Back to Blogs

8 โอกาสสำคัญของ AI ในโลก Fintech

ธันวาคม 8, 2016 2:19 AM
views
dva-blog-ai-01

แม้ว่ามนุษย์จะได้รวบรวมข้อมูลดิจิทัลมาเป็นระยะเวลานานหลายทศวรรษ แต่ส่วนใหญ่ก็ยังไม่มีการจัดข้อมูลระบบระเบียบของข้อมูลเพื่อนำไปทำ Data analytics หรือการวิเคราะห์ข้อมูลเชิงลึกกันมากนัก การนำข้อมูลมาใช้ให้เกิดประโยชน์และความเข้าใจในข้อมูลอย่างลึกซึ้ง จึงเป็นเหตุผลที่ปัจจุบัน Artificial Intelligence (AI) หรือปัญญาประดิษฐ์ ได้เข้ามามีบทบาทมากขึ้นในทุกภาคส่วนของเศรษฐกิจ

วันนี้เราได้รับเกียรติจาก Matt Walters หุ้นส่วนผู้ร่วมลงทุนใน Mission VC ที่มุ่งสร้างชุมชนทางด้านเทคโนโลยี และยังเป็น Managing Director ของ Runway Accelerator ที่มาแชร์โอกาสและศักยภาพของ AI ในวงการ FinTech ให้กับ Startup ของ Digital Ventures Accelerator ได้ฟัง

เพราะอะไร AI ถึงก้าวหน้าอย่างมากในภาค FinTech?

– ทุกวันนี้โลกเรามีความพร้อมที่จะรองรับ AI มากขึ้น จากความสามารถในการเข้าถึงและเชื่อมต่ออินเทอร์เน็ตที่เพิ่มขึ้น จากทั้งอุปกรณ์ต่างๆ (Internet of Things หรือ IoT) และเครือข่ายสังคมออนไลน์ต่างๆ ซึ่งถือเป็น “เครื่องสร้างข้อมูล” ชั้นดีให้กับ AI

– ภาคธุรกิจใดก็ตามที่จำเป็นต้องรองรับข้อมูลเป็นจำนวนมาก โดยเฉพาะภาคที่สะสมข้อมูล Big Data หรือข้อมูลที่ไม่มีโครงสร้าง เหมาะอย่างยิ่งที่จะนำ AI เข้ามาใช้

– การวิเคราะห์ของ AI สามารถนำไปสู่การทำงานที่มีประสิทธิภาพสูง เพราะศักยภาพอันเหลือเชื่อของ AI ในการประมวลคลังข้อมูล การคำนวณ และสรุปผล

– การประยุกต์ใช้ AI นอกจากจะได้พลังการประมวลผลข้อมูลที่สูงขึ้น ยังทำให้ค่าใช้จ่ายในการจัดเก็บข้อมูลลดลงประมาณ 36% ต่อปี

ประเด็นเหล่านี้ได้สร้างความเจริญก้าวหน้า ในการเอานำ AI เข้ามาช่วยพัฒนาอุตสาหกรรมบริการทางการเงิน ซึ่งปัจจุบันมี Startup หลายรายที่ใช้ประโยชน์จากโอกาสของ AI นี้ เพื่อสร้างธุรกิจมูลค่าหลายพันล้านดอลลาร์เพื่อจับตลาดบริการด้าน FinTech ที่มีมูลค่ามหาศาล

โอกาสของ AI ในภาค Fintech มีอะไรบ้าง

1. การวิเคราะห์เชิงทำนาย (Predictive Analytics)

มีการนำ AI และ Machine Learning มาใช้งานเพื่อคาดการณ์และค้นหาความต้องการของลูกค้าในอนาคต รวมถึงคาดการณ์พฤติกรรมของลูกค้าด้วย เช่น DataRobot ผู้ให้บริการแพลตฟอร์ม Machine Learning สำหรับลูกค้าองค์กร ที่ช่วยให้บริษัทสามารถคาดการณ์สิ่งต่างๆ ได้อย่างแม่นยำและรวดเร็วจากข้อมูลที่มีอยู่ อีกหนึ่งตัวอย่าง คือ แอพฯ Penny ที่สามารถติดตาม รายได้ รายจ่าย และช่วยให้คำแนะนำทางด้านการเงินแก่ผู้ใช้ (Personal Finance Coach)

dva-matt-datarobot

ภาพจากเว็บไซต์ DataRobot

2. การวิจัยตลาด และการวิเคราะห์อารมณ์และความรู้สึกจากข้อความ (Sentiment Analysis)

AI มีความสามารถในการวิเคราะห์ทั้งข้อมูลแบบที่มีโครงสร้าง (Structured data) และไม่มีโครงสร้าง (Unstructured data) ทั้งยังสามารถวิเคราะห์หรือจับเทรนด์ต่างๆ ที่อาจมีอิทธิพลต่อการผันผวนของหุ้น ก่อนที่มนุษย์จะสัมผัสได้ด้วยซ้ำ ซึ่งเป็นความรู้ชนิดที่เรียกว่า Social Alpha ที่ทุกธุรกิจต่างแย่งกันค้นคว้าเพื่อจะเป็นผู้นำในตลาด

