در منظره FinTech که به سرعت در حال تحول در حال تحول است ، هوش مصنوعی فقط تقویت سیستم های موجود نیست – این روش تغییر شکل ، راه اندازی و مقیاس بندی محصولات را تغییر می دهد. در این مکالمه با ما صحبت می کنیم Raksha Vashishta، یک رهبر مدیریت محصول با تجربه راه اندازی راه حل های fintech در بازارهای جهانی. از پیمایش پیشگیری از کلاهبرداری بدون به خطر انداختن تجربه کاربر تا تشریح چارچوبی برای توسعه محصول اول ، Raksha بینش هایی را به اشتراک می گذارد که تفکر متعارف را به چالش می کشد. او همچنین چشم انداز اطلاعات مالی پیش بینی کننده را ارائه می دهد که سیگنال هایی را که ممکن است FinTech در آن قرار بگیرد ، نشان می دهد.
مقاله های بیشتری را در اینجا کاوش کنید: تغییر شکل مجدد AI: از شخصی سازی بیش از حد تا رشد مسئولانه
شما با استفاده از هوش مصنوعی در فضای پرداخت نتایج قابل توجهی را هدایت کرده اید – از کاهش نرخ خطا تا افزایش درآمد معامله. آیا می توانید ما را از طریق یک پروژه که واقعاً تفکر استراتژیک شما را به چالش کشیده و دیدگاه خود را در مورد نقش هوش مصنوعی در نوآوری محصول تغییر شکل داده است ، قدم بزنید؟
من با تمرکز بر رویکرد “مشکل اول” به جای استفاده از هوش مصنوعی برای اجرای شغل و فرآیندی که در وهله اول وجود نداشته یا در وهله اول مورد نیاز نبودم ، نتایج را با استفاده از AI در پرداخت ها به دست آورده ام. همانطور که مربی من نیروی دریایی می گوید ، “در عصر اهرم بی نهایت ، قضاوت به مهمترین مهارت تبدیل می شود.”
دانش خاص ناشی از کنجکاوی واقعی و اشتیاق با ارزش تر از این است که فقط آنچه را که روند را دنبال می کند ، دنبال کنید. برای من ، همانطور که به کار من مربوط می شود ، این به معنای کاهش کارت اعتباری از طریق یک چارچوب طراحی و ساخت سیستم های اتوماسیون تشخیص کلاهبرداری است.
این پروژه های مهم من را ملزم به تکرار کل چارچوب با ایجاد اطلاعات در مورد الگوهای معامله برای یادگیری مداوم کردم. تغییر از واکنشی به فعال کاهش مثبت کاذب تا 70 ٪ برای سازمان.
من سیستم ها و عوامل هوش مصنوعی را که دارای چرخه های مختلف توسعه محصول هستند ، تصور می کنم. طرح های معماری مناسب بازده نمایی را در مقایسه با موارد اشتباه ایجاد شده در همان بازه زمانی ایجاد می کنند.
با وجود سیستم های هوش مصنوعی که از میلیون ها نفر در معاملات بالقوه کلاهبرداری محافظت می کنند ، چگونه می توانید خط خوب بین پیشگیری از کلاهبرداری و حفظ تجربه مشتری بدون اصطکاک را متعادل کنید؟
این یک سؤال عالی است ، زیرا حتی کارشناسان فناوری فصلی نیز چالش هایی را برای پیمایش در تجارت بین اولویت های رقیب دارند. رویکرد من تصمیم گیری کلان قبل از میکروها است. این کلید متعادل کردن این اولویت ها است.
نمونه ای از تصمیم کلان که می توانم به آن فکر کنم این است که ما از کل رویکرد طراحی خود استفاده کردیم تا اطمینان حاصل کنیم که سیستم های داخلی با دیدگاه ما برای بهینه سازی فرایندهای پرداخت و ایجاد کنترل های نظارتی پیرامون خطاهای مهم مطابقت دارند. این دیدگاه یکپارچه به عنوان یک ستاره شمالی برای همه انتخاب های تصمیم گیری بعدی ما عمل می کند. تیم من به جای اینکه بخواهد امنیت کامل در این شرایط باشد ، تصمیم به بهینه سازی اعتماد مشتری در ضمن حفظ پروفایل ریسک قابل قبول گرفت.
