TalTechi IT-teaduskonna dekaan
Generatiivne tehisintellekt on valdkond, mille kasutuselevõtust saadav kasu võib osutuda revolutsiooniliseks. Seda ka finantsmaailmas.
Eesti erasektori ettevõtete seas on tehisintellekti (AI) rakendamine alles algusjärgus. 2023. aasta digitaalmajanduse ja -ühiskonna indeksi (DESI) järgi on AI-d rakendanud vaid 5,2 protsenti Eesti ettevõtetest, millega jääme Euroopa keskmisele alla. Eesti Statistikaameti andmetel ulatub AI rakendatus suurettevõtetes rohkem kui veerandini. Eesti on seadnud eesmärgiks jõuda tehisintellekti rakendamisel 2030. aastaks 75 protsendi tasemeni, mis on ambitsioonikas plaan.
OECD määratleb tehisintellekti kui masinapõhist süsteemi, mis suudab antud sisendi põhjal väljastada ennustusi, soovitusi või otsuseid, mõjutades nii füüsilist kui ka virtuaalset keskkonda. Erinevalt lihtsast automatiseerimisest, kus ülesandeid täidetakse etteantud reeglite alusel, on AI võimeline õppima ja kohanema uute olukordadega.
AI puhul on võimalik eristada “kitsast” tehisintellekti, mis on spetsiifiliste probleemide lahendamiseks mõeldud, suhteliselt arenenud tehnoloogia, ning “laia” (või ka generatiivset) tehisintellekti, mis on kasutusse tulnud alles viimastel aastatel ja mis põhineb suurtel keelemudelitel. Kitsa tehisintellekti vahenditega on võimalik näiteks töödelda hõlpsasti suuri, andmetest seoseid ja mustreid tuvastavaid andmemassiive, andmeid klasterdada või leida trende. Selliste vahendite kasutamine peaks olema iga kaasaegse organisatsiooni tavapärases tööriistakastis. Hiljuti laiemalt kättesaadavaks saanud generatiivne tehisintellekt (mille kõige tuntum esindaja on vahest ChatGPT) avab aga hoopis uued võimalused. Tegemist on valdkonnaga, mille võimalusi me tänasel päeval veel väga hästi ei mõista, mille kasutuselevõtt nõuab kindlasti täiendavaid investeeringuid ning millest saadav kasu võib osutuda täiesti revolutsiooniliseks.
Suurte keelemudelite (nagu GPT-4, Gemini, LLaMa jt.) pakutavaid võimalusi ei oska hästi selgitada isegi AI-d arendavad suurettevõtted, ka mudelite loojatele pole nende mõistmine alati jõukohane. Iga päev toob mudelite võimekuse kohta uudiseid ja üllatusi. Näiteks käsitlevad OpenAI teadlased suuri AI-mudeleid analoogiliselt elusorganismidega – tehakse eksperimente ja seejärel proovitakse tulemusi tõlgendada. Need mudelid suudavad üldistada, arvutada, õppida uusi keeli. Kuidas nad seda aga teevad – sellest arusaamiseni on veel pikk tee minna. Samas tuleb igapäevaselt turule väga suures koguses uusi tarkvaralahendusi, mis põhinevad mainitud keelemudelitel.
Generatiivse tehisintellekti areng avab uksed seninägematutele võimalustele, mida peaks iga tulevikku vaatav organisatsioon proovima ära kasutada – kasutades kommertsalustel pakutavaid teenuseid või luues teenuseid olemasolevate mudelite baasil. Näiteks on finantsmeediaettevõte Bloomberg töötanud majasiseselt välja spetsiaalselt finantssektori vajadustele mõeldud generatiivse AI-mudeli, mida on treenitud nii Bloombergi andmeallikate kui ka avalike andmekogumite peal. Bloombergi GPT on võimeline koostama sentimendianalüüsi, finantsaruannete analüüsi ja turuprognoose, seda edukamalt kui üldotstarbelised mudelid.
Suurte keelemudelite pakutavaid võimalusi ei oska hästi selgitada isegi AI-d arendavad suurettevõtted | Foto: Andrew Neel/Unsplash
AI rakendusvaldkonnad finantsjuhtimises
Finantsjuhid mängivad ettevõtete strateegilistes otsustes üha olulisemat rolli, mis muudab nad AI rakendamise loomulikeks eestvedajateks ja eeskujudeks. Lisaks ettevõtte põhiprotsessidele annab AI rohkelt võimalusi finantsjuhtimise uuele tasemele viimiseks.
Finantsmaailmas on juba mõnda aega täheldatud AI võimekust pakkuda vähema raha eest rohkem (kui inimesed). Käesoleva aasta CitizenBank uuringus vastasid Ameerika keskmise suurusega (ehk meie mõistes suured) ettevõtted, et kolmandik neist rakendab AI-d rahavoogude prognoosimiseks ja finantsanalüüsiks. Uued, suurtel keelemudelitel põhinevad töövahendid laiendavad võimalusi AI abil uut väärtust luua. Olgu siis näiteks tulevikukindlate arengustsenaariumide loomise, personaliseeritud aruannete koostamise ning tõlgendamise või uudsete pettusskeemidega kiire kohandumise kaudu.
Finantsjuhtimise kontekstis toovad eksperdid kõige sagedamini AI kasutusvaldkondadena välja järgmised elemendid:
- Andmeanalüüs: AI tuvastab finantsandmetes mustreid ja trende, mis võimaldavad langetada teadlikumaid otsuseid kiiremini ja täpsemalt. Juba täna saavad ettevõtted tehisintellekti kasutades analüüsida enneolematul kiirusel ja reaalajas andmehulki, kaasates arvukalt muutujaid, mis varem paistsid tähtsusetud või kasutamiseks liiga keerulised. Keelemudelid võimaldavad aga kaasata analüüsi ka erinevaid mittetraditsioonilisi taustaandmeid, mille mõjul saab näiteks üha täpsemalt hinnata klientide krediidivõimet ja tulupotentsiaali.
