এই নিবন্ধটির সংস্করণ মারিসেলা ওর্ডেজ দ্বারা অনুবাদ করা হয়েছে সাধারণ উদ্দেশ্য প্রযুক্তি একটি শব্দ অর্থনীতিবিদরা প্রযুক্তির জন্য রিজার্ভ করে যা দীর্ঘায়িত অর্থনৈতিক প্রবৃদ্ধি এবং সামাজিক অগ্রগতিকে উত্সাহিত করে, পরিবার এবং কর্পোরেশনের কার্যক্রমে একইভাবে বিপ্লব ঘটায়। একটি নমুনা সাধারণ উদ্দেশ্য প্রযুক্তি হল বিদ্যুৎ। বিদ্যুত রেফ্রিজারেটর, ওয়াশিং মেশিন, ট্রেন এবং অবশ্যই কম্পিউটার সহ অনেক পণ্য এবং সেক্টরের জন্ম দিয়েছে। বিদ্যুতের আবির্ভাব বিশ্বকে আমূল বদলে দিয়েছে।
একটি সাম্প্রতিক হার্ভার্ড বিজনেস রিভিউ নিবন্ধ আমাদের যুগের সবচেয়ে গুরুত্বপূর্ণ সাধারণ উদ্দেশ্য প্রযুক্তি হিসেবে কৃত্রিম বুদ্ধিমত্তা (AI) কে মনোনীত করেছে . আমরা AI এর শক্তির সাথে পরিচিত। এটি একটি বিশ্বখ্যাত দাবা খেলোয়াড়কে পরাজিত করে একটি রোবটের আকারে প্রকাশ পায়। একটি গাড়ি যা সমান্তরাল পার্ক করতে পারে। আমরা জিজ্ঞাসা করলে যে ডিভাইসগুলি আগামীকালের আবহাওয়ার সাথে সাড়া দেয়। কিন্তু AI-এর সাথে আমাদের যোগাযোগের বেশিরভাগ অংশই ভোক্তা হিসেবে আমাদের দৈনন্দিন জীবনকে প্রভাবিত করে এমন পণ্যকে কেন্দ্র করে আবর্তিত হয়। সাংগঠনিক স্তরে, AI কীভাবে শিল্পগুলিকে ব্যাহত করবে এবং বিশেষত, আর্থিক পরিষেবাগুলি কীভাবে AI-কে কাজে লাগাবে তা নিয়ে একটি বড় প্রশ্ন রয়েছে৷
নিম্নলিখিত নিবন্ধটি কৃত্রিম বুদ্ধিমত্তা, এর সম্পর্কিত প্রযুক্তির ক্ষেত্র, সামগ্রিক এআই শিল্পের আকার এবং অর্থে কৃত্রিম বুদ্ধিমত্তার প্রয়োগগুলিকে সংজ্ঞায়িত করবে। এই অংশটি AI উন্নয়নের উপর একটি আদর্শিক রায় প্রদানের উদ্দেশ্যে নয়; বরং, এটা ফোকাস করবে কিভাবে AI আর্থিক ব্যাহত করছে।
কৃত্রিম বুদ্ধিমত্তা কম্পিউটার বিজ্ঞানের একটি ক্ষেত্র যা মানুষের মতো কাজ করে এমন বুদ্ধিমান মেশিন তৈরির উপর দৃষ্টি নিবদ্ধ করে। এআই কম্পিউটারগুলি শেখার, সিদ্ধান্ত গ্রহণ, পরিকল্পনা এবং বক্তৃতা স্বীকৃতি সহ মানবিক কার্য সম্পাদনের জন্য ডিজাইন করা হয়েছে৷
কৃত্রিম বুদ্ধিমত্তা মেশিনগুলিকে তাদের কর্মক্ষমতাকে ক্রমাগত উন্নত করতে সক্ষম করে, মানুষ কীভাবে তা করতে হয় তার জন্য নির্দেশমূলক নির্দেশনা প্রদান করে। এটি কয়েকটি কারণে তাৎপর্যপূর্ণ। প্রথমত, মানুষ আমাদের বলার ক্ষমতার চেয়ে বেশি জানে। অর্থাৎ, মানুষ দাবা খেলায় একটি মুখ চিনতে বা একটি স্মার্ট কৌশল কার্যকর করতে সক্ষম হতে পারে। যাইহোক, উন্নত কৃত্রিম বুদ্ধিমত্তা প্রযুক্তির আগে, আমাদের জ্ঞানকে উচ্চারণ করতে মানুষের অক্ষমতার অর্থ হল আমরা অনেক কাজ স্বয়ংক্রিয় করতে পারিনি। দ্বিতীয়ত, AI প্রযুক্তি কার্যকর করার ক্ষেত্রে অতিমানবীয়, মানুষের তুলনায় আরো দ্রুত এবং প্রায়শই বেশি নির্ভুলতার সাথে কাজ করে।
কৃত্রিম বুদ্ধিমত্তা অনেকগুলি ক্ষমতা এবং প্রযুক্তিকে অন্তর্ভুক্ত করে। কনসালটিং ফার্ম PWC আরও জোরদার করে যে AI "একটি মনোলিথিক বিষয় এলাকা নয়। এটি অনেকগুলি বিষয় নিয়ে গঠিত যা 'বুদ্ধিমান' বলতে কী বোঝায় সে সম্পর্কে আমাদের ধারণাকে যোগ করে৷
অবশ্যই, এই তালিকাটি ব্যাপক নয়। কৃত্রিম বুদ্ধিমত্তা বিষয় এবং প্রযুক্তির বিস্তৃত পরিসরের জন্য নীচে দেখুন৷
