English
Savchenko, M.
(2024).
The impact of artificial intelligence on risk management in the operational activities of financial institutions.
Development Management,
23(4),
45-54.
https://doi.org/10.57111/devt/4.2024.45
Українська
Стаття
Вплив штучного інтелекту на управління ризиками в операційній діяльності фінансових установ
Отримано 14.06.2024, Доопрацьовано 06.11.2024, Прийнято 17.12.2024
Анотація
Метою роботи було визначити вплив штучного інтелекту (ШІ) на якість управлінських рішень у процесі оцінки та прогнозування ризиків. Для цього було виконано аналіз ролі ШІ в управлінні ризиками, досліджено практики використання ШІ в управлінні ризиками. Результати дослідження підтвердили, що впровадження ШІ значно підвищує швидкість і якість прийняття рішень, пов’язаних з управлінням ризиками. Було виявлено, що за допомогою алгоритмів машинного навчання, які використовують велику кількість змінних для аналізу кредитоспроможності клієнтів, фінансові установи ефективніше здійснюють кредитний скоринг. Алгоритми дозволяють банкам знижувати рівень дефолтів і водночас покращувати якість кредитного портфеля, що робить оцінки більш обґрунтованими. Крім того, технології машинного навчання використовуються для оперативної ідентифікації підозрілих дій або аномальних моделей поведінки клієнтів, зменшення кількості шахрайських операцій, підвищення рівня безпеки клієнтів та скорочення витрат на виявлення й усунення таких загроз. Іншим результатом дослідження стало підтвердження ефективності автоматизації рутинних процесів, таких як оновлення реєстрів ризиків та генерування звітів, що дозволяє суттєво знизити операційні витрати й прискорити процеси прийняття управлінських рішень. Важливо, що використання ШІ не лише підвищує точність прогнозування ризиків і прийняття рішень, але й сприяє персоналізації послуг для клієнтів, що підвищує їхню лояльність та задоволеність. Разом із впровадженням систем комплаєнсу, технології ШІ забезпечують дотримання правових вимог і підвищують прозорість у фінансових операціях, що знижує ймовірність невідповідності регуляторним нормам та мінімізує відповідні ризики. Отримані результати вказали на те, що впровадження ШІ для управління ризиками, потребує не лише технологічної оптимізації, але й глибокого перегляду етичних стандартів, прозорості алгоритмів та адаптації регуляторних механізмів, що в комплексі забезпечить як підвищення ефективності, так і довіру до таких систем
Ключові слова:
машинне навчання; кредитний скоринг; алгоритми; прозорість прийняття рішень; запобігання шахрайству
- 1 640 Переглядів
- Читати статтю
Використані джерела
[1] Afriyie, J.K., Tawiah, K., Pels, W.A., Addai-Henne, S., Dwamena, H.A., Owiredu, E.O., Ayeh, S.A., & Eshun. J. (2023). A supervised machine learning algorithm for detecting and predicting fraud in credit card transactions. Decision Analytics Journal, 6, article number 100163. doi: 10.1016/j.dajour.2023.100163.
[2] Agarwal, A., Singhal, C., & Thomas, R. (2021). AI-powered decision making for the bank of the future. Retrieved from https://www.mckinsey.com/~/media/mckinsey/industries/financial%20services/our%20insights/ai%20powered%20decision%20making%20for%20the%20bank%20of%20the%20future/ai-powered-decision-making-for-the-bank-of-the-future.pdf.
[3] Ahmed, S., Alshater, M.M., Ammari, A.E., & Hammami, H. (2022). Artificial intelligence and machine learning in finance: A bibliometric review. Research in International Business and Finance, 61, article number 101646. doi: 10.1016/j.ribaf.2022.101646.
[4] Al-hchaimi, A.A.J., Alomari, M.F., Muhsen, Y.R., Sulaiman, N.B., & Ali, S.H. (2024). Explainable machine learning for real-time payment fraud detection: Building trustworthy models to protect financial transactions. In A. Alnoor, M. Camilleri, H.A. Al-Abrrow, M. Valeri, G.E. Bayram & Y.R. Muhsen (Eds.), Explainable artificial intelligence in the digital sustainability administration (pp. 1-25). Cham: Springer. doi: 10.1007/978-3-031-63717-9_1.
