Kakva je uloga umjetne inteligencije u financijskom sektoru tema je o kojoj je na WinDays19 konferenciji predavao Tomislav Križan iz tvrtke Atomic Intelligence.
On je dao primjer primjene umjetne inteligencije na predviđanja potrebna jednoj američkoj banci, od predviđanja problema u redovnom plaćanju rata kredita klijenata, pa sve do predviđanja bankrota klijenata - prvenstveno onih koji traže kreditiranje.
Predstavio je dva u tu svrhu korištena algoritma, GBM i Random Forest, a njima dobiveni podaci jo bi se uspoređivali i kombinirali. Trebalo je određeno vrijeme da se shvati kako funkcionira bankarski sektor, jer se primjerice u predikciju iz sustava banke povlače predviđeni prihodi za svakog pojedinog klijenta, još 3-4 nakon zadnje uplate, iako ti prihodi zapravo nisu nastali, što je stvaralo probleme u točnosti predviđanja.
U odnosu na američki bankarski sektor, europski daje nešto slabije rezultate, jer u SAD-u postoji puno bolji javno dostupan set atributa nego je to slučaj u Europi, pa su i predviđanja u SAD-u u pravilu točnija. Dobrim rezultatom se smatraju svi rezultati koji prelaze 75 posto točnosti, a sve preko 85 posto smatra se vrlo dobrim rezultatom. Svakom novom iteracijom sustav uči i podiže točnost te je u nekim slučajevima od inicijalnih 71 posto točnosti na početku, nakon 10 iteracija došlo do 92 posto. Predviđanja bankrota imala su čak 97,5 posto točnosti.