উপরে উল্লিখিত হার্ভার্ড বিজনেস রিভিউ নিবন্ধটি ভবিষ্যদ্বাণী করে যে "আগামী দশকে AI এর প্রভাবগুলি বৃদ্ধি পাবে, কারণ উত্পাদন, খুচরা বিক্রেতা, পরিবহন, অর্থ, স্বাস্থ্যসেবা, আইন, বিজ্ঞাপন, বীমা, বিনোদন, শিক্ষা এবং কার্যত অন্য প্রতিটি শিল্প তাদের পরিবর্তন করবে। মেশিন লার্নিংয়ের সুবিধা নিতে মূল প্রক্রিয়া এবং ব্যবসায়িক মডেল। বিপত্তিটি ব্যবস্থাপনা, বাস্তবায়ন এবং ব্যবসায়িক কল্পনার মধ্যে।"
2016 থেকে 2020 পর্যন্ত 55.1% চক্রবৃদ্ধি বার্ষিক বৃদ্ধির হার (CAGR) সহ 2017 সালে 12.5 বিলিয়ন ডলার এবং 2020 সালে 47 বিলিয়ন ডলারের বৈশ্বিক রাজস্ব চালিত করার পূর্বাভাস দেওয়া হয়েছে। বিশেষত, যে শিল্পগুলিতে সবচেয়ে বেশি বিনিয়োগ করা হবে প্রযুক্তি হল ব্যাংকিং এবং খুচরা, তারপরে স্বাস্থ্যসেবা এবং উত্পাদন। সামগ্রিকভাবে, এই চারটি শিল্প 2016 সালে বিশ্বব্যাপী AI রাজস্বের অর্ধেকেরও বেশি অন্তর্ভুক্ত করবে, যার প্রত্যেকটি প্রায় $1.5 বিলিয়ন সরবরাহ করবে।
শিল্প জুড়ে, 2017 সালে সর্বাধিক AI বিনিয়োগ হবে স্বয়ংক্রিয় গ্রাহক পরিষেবা এজেন্ট, স্বয়ংক্রিয় হুমকি বুদ্ধিমত্তা এবং জালিয়াতি বিশ্লেষণের মতো ক্ষেত্রে (নীচের চার্ট দেখুন)। মার্কেট রিসার্চ ফার্ম IDC-এর প্রোগ্রাম ডিরেক্টর জেসিকা গোপফার্টের মতে, "ব্যাংকিং, সিকিউরিটিজ এবং বিনিয়োগ এবং উৎপাদনের মতো শিল্পে জ্ঞানীয় সিস্টেমের জন্য নিকট-মেয়াদী সুযোগ রয়েছে৷ এই অংশগুলিতে, আমরা প্রচুর অসংগঠিত ডেটা, এই তথ্য থেকে অন্তর্দৃষ্টি ব্যবহার করার আকাঙ্ক্ষা এবং উদ্ভাবনী প্রযুক্তির জন্য একটি উন্মুক্ততা খুঁজে পাই।" এই নিবন্ধের পরবর্তী বিভাগে আর্থিক পরিষেবা শিল্পে কৃত্রিম বুদ্ধিমত্তার বিভিন্ন ব্যবহারের ক্ষেত্রে আলোচনা করা হবে৷
ফাইন্যান্সে কৃত্রিম বুদ্ধিমত্তা ঝুঁকি ব্যবস্থাপনা এবং ট্রেডিং থেকে শুরু করে আন্ডাররাইটিং এবং দাবি পর্যন্ত ক্ষেত্রগুলিতে অপারেশনাল দক্ষতা চালাতে পারে। যদিও কিছু অ্যাপ্লিকেশান আর্থিক পরিষেবাগুলির মধ্যে নির্দিষ্ট সেক্টরের জন্য আরও প্রাসঙ্গিক, অন্যগুলিকে বোর্ড জুড়ে ব্যবহার করা যেতে পারে৷
নিরাপত্তা এবং জালিয়াতি সনাক্তকরণের ক্ষেত্রে কৃত্রিম বুদ্ধিমত্তা অত্যন্ত মূল্যবান প্রমাণিত হয়েছে। প্রতারণা সনাক্তকরণের ঐতিহ্যগত পদ্ধতিগুলির মধ্যে রয়েছে নিয়মের একটি সেটের বিরুদ্ধে স্ট্রাকচার্ড ডেটা বিশ্লেষণ করে কম্পিউটার। উদাহরণস্বরূপ, একটি প্রদত্ত অর্থপ্রদান কোম্পানি $15,000-এ ওয়্যার ট্রান্সফারের জন্য একটি থ্রেশহোল্ড সেট করতে পারে যাতে সেই পরিমাণের বেশি কোনো লেনদেন আরও তদন্তের জন্য পতাকাঙ্কিত করা হয়। যাইহোক, এই ধরনের বিশ্লেষণ অনেক মিথ্যা ইতিবাচক উৎপন্ন করে এবং অনেক অতিরিক্ত প্রচেষ্টার প্রয়োজন। সম্ভবত আরও উল্লেখযোগ্যভাবে, সাইবার ক্রাইম প্রতারকরা প্রায়শই তাদের কৌশল পরিবর্তন করে। অতএব, সবচেয়ে কার্যকর সিস্টেমগুলিকে ক্রমাগত স্মার্ট হতে হবে৷
৷উন্নত শেখার অ্যালগরিদমগুলির সাথে, যেমন গভীর শিক্ষা থেকে, গতিশীল সমন্বয়ের জন্য সিস্টেমে নতুন বৈশিষ্ট্য যুক্ত করা যেতে পারে। ডেলয়েট লেনদেন এবং বিজনেস অ্যানালিটিক্স এলএলপি-এর একজন উপদেষ্টা অধ্যক্ষ সামির হান্সের মতে, “জ্ঞানমূলক বিশ্লেষণের মাধ্যমে, জালিয়াতি সনাক্তকরণ মডেলগুলি আরও শক্তিশালী এবং নির্ভুল হয়ে উঠতে পারে৷ যদি একটি জ্ঞানীয় সিস্টেম এমন কিছু বের করে দেয় যা এটি সম্ভাব্য জালিয়াতি হিসাবে নির্ধারণ করে এবং একজন মানুষ নির্ধারণ করে যে এটি X, Y, এবং Z এর কারণে জালিয়াতি নয়, কম্পিউটার সেই মানব অন্তর্দৃষ্টি থেকে শিখে এবং পরের বার এটি আপনার উপায়ে অনুরূপ সনাক্তকরণ পাঠাবে না . কম্পিউটার আরও স্মার্ট থেকে স্মার্ট হয়ে উঠছে।”