در سطح خرد ، تصمیمات به طور طبیعی دنبال می شود. این تصمیم به طور معمول حول اجرای معیارهای رفتاری خاص که به طور نامرئی کار می کنند ، مانند الگوهای تشخیص کلاهبرداری و اعلان های حیرت انگیز که برای پیگیری پرداخت ها به مشتریان خطاب می شود ، تکامل می یابد. من در یکی از جلسات مربیگری خود با یک صاحب مشاغل کوچک به یاد می آورم ، ما در زمینه اجرای آستانه نمره کلاهبرداری برای انواع مختلف معامله به عنوان بخشی از استراتژی خرد کار کردیم.
تصمیمات کلان جهت تجارت را تعیین می کند و تصمیمات خرد سرعت و دقت آن تصمیمات را تعیین می کند.
شما هفت محصول اصلی fintech را در چندین کشور راه اندازی کرده اید. چگونه استراتژی محصول خود را برای تطبیق تفاوت های فرهنگی ، نظارتی و فناوری در این بازارهای متنوع تطبیق می دهید؟
راه اندازی محصولات در چندین بازار به من آموخته است که تمام بازده های زندگی از علاقه مرکب ناشی می شود و هر بازار در یادگیری های قبلی متفاوت ساخته شده است. همه چیز در مورد تنظیم همان محصول اصلی ارائه شده به فرکانس های محلی است.
درک تفاوتهای فرهنگی قبل از بهینه سازی. قبل از اصلاح هر ویژگی ، من رفتارهای پرداخت محلی و روابط پول را مطالعه می کنم. در حالی که برخی از بازارها امنیت را بیش از سرعت ترجیح می دهند ، برخی دیگر تمایل دارند که راه دیگر را بچرخانند. برخی از مناطق به پرداختهای دیجیتال به عنوان وضعیت نگاه می کنند و برای معدودی ، آنها صرفاً سودمند هستند. این درک همه چیز را از بازاریابی گرفته تا طراحی UX سوق می دهد.
منظره نظارتی مفهوم مجوز در مقابل اجازه کمتر را نشان می دهد. پیشینه من در امور مالی باعث شده است كه این مرزهای انطباق را به عنوان پارامترهای طراحی به جای موانع مشاهده كنم. نکته اصلی ساخت معماری محصول مدولار است که در حالی که یک لایه انطباق را بر اساس بازار تطبیق می دهد ، یک هسته ثابت را حفظ می کند.
بازارهای مختلف خود را با واقعیت های بسیار متفاوت فن آوری ارائه می دهند. نکته اصلی ساخت با تخریب برازنده است. بازارهای نوظهور سیستم ها را با اتصال متناوب تقاضا می کنند.
به عنوان کسی که به طور قابل توجهی بازده پردازش معاملات را بهبود بخشیده است ، به نظر شما چه چیزی دست کم ترین نقاط درد در زیرساخت های پرداخت امروز است – و چگونه AI می تواند با آنها مقابله کند؟
دو نکته اصلی درد وجود دارد: تکه تکه شدن هویت و تأخیر در تسویه.
تکه تکه شدن هویت اصطکاک غیر ضروری را ایجاد می کند و باعث شده است که مشتریان وقتی مجبور می شوند هویت خود را در چندین لایه تأیید کنند ، معاملات را رها کنند. تأخیر تسویه حساب یکی دیگر از نقاط درد است که مشاغل با آن مبارزه می کنند. از طریق کار من دست اول در Mentoring PCV ، من دیده ام که چگونه این چالش بر جریان نقدی مشاغل کوچک تأثیر می گذارد.
هوش مصنوعی مشکلات را از طریق قضاوت در مقیاس حل می کند و از این مدل ها استفاده می کند تا الگوهای رفتاری را بدون وقفه در تجربه کاربر برای تأیید هویت ، یک تغییر دهنده بازی کند. مدل های مشابه همچنین می توانند الگوهای را برای تشخیص معاملات خطرناک و مشکوک ارزیابی کرده و به تأخیرهای تسویه حساب بپردازند.
شما یک رویکرد سیستماتیک برای توسعه محصول ذکر کرده اید. چارچوب شما هنگام ادغام هوش مصنوعی در یک نقشه راه محصول از IdeaTion تا راه اندازی چیست؟
من چارچوب مدیریت محصول متمرکز بر Fintech را به عنوان ادغام تخصص محصول لوئیس لین و اصول استراتژیک مربی من Naval می دانم.