3. การค้นหาข้อมูลด้านการเงิน (Financial Search/NLP):

– AI สามารถทำการค้นข้อมูลทางด้านการเงินจากหลากหลายแหล่ง เช่น AlphaSense ซึ่งเป็น Financial Search Engine ที่รวบรวมข้อมูลทางการเงินจากผู้ให้บริการด้านการวิจัยกว่า 1,000 แห่ง และองค์กรภาครัฐกว่า 35,000 แห่ง เช่น ข้อมูลวิเคราะห์จากโบรกเกอร์ (Broker research) และข่าวประชาสัมพันธ์ต่างๆ

dva-matt-alphasense

ภาพจากเว็บไซต์ AlphaSense

4. การลงทุนอย่างเป็นระบบ

ความก้าวหน้าในการคิดค้นระบบ AI ทำให้คนหันมาสนใจอุตสาหกรรม Quantitative Trading (การซื้อขายที่พึ่งการวิเคราะห์ทางข้อมูลเชิงตัวเลขและสถิติ) ซึ่งมีหลายคนเชื่อว่าอนาคตคอมพิวเตอร์จะเริ่มทำการซื้อขายในลักษณะที่ทำให้ Super Computer และอัลกอริทึมซับซ้อนของยุคปัจจุบันดูโบราณไปเลย และอาจถึงขั้นที่ทำให้ไม่มีอาชีพผู้จัดการกองทุนก็เป็นได้

5. การติดตามหนี้

TrueAccord คือตัวอย่างของบริการติดตามหนี้ ที่อาศัยอัลกอริทึมแสนชาญฉลาดของ AI ในการช่วยค้นหา ตรวจสอบ และจำแนก ด้วยการแกะรอยลูกค้าออนไลน์ ซึ่งเป็นการเพิ่มช่องทางสื่อสาร และประเมินเหตุผลของการผิดสัญญาหรือการไม่ชำระหนี้ได้อย่างสมบูรณ์แบบ

6. AI ด้านบัญชี และการบริการลูกค้า

ปัจจุบัน AI Bot กำลังเคลื่อนสู่ทุกภาคเศรษฐกิจ เนื่องจากหลายบริษัทกำลังมองหาวิธีการใหม่เพื่อสื่อสารกับลูกค้าโดยให้เป็นแบบอัตโนมัติ รวมถึงการสื่อสารที่เกี่ยวข้องกับการตัดสินใจของผู้ซื้อ และการบริการลูกค้า โดยเฉพาะด้าน Fintech ที่ทำให้ลูกค้าตัดสินใจด้านการเงินได้ดีขึ้น

7. การป้องกันการทำทุจริต (Fraud Detection)

AI สามารถติดตามขั้นตอน วิเคราะห์พฤติกรรมของการทำธุรกรรม เช่น บัตรเครดิต หรืออุปกรณ์อื่นๆ ที่อยู่ในระบบ เพื่อช่วยเพิ่มประสิทธิภาพในการดูแลและป้องกันการเกิดการทำทุจริตให้กับลูกค้า

8. ระบบการทำ Credit Score

ปัจจุบันมีการนำ AI ที่อาศัย Machine Learning และการวิเคราะห์ Big Data ไปใช้กับการพิจารณาสินเชื่อเพื่อดูความสามารถในการชำระหนี้ของลูกค้าและทำให้รู้จักตัวตนของลูกค้ามากขึ้น

dva-matt

Matt Walters กล่าวปิดท้ายว่า แม้ว่าเรายังไม่ทราบถึงวิธีการเรียนรู้หรือทราบถึงเหตุผลการตัดสินใจของ AI เพราะ AI ไม่ได้ทำงานจากคำสั่งที่เราป้อน แต่ใช้การวิเคราะห์ข้อมูลจากหลากหลายที่ ซึ่งอาจมีทั้งข้อดีและข้อเสีย เมื่อมนุษย์มอบอำนาจการตัดสินใจทางด้านการเงินให้กับ AI มากขึ้น อย่างไรก็ตาม AI ก็กำลังเข้ามามีบทบาทในอุตสาหกรรมทางการเงินมากขึ้น รวมถึงโอกาสมหาศาลสำหรับผู้ประกอบการที่จะเข้ามาสร้างรายได้จากเทคโนโลยี AI ในอุตสาหกรรมนี้

หากสนใจเรื่อง AI ในแง่มุมอื่นๆ นอกจาก Fintech สามารถอ่านบทความเกี่ยวกับ AI จาก คุณแชมป์-ทีปกรต่อได้เลย

Digital Ventures