উদাহরণস্বরূপ, পেমেন্ট জায়ান্ট পেপ্যাল এবং এর উন্নত জালিয়াতি প্রোটোকল নিন। এর স্কেল এবং দৃশ্যমানতার কারণে, পেপ্যালের "এর পিছনে একটি বিশাল লক্ষ্য রয়েছে।" এটি 2015 সালে তার 170 মিলিয়ন গ্রাহকদের চার মিলিয়ন লেনদেন থেকে $235 বিলিয়ন প্রক্রিয়া করেছে। যাইহোক, পেপ্যাল গভীর শিক্ষার প্রযুক্তি ব্যবহার করে নিরাপত্তা বাড়াতে সক্ষম হয়েছে। প্রকৃতপক্ষে, PayPal-এর জালিয়াতি আয়ের 0.32% এ তুলনামূলকভাবে কম, যা ব্যবসায়ীরা যে 1.32% গড় দেখেন তার চেয়ে অনেক ভালো।
অতীতে, পেপ্যাল সহজ, লিনিয়ার মডেল ব্যবহার করত। আজ, এটির অ্যালগরিদমগুলি গ্রাহকের ক্রয়ের ইতিহাস থেকে ডেটা মাইন করে এবং এর ক্রমবর্ধমান ডেটাবেসে সঞ্চিত সম্ভাব্য জালিয়াতির নিদর্শনগুলি পর্যালোচনা করে৷ যদিও একটি রৈখিক মডেল 20-30টি ভেরিয়েবল গ্রাস করতে পারে, ডিপ-লার্নিং প্রযুক্তি হাজার হাজার ডেটা পয়েন্ট নিয়ন্ত্রণ করতে পারে। এই বর্ধিত ক্ষমতা পেপ্যাল সন্দেহভাজন ব্যক্তিদের থেকে নির্দোষ লেনদেন আলাদা করতে সাহায্য করে। পেপ্যালের গ্লোবাল রিস্ক সায়েন্সেসের সিনিয়র ডিরেক্টর হুই ওয়াং-এর মতে, “আমরা আরও আধুনিক, উন্নত মেশিন লার্নিং থেকে যা উপভোগ করি তা হল এর অনেক বেশি ডেটা ব্যবহার করার ক্ষমতা, স্তর এবং বিমূর্ততার স্তরগুলি পরিচালনা করা এবং জিনিসগুলি 'দেখতে' সক্ষম হওয়া [... ] এমনকি মানুষ দেখতে সক্ষম হতে পারে না।"
বছরের পর বছর ধরে, বিনিয়োগ ব্যবস্থাপনা কোম্পানিগুলি ব্যবসা করার জন্য কম্পিউটারের উপর নির্ভর করে। প্রায় 1,360 হেজ তহবিল, যা সমস্ত তহবিলের 9% প্রতিনিধিত্ব করে, ডেটা বিজ্ঞানীদের দ্বারা নির্মিত বড় পরিসংখ্যানগত মডেলগুলির উপর নির্ভর করে যা প্রায়ই গণিতের পিএইচডি (অন্যথায় "পরিমাণ" হিসাবে পরিচিত) ধারণ করে। যাইহোক, এই মডেলগুলি শুধুমাত্র ঐতিহাসিক ডেটা ব্যবহার করে, প্রায়শই স্থির থাকে, মানুষের হস্তক্ষেপের প্রয়োজন হয় এবং যখন বাজার পরিবর্তন হয় তখন ভাল কাজ করে না। ফলস্বরূপ, তহবিলগুলি ক্রমবর্ধমান সত্যিকারের কৃত্রিম বুদ্ধিমত্তা মডেলগুলির দিকে স্থানান্তরিত হচ্ছে যা শুধুমাত্র বিপুল পরিমাণ ডেটা বিশ্লেষণ করতে পারে না, তবে এছাড়াও নিজেদের উন্নতি করতে থাকুন।
এই নতুন প্রযুক্তিগুলি জটিল কৌশলগুলি ব্যবহার করে যার মধ্যে রয়েছে গভীর শিক্ষা, বায়েসিয়ান নেটওয়ার্ক নামে একটি মেশিন লার্নিং এবং বিবর্তনীয় গণনা, যা জেনেটিক্স দ্বারা অনুপ্রাণিত। AI ট্রেডিং সফ্টওয়্যার বিশ্ব সম্পর্কে জানতে এবং আর্থিক বাজার সম্পর্কে ভবিষ্যদ্বাণী করতে প্রচুর পরিমাণে ডেটা শোষণ করতে পারে। বৈশ্বিক প্রবণতা বোঝার জন্য, তারা বই, টুইট, সংবাদ প্রতিবেদন, আর্থিক ডেটা, উপার্জন সংখ্যা এবং আন্তর্জাতিক আর্থিক নীতি থেকে শ্যাটারডে নাইট লাইভ স্কেচ পর্যন্ত সবকিছু ব্যবহার করতে পারে।
