Ne-a făcut plăcere să ne revedem pe scenă real și virtual la Experts talk panel cu ocazia numărului aniversar 100. Alături de noi au fost:
Horea Hopârtean - Director of Engineering @ ComplyAdvantage
Adela Mureșan - Head of AI @ Banca Transilvania
Alex Faur - CTO & Co-Founder @ PaidAnalytics
Ovidiu Mățan: Vă invit să vă prezentați audienței noastre din această seară
Adela Mureșan: Am două arii principale pe care îmi axez activitatea: Big Data și Machine Learning. Lucrez cu Big Data dinaintea apariției Hadoop 1.0. Deși diferite, Big Data și Machine Mearning se intersectează. Momentan sunt colaborator al Comisiei Europene ca Expert Reviewer al proiectelor ce folosesc aceste două tipuri de tehnologii. Lucrez la Banca Transilvania de un an.
Vlad Precup: Sunt Engineering Manager specializat în de data insights, focalizat cu precădere pe colectare, îmbogățire și procesare de date. Înainte de a începe lucrul la ComplyAdvantage, mi-am aprofundat studiile cu un masterat în străinătate pe Data Science și Machine Learning.
Horea Hopârtean: Lucrez aici de un an și jumătate, dar activez în spațiul Fintech de aproape șapte ani. Am lucrat în Cluj unde am crescut echipe de engineering.
Alex Faur: Lucrez la PaidAnalytics care produce un software de recuperare a plăților eronate. Folosește un AI care detectează plățile duble, erori la nivel de valută. Sunt architect software cu background în dezvoltare și consultanță tehnică. Am trăit o bună parte din ultimii 12 ani în Marea Britanie. Am un rol activ în a ajuta antreprenorii să înțeleagă procesul de dezvoltare al unui produs digital prin consultanța pe care o oferim. Am contribuit la dezvoltarea de produse de la nivel de idee la produs final în domenii precum, Fintech, Inginerie, Oil-Gas sau alte domenii ce presupun procesare de date.
Când vom putea înlocui un contabil cu o aplicație?
Vlad Precup: Râd pentru că m-ai nimerit cu această întrebare, tatăl meu fiind contabil. De fiecare dată când vorbesc cu el, mă gândesc la procesele manuale pe care ar trebui să le facă. În România lucrăm foarte mult cu hârtii în format fizic, cu proceduri sau procese care necesită mobilitate (prezența în fața autorităților), deci multă birocrație, cel mai mare obstacol în automatizarea acestei profesii. Există soluții care pot susține activitatea contabilă, de exemplu, soluții RPA (Robotic Process Automation), soluții prin intermediul cărora se poate alcătui un workflow care să realizeze o serie de activități precum cele din contabilitate. Pandemia ne-a apropiat destul de mult de momentul acestei automatizări.
Horea Hopârtean: Am și eu în familie tangență cu automatizarea și contabilitatea. Contabilitatea este un domeniu reglementat, cu reguli clare și declarații clare care trebuie depuse la anumite intervale. Dincolo de un system RPA (aplicabil pentru extragerea de date din facturi, de exemplu), partea reglementată poate fi facilitată printr-un sistem expert bazat pe reguli care definește cât mai clar atât datele de intrare cât și rezultatele activității contabile. Da, o anume componentă se poate realiza prin AI, dar mai este mult de lucru în această direcție dacă ne punem această întrebare la o decadă de la apariția primelor programe de contabilitate.
Un speaker de la ITDays 2020 va vorbi despre posibilitate de a înlocui un manager cu un AI. Ce părere aveți?
Horea Hopârtean: Aici este cu siguranță loc pentru AI. Premisa este adunarea de cât mai multe date structurate pe baza cărora să faci AI.
Vlad Precup: Cu siguranță, aspecte ce țin de management se pot automatiza, dar cele care țin de leadership nu pot emula cu AI, deși am întâlnit o companie al cărui domeniu de aplicabilitate pentru AI este zona de leadership, companie numită Afectiva. Cu toate că acum se ocupă de lucruri destul de simple, precum expresiile faciale, obiectivul lor final este să realizeze un AI capabil să înțeleagă stări, sentimente, care să relaționeze cu oamenii.
Adela Mureșan: Văd o simbioză între contabilul sau managerul uman și funcționalități ce au la bază AI. O parte dintre sarcini ar putea fi preluate de AI, iar factorul uman să le valideze. Se spune că dacă ai un algoritm de 100% acuratețe în AI, sigur ai greșit ceva, deoarece nu există acuratețe de 100% în AI. Vor fi mereu clienți care nu vor introduce corect datele facturilor, de exemplu, deci un contabil va trebui să știe să interpreteze și să valideze. Un algoritm poate interpreta doar ce a învățat. Un algoritm nu va reacționa la ceea ce nu a mai învățat. De exemplu, citirea documentelor poate fi preluată de AI pentru a ajuta factorul uman. În ceea ce privește managerul, se spune că cel mai bun manager e cel care este cel mai ușor de înlocuit, adică care are o echipă ce poate prelua orice face el. Echipa are o motivație doar dacă interacționează cu o persoană în care se încred.
Alex Faur: Sunt de acord cu Adela. Nu vom putea înlocui contabilul. De exemplu, algoritmul nostru detectează plățile duplicate sau chiar un număr mai mare decât ceea ce s-ar identifica manual, dar dăm un set de date mult mai mic decât ce are un contabil de verificat. Contabilul trebuie să se poată ocupa de lucruri mai creative.