- رویکرد اولین مسئله: من به طور معمول با بیان نقاط درد مالی که ارزش حل آن را دارند ، این پروژه را آغاز می کنم. مسیری که در آن حرکت می کنیم در مقایسه با سرعتی که در آن پیشرفت می کنیم از اهمیت باورنکردنی برخوردار است و این مفهوم برای مدیریت محصول نیز وجود دارد. این مرحله همچنین قبل از در نظر گرفتن راه حل های هوش مصنوعی ، تمرکز روی تنگناهای معامله را تسهیل می کند.
- طراحی اول- رویکرد من شامل ترکیب الزامات نظارتی به عنوان پارامترهای طراحی است و نه به عنوان یک پس از آن. تجربه من ثابت کرده است که ، به ویژه برای نوآوری های فن آوری ، مرزهای انطباق فضای امن برای نوآوری در زمینه نظارتی ایجاد می کند.
- ارزیابی ارزش داده ها: داده ها روغن نیستند ؛ آب است. این در تمام جنبه های تجارت جریان دارد و باید در هر تصمیمی منعکس شود. برای محصولات fintech به طور خاص ، من دارایی های داده های مالی را در برابر ابعاد نظارتی ، حریم خصوصی و ارزش تجاری ترسیم می کنم.
- استراتژی MVP (حداقل محصول قابل دوام): نکته اصلی طراحی سیستم های انعطاف پذیر است که با تغییر رفتار مشتری سازگار است. طراحی یک محصول اصلی که می تواند از طریق حلقه های بازخورد مداوم ساخته شود بسیار مهم است.
- حلقه بازخورد تکراری: تکامل به آرامی حرکت می کند اما به طور مداوم هوش را شکست می دهد ، و همانطور که قبلاً مورد بحث قرار گرفت ، تمام بازده در دنیای مدیریت محصول از علاقه به چرخه های بهبود مداوم مداوم ناشی می شود.
هنگام مربیگری رهبران آینده محصولات در FinTech ، چه تغییر ذهنیت را ترغیب می کنید تا در یک منظره نوآوری اولی پیشرفت کنید؟
در جریان مربیگری رهبران محصول FinTech ، من تمرکز خود را روی چهار تغییر ذهنیت انتقادی تشویق می کنم تا در فضای نوآوری AI AI محور رشد کنم
- تفکر بازیکن بی نهایت– هر طرحی باید با این فکر همراه باشد که ما برای یک بازی بی نهایت در این فضا قرار داریم و راه حل های محدود پایدار نیست
- تکامل به طور مداوم هوش را شکست می دهدبشر سیستم های ما فقط به همان اندازه که می دانیم خوب هستند. حلقه بازخورد مداوم برای اطمینان از این که سیستم ها در حل چالش های دنیای واقعی مرتبط و کارآمد هستند ، ضروری است.
- قضاوت خوب نیاز به صداقت داردبشر دیدگاه های متنوع عملکرد مدل را با به چالش کشیدن فرضیات اساسی بهبود می بخشد. از این رو ، باز بودن برای بازخورد بسیار مهم است.
- فرار از رقابت از طریق اصالت– برای هر کسی سخت است که با شما بودن با شما رقابت کند. به معنای مدیریت محصول ، برای استفاده از بینش و تجربیات منحصر به فرد خود برای شناسایی مشکلات بدون فشار ، بسیار مهم خواهد بود. این عمدتاً از رویکرد مدیریت محصول معمولی که با تجزیه و تحلیل رقیب شروع می شود ، منحرف می شود.
با نگاهی به آینده ، یک ایده بزرگ در AI-Driven Fintech یا تحرک هوشمند که بیشتر از همه هیجان زده یا نگران هستید ، چیست و چرا؟
چیزی که بیشتر از همه من را هیجان زده می کند این است که چگونه سیستم های AI FinTech را از واکنشی به پیشرو تغییر می دهند. محاسبات و داده های محاسباتی فراوان است ، اما آنچه واقعاً کمیاب است تمایل و خلاقیت است. تحول آمیزترین مفهوم fintech در حال ظهور ، هوش مالی پیش بینی کننده است. سیستم های هوش مصنوعی که منعکس کننده شبکه های عصبی هستند ، به طور پیشگیرانه خطرات و فرصت های مالی را قبل از تحقق بخشیدن به آنها می پردازند. یک مطالعه جدید از MIT در مورد ارزهای دیجیتال نشان می دهد که موسسات مالی می توانند ضمن حفظ حریم شخصی کاربر ، الگوهای کلاهبرداری را تشخیص دهند. من همچنین یک چالش دولت آینده را پیش بینی می کنم که شامل تعادل نظارت نظارتی با سرعت نوآوری باشد.