স্পষ্ট করে বলতে গেলে, উপরেরটি উচ্চ-ফ্রিকোয়েন্সি ট্রেডিং (HFT) থেকে আলাদা, যা ব্যবসায়ীদের কয়েক সেকেন্ডের মধ্যে কয়েক মিলিয়ন অর্ডার কার্যকর করতে এবং একাধিক মার্কেট স্ক্যান করতে দেয়, এমন সুযোগের প্রতি সাড়া দেয় যেভাবে মানুষ সহজে পারে না। উপরে আলোচিত AI-চালিত প্ল্যাটফর্মগুলি দীর্ঘমেয়াদে সেরা ব্যবসার সন্ধান করছে এবং মেশিনগুলি-মানুষ নয়-কৌশলটি নির্দেশ করছে৷
এর মধ্যে কিছু এআই ট্রেডিং সিস্টেম স্টার্টআপ দ্বারা তৈরি করা হয়েছে। উদাহরণস্বরূপ, হংকং-ভিত্তিক Aidiya একটি সম্পূর্ণ স্বায়ত্তশাসিত হেজ ফান্ড যা কৃত্রিম বুদ্ধিমত্তা (AI) ব্যবহার করে তার সমস্ত স্টক ব্যবসা করে। "যদি আমরা সবাই মারা যাই," সহ-প্রতিষ্ঠাতা বেন গোয়ের্টজেল বলেছেন, "এটি ব্যবসা চালিয়ে যাবে।" ঐতিহ্যবাহী প্রতিষ্ঠানগুলোও এআই ট্রেডিং প্রযুক্তিতে আগ্রহী। 2014 সালে, গোল্ডম্যান শ্যাক্স সিরিজ এ ফান্ডিং রাউন্ডের নেতৃত্ব দেয় এবং কেনশো নামে একটি এআই ট্রেডিং প্ল্যাটফর্ম ইনস্টল করা শুরু করে। কেনশোর সিরিজ বি রাউন্ডের জন্য, এসএন্ডপি গ্লোবাল ছাড়াও, ওয়াল স্ট্রিটের সবচেয়ে বড় ছয়টি ব্যাঙ্ক (গোল্ডম্যান শ্যাশ, জেপিমরগান চেজ, ব্যাঙ্ক অফ আমেরিকা মেরিল লিঞ্চ, মরগান স্ট্যানলি, সিটিগ্রুপ এবং ওয়েলস ফার্গো)ও অংশগ্রহণ করেছিল৷
বিনিয়োগ গবেষণা সংস্থা ইউরেকাহেজ দ্বারা সম্পাদিত একটি সাম্প্রতিক সমীক্ষায় 2010-2016 থেকে AI ব্যবহার করে 23টি হেজ ফান্ডের কার্যকারিতা ট্র্যাক করা হয়েছে, তারা খুঁজে পেয়েছে যে তারা আরও ঐতিহ্যবাহী পরিমাণ এবং সাধারণ হেজ ফান্ড দ্বারা পরিচালিত সেইগুলিকে ছাড়িয়ে গেছে৷
AI কিভাবে ট্রেডিং শ্রম বাজারে প্রভাব ফেলবে তা পর্যবেক্ষণ করা আকর্ষণীয় হবে। এর প্রভাব কিছু বড় ব্যাংকিং প্রতিষ্ঠানে ইতিমধ্যেই স্পষ্ট। 2000 সালে, গোল্ডম্যান শ্যাচ এর নিউ ইয়র্ক সদর দফতরে মার্কিন নগদ ইকুইটি ট্রেডিং ডেস্ক 600 জন ব্যবসায়ী স্টক ক্রয় এবং বিক্রয় নিযুক্ত করেছিল। আজ, এটির দুটি ইক্যুইটি ব্যবসায়ী রয়েছে, বাকি কাজগুলি মেশিনগুলি করে৷ কেনশোর সিইও ড্যানিয়েল ন্যাডলার ঘোষণা করেছেন, "10 বছরে, গোল্ডম্যান শ্যাশ আজকের তুলনায় উল্লেখযোগ্যভাবে ছোট হবে।" এবং পরিমাণ হিসাবে, তারা দেখতে পারে যে তাদের দক্ষতা বিনিয়োগ ব্যবস্থাপনা সংস্থাগুলির কাছে কম চাহিদা রয়েছে।
বর্তমানে, শীর্ষ ব্যবসায়িক প্রোগ্রাম থেকে স্নাতকদের প্রায় এক তৃতীয়াংশ অর্থ যোগান দেয়। দেশের সেরা কিছু প্রতিভা কোথায় যাবে? ইউ.এস. কাউন্সিল অন কম্পিটিটিভনেসের সিনিয়র উপদেষ্টা মার্ক মিনিভিচ বিশ্বাস করেন যে "এই স্মার্ট ব্যক্তিদের মধ্যে কিছু টেক স্টার্টআপে চলে যাবে, বা আরও এআই প্ল্যাটফর্ম, বা স্বায়ত্তশাসিত গাড়ি, বা শক্তি প্রযুক্তি বিকাশে সহায়তা করবে […] নিউ ইয়র্ক সিলিকনের সাথে প্রতিদ্বন্দ্বিতা করতে পারে প্রযুক্তিতে উপত্যকা।"
রোবো-উপদেষ্টা হল ডিজিটাল প্ল্যাটফর্ম যা স্বয়ংক্রিয়, অ্যালগরিদম-চালিত আর্থিক পরিকল্পনা পরিষেবাগুলি ন্যূনতম মানুষের তত্ত্বাবধানে প্রদান করে। 2000 এর দশকের গোড়ার দিক থেকে মানব আর্থিক ব্যবস্থাপক স্বয়ংক্রিয় পোর্টফোলিও বরাদ্দ ব্যবহার করে আসছে, বিনিয়োগকারীদের প্রযুক্তি থেকে উপকৃত হওয়ার জন্য উপদেষ্টাদের নিয়োগ করতে হয়েছিল। আজ, রোবো-উপদেষ্টারা গ্রাহকদের পরিষেবাতে সরাসরি অ্যাক্সেসের অনুমতি দেয়। তাদের মানব সমকক্ষের বিপরীতে, রোবো-উপদেষ্টারা বাজারগুলি অবিরাম পর্যবেক্ষণ করে এবং 24/7 উপলব্ধ থাকে। Robo-উপদেষ্টারাও বিনিয়োগকারীদের 70% পর্যন্ত খরচ সাশ্রয়ের অফার করতে পারে এবং অংশগ্রহণের জন্য সাধারণত কম বা কোন ন্যূনতম প্রয়োজন হয় না।