[5] Ali, A., Abd Razak, S., Othman, S.H., Eisa, T.A.E., Al-Dhaqm, A., Nasser, M., Elhassan, T., Elshafie, H., & Saif, A. (2022). Financial fraud detection based on machine learning: A systematic literature review. Applied Sciences, 12(19), article number 9637. doi: 10.3390/app12199637.
[6] Arslanian, H., & Fischer, F. (2019). The future of finance: The impact of fintech, AI, and crypto on financial services. Cham: Palgrave Macmillan. doi: 10.1007/978-3-030-14533-0.
[7] Aschi, M., Bonura, S., Masi, N., Messina, D., & Profeta, D. (2022). Cybersecurity and fraud detection in financial transactions. In J. Soldatos & D. Kyriazis (Eds.), Big data and artificial intelligence in digital finance (pp. 269-278). Cham: Springer. doi: 10.1007/978-3-030-94590-9_15.
[8] Ashta, A., & Herrmann, H. (2021). Artificial intelligence and fintech: An overview of opportunities and risks for banking, investments, and microfinance. Strategic Change, 30(3), 211-222. doi: 10.1002/jsc.2404.
[9] Baryannis, G., Validi, S., Dani, S., & Antoniou, G. (2019). Supply chain risk management and artificial intelligence: State of the art and future research directions. International Journal of Production Research, 57(7), 2179-2202. doi: 10.1080/00207543.2018.1530476.
[10] Bias in algorithmic decision making in financial services. Barclays response. (2019). Retrieved from https://home.barclays/content/dam/home-barclays/documents/citizenship/our-reporting-and-policy-positions/policy-positions/20190614-CDEI-CP-Bias-in-Algorithmic-Decision-making-Barclays-Response-FINAL.pdf.
[11] Bussmann, N., Giudici, P., Marinelli, D., & Papenbrock, J. (2021). Explainable machine learning in credit risk management. Computational Economics, 57, 203-216. doi: 10.1007/s10614-020-10042-0.
[12] Calvery, J. (2024). Harnessing the power of AI to fight financial crime. Retrieved from https://www.hsbc.com/news-and-views/views/hsbc-views/harnessing-the-power-of-ai-to-fight-financial-crime.
[13] Cao, L. (2022). AI in finance: Challenges, techniques, and opportunities. ACM Computing Surveys, 55(3), article number 64. doi: 10.1145/3502289.
[14] Digitalisation of finance. (2024). Retrieved from https://www.bis.org/bcbs/publ/d575.pdf.
[15] Dunas, N., & Bilokrynytska, M. (2019). Implementation of credit scoring system by Ukrainian banks for consumer credit. Pryazovskyi Economic Herald, 5(16), 263-269. doi: 10.32840/2522-4263/2019-5-45.
[16] Edunjobi, T.E., & Odejide, O.A. (2024). Theoretical frameworks in AI for credit risk assessment: Towards banking efficiency and accuracy. International Journal of Scientific Research Updates, 7(1), 92-102. doi: 10.53430/ijsru.2024.7.1.0030.
[17] FATF. (2021). Opportunities and challenges of new technologies for AML/CFT. Paris: FATF.
[18] Gartner identifies top security and risk management trends for 2022. (2022). Retrieved from https://www.gartner.com/en/newsroom/press-releases/2022-03-07-gartner-identifies-top-security-and-risk-management-trends-for-2022.
[19] Gigante, G., & Zago, A. (2023). DARQ technologies in the financial sector: Artificial intelligence applications in personalized banking. Qualitative Research in Financial Markets, 15(1), 29-57. doi: 10.1108/QRFM-02-2021-0025.
[20] Goodell, J.W., Kumar, S., Lim, W.M., & Pattnaik, D. (2021). Artificial intelligence and machine learning in finance: Identifying foundations, themes, and research clusters from bibliometric analysis. Journal of Behavioral and Experimental Finance, 32, article number 100577. doi: 10.1016/j.jbef.2021.100577.
