AI InFinancial Services财务是否适合AutoML

在过去的一个月里，我参加了纽约的 AI for Finance展览，在那里我主持了一场关于金融服务领域AutoML主题的一小时“技术讲座”。有超过150人参加，观众能够提供关于金融服务中人工智能主题的一些有针对性的意见，特别是在空间中需要AutoML解决方案。结果令人惊讶和令人兴奋。

让我们先来看看谁出席了。虽然这可能不是一个庞大的受众，但参加我们演讲的150多人代表了相对广泛的交叉抽样，包括许多美国顶级金融服务组织 - 从技术和业务角度 - 27%的受访者分类他们自己是“数据科学家”，17%被称为“业务经理”，31%被称为“其他”，其余的则分布在BI分析师，数据工程师和IT专家。

我们问的第一个问题之一是，“您如何评价机器学习和数据科学项目中的以下挑战?” 毫不奇怪，绝大多数受访者(78%)对为ML和数据科学准备数据做出了重大的前期努力感到沮丧。这一发现反映了跨行业的其他研究，结果相似。也许更有趣的是，建立ML模型所需的时间(33%)超过了获得领域专业知识所需的成本(31%)或由于监管监督而需要的模型透明度(24%)。最令人惊讶的是，只有20%的观众认为缺乏数据科学家是一个关键问题。最后一点可能表明了人工智能和机器学习领域金融公司的早期适配性。

我们的第二个民意调查问题集中在观众对所谓的“AutoML”平台的兴趣。AutoML的承诺直接涉及观众在我们的第一次民意调查中所表达的许多挑战，也许并不奇怪，观众对AutoML表现出极大的兴趣，即使我们的许多受访者认为它仍然处于探索阶段。 %表示他们对AutoML感兴趣，但仍在研究和探索功能，23%的人积极评估平台。也许更令人惊讶的是，23%的人不了解AutoML技术，只有7%的人已经实施过任何AutoML平台。最后一个数据点特别明确，它提供了对AutoML行业年轻性的深入了解。

当受访者了解AutoML时，我们的最后一个民意调查问题非常明确，因为AutoML对金融服务中人工智能的期望几乎完全符合AutoML的承诺。67%的受访者希望AutoML加速项目周转，64%的受访者希望通过AutoML提供更深入的业务洞察。金融服务中人工智能的民主化也是一个关键目标，53%的受众希望使用AutoML来支持更多ML人，42%希望提高模型准确性。

总的来说，我们的民意调查结果与我们的怀疑一致，人工智能在金融服务方面的承诺是相当真实的，但与ML和数据科学项目相关的挑战也是如此。无论是冗长的项目时间表，需要民主化还是获得更深入的见解，金融服务公司都对AutoML很感兴趣，并渴望探索这项新技术的好处，以加速项目并使ML在其组织中的使用民主化。

让我们先来看看谁出席了。虽然这可能不是一个庞大的受众，但参加我们演讲的150多人代表了相对广泛的交叉抽样，包括许多美国顶级金融服务组织 - 从技术和业务角度 - 27%的受访者分类他们自己是“数据科学家”，17%被称为“业务经理”，31%被称为“其他”，其余的则分布在BI分析师，数据工程师和IT专家。