আজ, রোবো-উপদেষ্টারা অ্যাকাউন্ট খোলা এবং সম্পদ স্থানান্তরের মতো আরও পুনরাবৃত্তিমূলক কাজগুলিতে সহায়তা করতে পারে। প্রক্রিয়াটিতে সাধারণত ক্লায়েন্টদের ঝুঁকির ক্ষুধা বা তারল্য বিষয়ক সাধারণ প্রশ্নাবলীর উত্তর দেওয়া জড়িত থাকে, যা রোবো-উপদেষ্টারা বিনিয়োগের যুক্তিতে অনুবাদ করে। বর্তমান রোবো-উপদেষ্টাদের অধিকাংশই তাদের ক্লায়েন্টদের তাদের পছন্দের ভিত্তিতে পরিচালিত ETF পোর্টফোলিওতে বরাদ্দ করার লক্ষ্য রাখে। এটা আশা করা হচ্ছে যে ভবিষ্যতে ক্ষমতাগুলি আরও উন্নত অফার যেমন স্বয়ংক্রিয় সম্পদ স্থানান্তর এবং রিয়েল এস্টেটের মতো বিকল্প সম্পদ শ্রেণি জুড়ে বর্ধিত কভারেজের মধ্যে বিকশিত হবে৷
রোবো-পরামর্শ ব্যক্তিগত অর্থ এবং সম্পদ ব্যবস্থাপনা খাতে একটি বড় প্রভাব ফেলতে পারে। যদিও বর্তমান রোবো-অ্যাডভাইজার টোটাল অ্যাসেট আন্ডার ম্যানেজমেন্ট (AUM) সম্পদ পরিচালন শিল্পের $4 ট্রিলিয়ন (সমস্ত পরিচালিত অ্যাকাউন্ট সম্পদের 1%-এর কম) মাত্র $10 বিলিয়নকে প্রতিনিধিত্ব করে, একটি বিজনেস ইনসাইডার সমীক্ষা অনুমান করে যে এই সংখ্যা 2020 সালের মধ্যে 10%-এ বৃদ্ধি পাবে এটি প্রায় $8 ট্রিলিয়ন AUM এর সমান৷
৷
শিল্পের খেলোয়াড়রা রোবো-পরামর্শের জন্য বিভিন্ন পন্থা অবলম্বন করেছে। ছোট সম্পদ ব্যবস্থাপনা সংস্থাগুলি তাদের বিনিয়োগ ব্যবস্থাপনা স্বয়ংক্রিয় করতে, খরচ/ফি কমাতে এবং রোবো-উপদেষ্টাদের সাথে প্রতিযোগিতা করতে অ্যালগরিদমিক উপাদান যুক্ত করছে। অন্যদিকে, প্রতিষ্ঠিত বিনিয়োগ সংস্থাগুলি বিদ্যমান রোবো-উপদেষ্টাদের কিনছে, যেমন Invesco-এর জেমস্টেপ অধিগ্রহণ করা বা তাদের নিজস্ব রোবো-উপদেষ্টা সমাধান তৈরি করা, যেমন FidelityGo এবং Schwab's Intelligent Advisory৷
বিশেষজ্ঞদের মধ্যে সাধারণ ঐকমত্য হল যে মানুষ অপরিহার্য থাকবে। মানব স্পর্শ সমালোচনামূলক থাকবে, কারণ উপদেষ্টাদের এখনও কঠিন আর্থিক সময়ে গ্রাহকদের আশ্বস্ত করতে হবে এবং সহায়ক সমাধানের সাথে তাদের রাজি করাতে হবে। কনসালটিং ফার্ম Accenture দ্বারা সম্পাদিত একটি সমীক্ষা প্রকাশ করেছে যে সম্পদ ব্যবস্থাপনা ক্লায়েন্টদের 77% তাদের আর্থিক উপদেষ্টাদের বিশ্বাস করে যখন 81% ইঙ্গিত দেয় যে মুখোমুখি মিথস্ক্রিয়া গুরুত্বপূর্ণ। জটিল বিনিয়োগের সিদ্ধান্ত সহ ক্লায়েন্টদের জন্য, হাইব্রিড উপদেষ্টা মডেল, যা মানব উপদেষ্টাদের সাথে কম্পিউটারাইজড পরিষেবাগুলিকে সংযুক্ত করে, আকর্ষণ লাভ করছে৷
যদিও আর্থিক উপদেষ্টারা কেন্দ্রীয় থাকবেন, রোবো-উপদেষ্টারা তাদের কাজের দায়িত্বে পরিবর্তন আনতে পারে। এআই পুনরাবৃত্তিমূলক কাজগুলি পরিচালনা করার সাথে, বিনিয়োগ পরিচালকরা সিস্টেম বজায় রাখার মতো ডেটা বিজ্ঞানী বা প্রকৌশলীর দায়িত্ব নিতে পারে। মানুষ ক্লায়েন্ট সম্পর্ক-নির্মাণ এবং মেশিনের সিদ্ধান্তগুলি ব্যাখ্যা করার উপর আরও বেশি মনোযোগ দিতে পারে।