Cât de mult ne putem baza pe rezultatul unui algoritm de Machine Learning?
Vlad Precup: Este o temă din ce în ce mai abordată, cu atât mai mult în zone esențiale precum impactul asupra vieții unui om, așa cum e cazul conducerii automate. Momentan, multe din modelele de Machine Learning se bazează pe corelația dintre datele de intrare și predicții. Trebuie să înțelegem de ce un anumit model a prezis un anumit lucru.
Adela Mureșan: Se pune foarte mult accent pe siguranța datelor. Comisia Europeană are mai multe proiecte în derulare, proiecte ce au la bază "explainable AI". Un alt obiectiv este atingerea unui nivel de robustețe ce nu se poate realiza, dacă testele nu sunt suficiente și complete. De exemplu, dacă avem un roboțel de curățenie prin casă, iar acesta a fost testat în laborator, dar în casă sunt animale, nu am dori să stropească cu săpun cățelul. Acesta e un factor la care dezvoltatorii trebuie să reacționeze.
Horea Hopârtean: Există o tentație de a rezolva aproape orice cu AI. Trebuie să decidem dacă facem o alegerea umană sau una de tip expert (cât mai bună) exprimată prin reguli. De exemplu, dacă un terorist dorește să își deschidă un cont bancar, răspunsul trebuie să fie negativ, nicidecum 98% sau 80%. Componenta AI poate ajuta la a da sugestii foarte bune. De exemplu, dacă vom căuta numele "Vlad Precup" vom găsi credențialele sale, dar vom găsi și o persoană cu nume identic care a făcut un accident în Canada. Sistemul AI ne poate ajuta să decidem dacă persoana ce a făcut accidentul e aceeași cu prima persoană.
Alex Faur: Dacă putem îmbunătăți un proces cu AI-ul pe care îl dezvoltăm (rezultate mai bune, fals pozitive mai puține), putem avea pe cineva care verifică ulterior. AI-ul permite acoperirea riscurilor, minimizează pierderea banilor. Aplicabilitatea în viața reală determină modul în care AI-ul este gândit și modelat. Modelele pe care le-am antrenat la PaidAnalytics cu milioane de date de la clienți au fost foarte bune, clienții notând o îmbunătățire semnificativă a modului lor de lucru. Sistemele noastre detectează erorile din procesele lor operaționale.
Sistemul vostru, Horea, analizează cât de mult corespunde un client cu profilul omului cinstit, la nivel bancar. Ca să ajungeți la niște rezultate reale trebuie să citiți foarte multe date. Cum citiți datele și ce se întâmplă cu ele?
Horea Hopârtean: Avem o zonă în care băncile nu vor să lucreze cu cei care au comis infracțiuni, iar apoi avem o zonă în care băncile doresc să atragă clienți cât mai buni. Noi obținem foarte repede informații legate de sancțiuni, de teroriști, de rezultatul unor alegeri, de cei din sistemul judecătoresc. Acolo unde se dorește identificarea de clienți buni, acolo lucrăm cu intervale mai largi, săptămâni sau luni, deoarece scopul nostru nu este de a umple internetul de boți ce recoltează zilnic aceeași informație duplicată. Pentru informație importantă, sistemele noastre o aduc și o prelucrează la nivel de câteva minute.
În ce arii este folosit AI-ul într-o bancă?
Adela Mureșan: Scenariile sunt multiple. Bankingul este un domeniu unde poți fi inovator, dar este un domeniu extrem de reglementat. De exemplu, noi am aplicat AI-ul pentru minimizarea riscurilor. Folosim AI-ul pentru extragerea datelor din cărțile de identitate. Un chatbot de la Banca Transilvania te ajută să îți actualizezi datele fără a te deplasa la bancă. Aici vorbim nu doar de citirea informației, ci și de detecția obiectelor, de identificarea unei fețe și compararea acesteia cu cea din sistem. Un alt domeniu unde folosim AI este cel al înțelegerii clientelei: oferirea de produse potrivite clientului sau modificarea aplicațiilor/ a serviciilor cu care interacționează clientul. În ceea ce privește riscul, evaluăm dacă avem un client cu potențial de risc sau dacă tranzacțiile efectuate aduc cu ele riscuri. Este necesar ca banca să intervină la timp în cazul unei operațiuni frauduloase.
Cum vedeți viitorul Fintech prin prisma AI?
Alex Faur: Sunt multe lucruri care se pot face din punctul de vedere al Fintech cu AI: verificarea datelor personale, online banking, tranzacții rapide și așa mai departe. Soluții precum Revolut au mers într-o direcție care a inspirat băncile conservatoare.
Vlad Precup : AI-ul ajută de la colectarea datelor la inferențele făcute pe baza datelor. Se pot crea agenți inteligenți care colectează date, care țin cont de aspectele legale ale jurisdicțiilor din care fac parte, care găsesc surse alternative de colectare a datelor. La nivel de curățare și validare a datelor, vorbim de ajutor la standardizarea datelor ce vin din surse multiple. Acest efort poate fi redus prin automatizare. Mai mult, pentru a detecta aceeași persoană identificată de mai multe surse de date, facem ceea ce se numește "entity resolution" sau "entity linking". Se fac progrese la nivel de knowledge graph și standardizare. Nivelul următor este punerea la dispoziție a surselor cu datele și cu relațiile dintre acestea, deci un knowledge graph de entități pe baza căruia anumite modele să reușească să stabilească cauzalități.
de Ovidiu Mățan
de Gabriel Pop
