کاربرد هوش مصنوعی در مدیریت ریسک بانکها

این مقاله کاربردهای هوش مصنوعی در مدیریت ریسک بانکی را همراه با چالشهای کیفیت داده، سوگیری، مقررات و نظارت انسانی مرور میکند.
آیا دادهها میتوانند به ارزشمندترین دارایی شما تبدیل شوند؟

این مقاله پرسشها و گامهای اولیه برای شناخت داراییهای دادهای سازمان، موارد استفاده و سنجش ارزش حاصل از آنها را مرور میکند.
تصمیمگیری دادهمحور در سال ۲۰۲۴؛ فرصتها و چالشها

مروری آرشیوی بر روندها و چالشهای تصمیمگیری دادهمحور در سال ۲۰۲۴، شامل کیفیت داده، همکاری سازمانی و ابزارهای تحلیلی.
سه اولویت حکمرانی داده در سال ۲۰۲۴

این مقاله آرشیوی سه اولویت حکمرانی داده در سال ۲۰۲۴ را مرور میکند: ارزشآفرینی از داده، توسعه سواد داده و تصمیمگیری مبتنی بر شواهد.
تحلیل داده و هوش مصنوعی برای صنعت مالی

داتا با تحلیل دادههای سازمانی، توسعه مدلهای یادگیری ماشین و طراحی راهکارهای هوشمند، به بانکها و شرکتهای مالی در اعتبارسنجی، شناخت مشتری، وصول مطالبات، پردازش اسناد و تصمیمگیری دقیقتر کمک میکند.
بانکها چگونه میتوانند به موسساتی با اولویت هوش مصنوعی تبدیل شوند؟

این مقاله بر اساس چارچوب مکنزی، چهار لایه لازم برای توسعه هوش مصنوعی در بانک را از تعامل مشتری تا داده، فناوری و مدل عملیاتی مرور میکند.
بانکها برای ورود به مسیر هوش مصنوعی به چه نیاز دارند؟

این بخش از چارچوب مکنزی، ضرورت و موانع بهکارگیری هوش مصنوعی در مقیاس بانکی را توضیح میدهد و به بخش دوم راهنما میرسد.
بانکها در برابر تغییرات هوش مصنوعی چگونه تابآور بمانند؟

این مقاله دیدگاه نویسندگان هاروارد بیزینس ریویو را درباره فشار فناوری و تغییرات لازم در فرهنگ و توانمندی بانکها مرور میکند.
اولویتهای فناوری و هوش مصنوعی مولد در پیمایش ۲۰۲۴ میفیلد

این مطلب آرشیوی نتایج پیمایش سال ۲۰۲۴ میفیلد از ۲۱۷ رهبر فناوری و نوآوری درباره پذیرش هوش مصنوعی مولد را بازنشر میکند.
انواع مدلهای بلوغ داده

مدلهای بلوغ داده، چارچوبهایی هستند که کسبوکارها یا افراد میتوانند از آنها استفاده کنند تا اطمینان حاصل کنند که از دادههایشان به بهترین شکل استفاده میکنند.