বীমা মানুষের পুলের মধ্যে ঝুঁকির ভারসাম্যের উপর নির্ভর করে; বীমাকারীরা একই ধরনের লোকেদেরকে একত্রে গোষ্ঠীভুক্ত করে, এবং কিছু লোকের অর্থপ্রদানের প্রয়োজন হবে যখন অন্যরা তা করবে না। শিল্প ঝুঁকি মূল্যায়ন ঘিরে নির্মিত হয়; বীমা কোম্পানী তথ্য বিশ্লেষণ কোন অপরিচিত হয়. যাইহোক, AI বিশ্লেষণ করা ডেটার পরিমাণকে প্রসারিত করতে পারে সেইসাথে এটিকে কীভাবে ব্যবহার করা যেতে পারে, এর ফলে আরও সঠিক মূল্য এবং অন্যান্য কার্যকারিতা বৃদ্ধি পায়।
স্টার্টআপগুলি শিল্পকে এগিয়ে নিয়ে যাওয়ার ক্ষেত্রে সবচেয়ে এগিয়ে রয়েছে। বেইন অ্যান্ড কো-এর একজন অংশীদার হেনরিক নৌজোকসের মতে, “স্টার্ট-আপগুলি দেখায় কী সম্ভব এবং কী করা যেতে পারে৷ অনেক দায়িত্বশীল নির্বাহী এটি দেখছেন - তারা আসলে এটি বুঝতে পারে না তবে তারা জড়িত হতে চায়।" বিনিয়োগকারীরাও এই প্রবণতাটি ধরেছে (নীচে দেখুন)। 2016 সালে, AI বীমা প্রযুক্তি বিনিয়োগের জন্য সবচেয়ে জনপ্রিয় থিমগুলির মধ্যে একটি।
একটি PWC রিপোর্ট ভবিষ্যদ্বাণী করেছে যে AI 2020 সালের মধ্যে যথেষ্ট পরিমাণে আন্ডাররাইটিং স্বয়ংক্রিয় করবে, বিশেষ করে পরিপক্ক বাজারে যেখানে ডেটা উপলব্ধ। বর্তমানে, একজন বীমা আন্ডাররাইটার, কম্পিউটার সফ্টওয়্যার এবং অ্যাকচুয়ারিয়াল মডেলের সাহায্যে, সম্ভাব্য ক্লায়েন্টদের ঝুঁকি এবং এক্সপোজার মূল্যায়ন করে, তাদের কতটা কভারেজ পাওয়া উচিত এবং এর জন্য তাদের কতটা চার্জ করা উচিত। স্বল্পমেয়াদে, AI অটো, হোম, বাণিজ্যিক, জীবন এবং গ্রুপ ইন্স্যুরেন্সে প্রচুর পরিমাণে আন্ডাররাইটিং স্বয়ংক্রিয় করতে সাহায্য করতে পারে। ভবিষ্যতে, AI মডেলিংকে উন্নত করবে, মানুষের সিদ্ধান্ত গ্রহণকারীদের জন্য মূল বিবেচ্য বিষয়গুলিকে হাইলাইট করবে যা অন্যথায় অলক্ষিত হয়ে থাকতে পারে। এটিও ভবিষ্যদ্বাণী করা হয়েছে যে উন্নত AI অনন্য আচরণ এবং পরিস্থিতি বিবেচনা করে কোম্পানি বা ব্যক্তি দ্বারা ব্যক্তিগতকৃত আন্ডাররাইটিং সক্ষম করবে৷
উন্নত আন্ডাররাইটিং ডেটা মাইনিংয়ের জন্য শুধুমাত্র মেশিন লার্নিংই নয়, পরিধানযোগ্য প্রযুক্তি এবং গভীর শিক্ষার ফেসিয়াল অ্যানালাইজারও লাভ করতে পারে। উদাহরণস্বরূপ, ল্যাপেটাস, একটি স্টার্টআপ, আয়ু সঠিকভাবে পূর্বাভাস দিতে সেলফি ব্যবহার করতে চায়। তাদের প্রস্তাবিত মডেলে, গ্রাহকরা তাদের স্ব-প্রতিকৃতি ইমেল করবে, যেগুলি কম্পিউটারগুলি তারপর স্ক্যান করবে এবং বিশ্লেষণ করবে — মুখের হাজার হাজার অঞ্চল বিশ্লেষণ করে। বিশ্লেষণটি মৌলিক জনসংখ্যা থেকে শুরু করে ব্যক্তির বয়স কত দ্রুত হবে, তাদের বডি মাস ইনডেক্স এবং তারা ধূমপান করে কিনা সবকিছু বিবেচনা করবে। উপরন্তু, পরিধানযোগ্য প্রযুক্তি আন্ডাররাইটিং প্রক্রিয়াটিকে আরও সহযোগিতামূলক করে তুলতে পারে। দীর্ঘ মেডিকেল চেক এবং জটিল চুক্তি প্রক্রিয়ার উপর নির্ভর করার পরিবর্তে, পরিধানযোগ্য জিনিসগুলি পলিসিধারকের স্বাস্থ্য এবং আচরণ সম্পর্কে রিয়েল-টাইম অন্তর্দৃষ্টি প্রদান করতে পারে। স্পষ্টতই, ফিনান্সে মেশিন লার্নিং ইতিমধ্যেই বিকশিত হচ্ছে।
এই ধরনের সংক্ষিপ্ত, রিয়েল-টাইম ঝুঁকি বিশ্লেষণগুলি কেবলমাত্র আরও সঠিক গ্রাহক মূল্যই নয়, স্বাস্থ্য ঝুঁকিগুলির প্রাথমিক সনাক্তকরণ এবং প্রতিরোধে বীমা কোম্পানিগুলির জন্য বিনিয়োগের সুযোগও সক্ষম করবে। শেষ পর্যন্ত রোগীর জন্য ব্যয়বহুল চিকিত্সার জন্য অর্থ প্রদানের পরিবর্তে, বীমা কোম্পানিগুলি সক্রিয়ভাবে ক্ষতির সম্ভাবনা এবং সংশ্লিষ্ট খরচ কমানোর চেষ্টা করতে পারে।