- Prognoosimine ja stsenaariumide koostamine: AI algoritmid võimaldavad täpsemat ja automaatsemat prognoosimist, need analüüsivad ajaloolisi andmeid, tuvastavad mustreid ja võtavad arvesse erinevaid tegureid. AI abil saab luua lõputul hulgal tulevikustsenaariume, mis aitavad valmistada ette strateegilisi otsuseid. Masinõppe teel saavad ennustavad mudelid ise aja jooksul paremaks muutuda, püüda kinni nüansse ja kohaneda uute trendide, turumuutuste ja majandusnäitajatega. Selle tulemusena saavad finantsspetsialistid prognoosi, mis ei ole mitte ainult täpsem, vaid ka kohandub pidevalt muutuva ärikeskkonnaga. Generatiivne AI lisab võimekuse kaasata prognoosidesse oluliselt suuremas mahus ja erineva iseloomuga taustaandmeid ja neid prognoose erinevate kasutajagruppide jaoks tõlgendada.
Uuringufirma Gartner ennustab, et 2028. aastaks on pooltes rahvusvahelistes suurettevõtetes prognoosid tänu AI-le pidevad ning autonoomsed. Praktikas toimiva näitena on Daimleris KPI-de (tulemuslikkuse võtmemõõdik) prognoosimiseks juba kasutusel AI-põhine mootor. See koosneb suurest hulgast algoritmidest, mille vahel süsteem iseseisvalt valib. Iga kord, kui on saadaval uued kuupõhised andmed, teeb tehisintellekt KPI-dele miljoneid prognoose, valideerib neid automaatselt ja viib läbi võrdlusi varasemate tulemustega. Selle alusel valib mudel konkreetse KPI jaoks parima algoritmi või algoritmide kombinatsiooni. Et tagada pidev kalibreerimine, kordab süsteem seda protsessi iga kuu ja iga kord, kui ettevõte võtab kasutusele uue KPI.
- Aruandlus: AI automatiseerib keerukate aruannete koostamise, vähendades käsitööd ja parandades aruandluse täpsust. Samuti võimaldab AI kiiresti ja reaalajas koostada personaliseeritud aruandeid ning analüütikat, et teenindada erinevaid huvigruppe. Arvatakse isegi, et traditsioonilised aruandluslahendused nagu Power BI kaovad tulevikus ära ja asendatakse tänu generatiivsele AI-le vestlusliidesega, mis võimaldab esitada küsimusi ja AI-l selle tagajärjel lihtsalt mõista, kuidas andmeid kaevandada ning kiiresti sobivas formaadis esitada.
Kokkupuudete põhjal Eesti ettevõtetega võib öelda, et meil rakendatakse AI-d seni finantsjuhtimise kitsastes töölõikudes nagu klientide maksekäitumise, võlgnevuste või laoseisu prognoosimisel. Edasijõudnud analüüsi- ja prognoosimudeleid on kasutuses veel vähe. Samuti eksperimenteeritakse keelemudelitel põhinevate vestlusrobotite põimimisega töö erinevatesse etappidesse.
Kokkupuudete põhjal Eesti ettevõtetega võib öelda, et meil rakendatakse AI-d seni finantsjuhtimise kitsastes töölõikudes | Foto: Steve Johnson/Unsplash
AI edukas rakendamine
Konsultatsioonifirma Deloitte’i USAs tehtud uuringu kohaselt saab edukate ettevõtete näitel tuua esile kolm peamist omadust, mis eristavad AI rakendamise eesrindlasi ülejäänutest:
- Strateegiline planeerimine: Edukatel ettevõtetel on olemas ettevõtte AI rakendamise kava.
- Tulemuste mõõtmine: Eesrindlikud ettevõtted jälgivad oma AI-projektide mõju tuludele ja kliendikogemusele ning otsivad AI kasutamiseks uusi võimalusi.
- Tehnoloogilised lahendused: Enamik ettevõtteid alustab AI rakendamist olemasolevast tarkvarast, mis juba sisaldab AI-funktsioone, kuid eesrindlased kasutavad mitmekülgsemaid lähenemisi, sealhulgas AI-d kui teenust ja automatiseeritud masinõpet.
Järgmised sammud AI kasutuselevõtuks
Kui mõtlete, kuidas AI-ga kiiremini edasi liikuda, siis AI edukas rakendamine nõuab suurteks muutusteks vajalikke samme:
- Selge vastutus: Olgu ettevõte suur või väike, oluliste eesmärkide õnnestumine eeldab vastutajat. Tuleb määrata konkreetne omanik või meeskond, kes AI rakendamise nimel tegutseb.
- Kriitilise massi loomine: On oluline, et AI põhimõtteid ja rakendusi mõistaks piisav hulk töötajaid.
- Koolitus ja teadlikkuse tõstmine: Finantsjuhid peaksid tagama AI uuenduste ja rakendamise osas nii endale kui ka oma tiimile regulaarse koolituskava ja teadlikkuse tõstmise.
Suurte keelemudelite tulek võimendab hüppeliselt tehnoloogiast saadavat kasu. Paljud valdkonnad, sealhulgas finantsjuhtimine, muutuvad oluliselt. Aga edu saavutamiseks on vajalik teadlik planeerimine, investeerimine, tulemuste mõõtmine ja pidev innovatsioon. Arengud on ülikiired ning reageerida tuleb kiiresti, samas teadlikult.
