức này, Siegel khuyến nghị rằng các tổ chức cần lên kế hoạch tích hợp và vận hành ngay từ bước đầu tiên của dự án. Cuốn sách "The AI Playbook" của ông cung cấp cái nhìn sâu sắc về cách thức thực hiện điều này, từ ý tưởng đến thực thi, nhằm thay đổi thực sự các hoạt động kinh doanh thông qua AI.

Citations:
[1] https://www.americanbanker.com/news/most-ai-projects-fail-to-reach-deployment-eric-siegel