একটি 2013 অক্সফোর্ড গবেষণায় 700 টিরও বেশি পেশা বিশ্লেষণ করে যেগুলি কম্পিউটারাইজেশনের জন্য সবচেয়ে বেশি সংবেদনশীল তা নির্ধারণ করতে, বীমা আন্ডাররাইটারদের শীর্ষ পাঁচটি সবচেয়ে সংবেদনশীল তালিকায় অন্তর্ভুক্ত করা হয়েছিল। এমনকি যেখানে AI সম্পূর্ণরূপে একজন আন্ডাররাইটারকে প্রতিস্থাপন করে না, সেখানে AI অটোমেশন একজন আন্ডাররাইটারের দায়িত্ব পরিবর্তন করতে পারে। AI উচ্চতর মূল্য-সংযোজনের জন্য একজন আন্ডাররাইটারের সময় মুক্ত করতে পারে, যেমন কম ডেটা-সমৃদ্ধ উদীয়মান বাজারে ঝুঁকি মূল্যায়ন এবং মূল্য নির্ধারণ, আরও ঝুঁকি ব্যবস্থাপনা এবং পণ্য উন্নয়ন প্রতিক্রিয়া প্রদান করে।
বীমা দাবিগুলি বীমা কোম্পানিগুলিতে পাঠানো অর্থপ্রদানের জন্য আনুষ্ঠানিক অনুরোধ। বীমা কোম্পানিগুলি তারপর বৈধতার জন্য দাবি পর্যালোচনা করে এবং একবার অনুমোদিত হলে বীমাকৃতকে অর্থ প্রদান করে। কৃত্রিম বুদ্ধিমত্তা কীভাবে প্রক্রিয়াটিকে উন্নত করতে পারে তা এখানে:
উন্নত গ্রাহক ডেটা নির্ভুলতা। দাবি প্রক্রিয়া মোটামুটি ম্যানুয়াল:মানব এজেন্ট ম্যানুয়ালি গ্রাহকের তথ্য এবং ঘটনার বিবরণ লগ করে। একটি এক্সপেরিয়ান রিপোর্ট অনুসারে, ডেটার গুণমান ক্ষতিগ্রস্থ হতে পারে:অসম্পূর্ণ ডেটা 55% ডেটা ত্রুটির জন্য দায়ী, যেখানে 32% টাইপো রয়েছে৷ AI ম্যানুয়াল ইনপুট হ্রাস করে নির্ভুলতা উন্নত করতে পারে। উপরন্তু, দাবি প্রক্রিয়ার জন্য প্রায়ই বীমা এজেন্টদের গ্রাহকের তথ্য অসংখ্য ডাটাবেসের সাথে মেলাতে হয়। এটি আরও দক্ষতার সাথে করতে AI ব্যবহার করা যেতে পারে।
দ্রুত পেআউট সুপারিশ। একটি J.D. Power &Associates সম্পত্তি দাবি সন্তুষ্টি অধ্যয়ন অনুযায়ী, ধীর দাবি চক্র সময় গ্রাহকদের অসন্তুষ্টি সবচেয়ে বড় অবদানকারী এক. AI প্রথমে নীতিটি যাচাই করে, তারপর দাবিগুলির উপর সিদ্ধান্ত নেওয়ার এবং স্বয়ংক্রিয় অর্থপ্রদানের বিষয়ে সিদ্ধান্ত নেওয়ার মাধ্যমে টার্নআরাউন্ড সময় কমাতে সাহায্য করতে পারে। এর কারণ হল AI শুধুমাত্র স্ট্রাকচার্ড ডেটাই নয়, হাতে লেখা ফর্ম এবং সার্টিফিকেটের মতো আনস্ট্রাকচার্ড ডেটাও বিশ্লেষণ করার ক্ষমতা রাখে৷
ব্যাঙ্কগুলি তাদের ক্লায়েন্ট-মুখী ভার্চুয়াল সহকারীর সাথে বড় বাজি তৈরি করছে, যা চ্যাটবট নামে পরিচিত। যদিও চ্যাটবটগুলির প্রাথমিক সংস্করণগুলি শুধুমাত্র ব্যয়ের সীমা এবং সাম্প্রতিক লেনদেন সম্পর্কে প্রাথমিক প্রশ্নের উত্তর দিতে সক্ষম হবে, ভবিষ্যতের সংস্করণগুলি সম্পূর্ণ-পরিষেবা ভার্চুয়াল সহকারী হয়ে উঠবে যা গ্রাহকদের জন্য অর্থপ্রদান করতে এবং বাজেট ট্র্যাক করতে পারে। গ্রাহকদের সাথে জড়িত হওয়া উল্লেখযোগ্য খরচ সঞ্চয় করতে পারে, কিন্তু মানুষের মিথস্ক্রিয়া নিঃসন্দেহে সহজবোধ্য সংখ্যা ক্রঞ্চিংয়ের চেয়ে আরও জটিল। সমালোচকরা চ্যাটবটগুলির সহানুভূতি এবং বোঝার অভাবের দিকে ইঙ্গিত করে, যা কঠিন আর্থিক সিদ্ধান্ত এবং পরিস্থিতি মোকাবেলা করার সময় মানুষের প্রয়োজন হতে পারে। এই প্রযুক্তির জন্য, ব্যক্তিগতকৃত গ্রাহকের উদ্বেগ এবং ইচ্ছার প্রক্রিয়াকরণ এবং সাড়া দেওয়ার জন্য প্রাকৃতিক ভাষা প্রক্রিয়াকরণের AI প্রযুক্তি অপরিহার্য হবে।
অক্টোবর 2016 এ, ব্যাংক অফ আমেরিকা এবং মাস্টারকার্ড উভয়ই তাদের চ্যাটবট যথাক্রমে এরিকা এবং কাই উন্মোচন করেছে। এটি গ্রাহকদের তাদের অ্যাকাউন্ট সম্পর্কে প্রশ্ন জিজ্ঞাসা করতে, লেনদেন শুরু করতে এবং অ্যামাজনের ইকো টাওয়ারের Facebook মেসেঞ্জারের মাধ্যমে পরামর্শ পেতে অনুমতি দেবে৷
ক্যাপিটাল ওয়ান "Eno" নামে তাদের নিজস্ব চ্যাটবটও চালু করেছে, যা "এক" এর জন্য একটি অ্যানাগ্রাম। Eno গ্রাহকদের বিল পরিশোধ করতে এবং অ্যাকাউন্টের তথ্য পুনরুদ্ধার করতে পাঠ্য-ভিত্তিক ভাষা ব্যবহার করে ব্যাঙ্কের সাথে চ্যাট করতে সক্ষম করে। বার্কলেসও অ্যাকশনে নামছে। ব্যাঙ্ক অফ আমেরিকার নতুন চ্যাটবট বর্ণনা করতে গিয়ে, ব্যাঙ্ক অফ আমেরিকার ডিজিটাল ব্যাঙ্কিং-এর প্রধান মিশেল মুর ঘোষণা করেছেন, "দুই, তিন বা চার বছরে ব্যাঙ্কিং কী হবে? এটা হতে যাচ্ছে।"
আর্থিক পরিষেবাগুলিতে কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ প্রভাব দেখতে হবে। কিছু ভবিষ্যতবাদীরা যুক্তি দিয়েছেন যে বিশ্ব দ্রুত একটি টিপিং পয়েন্টের কাছে আসছে, যা "সিঙ্গুলারিটি" তৈরি করেছে, যেখানে মেশিন বুদ্ধিমত্তা মানুষের বুদ্ধিমত্তাকে ছাড়িয়ে যাবে। বিল গেটস এবং স্টিফেন হকিং সহ বিখ্যাত প্রযুক্তিবিদ এবং বিজ্ঞানীরা এই বিষয়ে সতর্ক করেছেন। এলন মাস্কও বিখ্যাতভাবে তাগিদ দিয়েছেন, "এআই মানব সভ্যতার জন্য একটি মৌলিক অস্তিত্বের ঝুঁকি, এবং আমি মনে করি না যে লোকেরা এটিকে পুরোপুরি উপলব্ধি করে।"
যেহেতু AI আমাদের ব্যক্তিগত এবং পেশাগত জীবনকে প্রসারিত করে চলেছে, অনেকগুলি সমস্যা উদ্ভূত হতে থাকবে। এর মধ্যে রয়েছে ভুলের সম্ভাবনা, মেশিনের প্রতি অবিশ্বাসের একটি সাধারণ অনুভূতি এবং চাকরি প্রতিস্থাপনের উদ্বেগ। এই ভয় উপেক্ষা করা একটি ভুল হবে. তবুও, সমাজ ইতিমধ্যেই একটি AI-চালিত বিশ্বের দিকে এগিয়ে যাওয়ার ত্বরান্বিত পথে রয়েছে। এই নতুন বিশ্বে, মেশিন এবং মানুষ কীভাবে সর্বোত্তম সহাবস্থান করতে পারে তার উপর ফোকাস করা সবচেয়ে ফলপ্রসূ হতে পারে। নীতিনির্ধারকদের সতর্কতা অবলম্বন করা গুরুত্বপূর্ণ হবে, নতুন প্রযুক্তিগুলিকে তাদের নেতিবাচক পরিণতিগুলি পর্যবেক্ষণ ও হ্রাস করার সময় বিকাশের অনুমতি দেবে৷ আস্থা তৈরি করতে এবং এআই অ্যাপ্লিকেশনগুলির সাথে সন্তুষ্টি বাড়ানোর জন্য বিকাশকারী এবং ডিজাইনারদের এআই সিস্টেমগুলি বোঝার জন্য মানুষের ক্ষমতা বাড়াতে হবে। প্রত্যেকেরই ভূমিকা থাকবে।
যেমন হারুহিকো কুরোদা, ব্যাংক অফ জাপানের গভর্নর 2017 AI এবং আর্থিক পরিষেবা সম্মেলনে বক্তৃতা করেছিলেন, “মানুষ এবং AI একে অপরের মুখোমুখি না হয়ে পরিপূরক উপায়গুলি গঠনমূলকভাবে বিবেচনা করা আমাদের জন্য অপরিহার্য৷ উদাহরণস্বরূপ, মানুষের বিচার বিদ্যমান দৃষ্টান্ত থেকে সম্পূর্ণ মুক্ত নয়, এবং এইভাবে কখনও কখনও পরিবর্তনের প্রতি অবহেলা হয়। এই বিষয়ে, AI নিরপেক্ষভাবে বিশ্লেষণ করে এবং অসংখ্য [sic] ডেটার মধ্যে নতুন পারস্পরিক সম্পর্ক খুঁজে বের করে আমাদের পক্ষপাত সামঞ্জস্য করতে পারে। ইতিমধ্যে, মানুষ তাদের অন্তর্দৃষ্টি, সাধারণ জ্ঞান এবং কল্পনা দিয়ে AI এর দুর্বলতার জন্য ক্ষতিপূরণ দিতে পারে।"