[21] Governing AI responsibly. (2022). Retrieved from https://kpmg.com/kpmg-us/content/dam/kpmg/pdf/2022/governing-ai-responsibly.pdf.
[22] Grabovets, K., & Temelkov, Z. (2024). Interplay between digital-only strategy and financial performance: A case of neobanks. In A.M. Yazıcı, A. Albattat, M. Valeri & V. Hassan (Eds.), New strategy models in digital entrepreneurship (pp. 214-235). London: IGI Global. doi: 10.4018/979-8-3693-3743-1.ch011.
[23] How AI will make payments more efficient and reduce fraud. (2023). Retrieved from https://www.jpmorgan.com/insights/payments/payments-optimization/ai-payments-efficiency-fraud-reduction.
[24] IBM cost of a data breach report 2023 reveals huge business data breach costs. (2024). Retrieved from https://10guards.com/en/articles/ibm-cost-of-a-data-breach-report-2023-reveals-huge-business-data-breach-costs/.
[25] Jaiwant, S.V. (2022). Artificial intelligence and personalized banking. In V. Garg & R. Goel (Eds.), Handbook of research on innovative management using AI in industry 5.0 (pp. 74-87). Hershey: IGI Global. doi: 10.4018/978-1-7998-8497-2.
[26] Javaid, H.A. (2024). The future of financial services: Integrating AI for smarter, more efficient operations. MZ Journal of Artificial Intelligence, 1(2).
[27] Koba, O. (2021). System of economic security and levels of its formation. Economics of Development, 20(3), 40-47. doi: 10.57111/econ.20(3).2021.40-47.
[28] Königstorfer, F., & Thalmann, S. (2020). Applications of artificial intelligence in commercial banks – a research agenda for behavioral finance. Journal of Behavioral and Experimental Finance, 27, article number 100352. doi: 10.1016/j.jbef.2020.100352.
[29] Kraus, K., Kraus, N., & Shtepa, O. (2021). Case 4: Diya.Business. In A. Botti, R. Parente & M. Vesci (Eds.), How to do business in digital era? (pp. 32-41). Cracow: Cracow University of Economics.
[30] Managing artificial intelligence-specific cybersecurity risks in the financial services sector. (2024). Retrieved from https://home.treasury.gov/system/files/136/Managing-Artificial-Intelligence-Specific-Cybersecurity-Risks-In-The-Financial-Services-Sector.pdf.
[31] Medvid, A., & Dmitrishyn, D. (2024). Digital banking in the financial services market of Ukraine. Visnyk of Sumy State University. Economy Series, 2, 18-27. doi: 10.21272/1817-9215.2024.2-02.
[32] Mhlanga, D. (2020). Industry 4.0 in finance: The impact of artificial intelligence (AI) on digital financial inclusion. International Journal of Financial Studies, 8(3), article number 45. doi: 10.3390/ijfs8030045.
[33] Moscato, V., Picariello, A., & Sperlí, G. (2021). A benchmark of machine learning approaches for credit score prediction. Expert Systems with Applications, 165, article number 113986. doi: 10.1016/j.eswa.2020.113986.
[34] Musleh Al-Sartawi, A.M.A., Hussainey, K., & Razzaque, A. (2022). The role of artificial intelligence in sustainable finance. Journal of Sustainable Finance & Investment. doi: 10.1080/20430795.2022.2057405.
[35] Pallathadka, H., Ramirez-Asis, E.H., Loli-Poma, T.P., Kaliyaperumal, K., Ventayen, R.J.M., & Naved, M. (2023). Applications of artificial intelligence in business management, e-commerce and finance. Materials Today: Proceedings, 80(3), 2610-2613. doi: 10.1016/j.matpr.2021.06.419.
[36] Piao, G., & Xiao, B. (2022). Risk management analysis of modern commercial banks using behavioral finance theory and artificial neural networks. Wireless Communications and Mobile Computing, 1, article number 1161784. doi: 10.1155/2022/1161784.
[37] Regulation of the European Parliament and of the Council No. 2016/679 “On the Protection of Natural Persons with Regard to the Processing of Personal Data and on the Free Movement of Such Data, and Repealing Directive 95/46/EC (General Data Protection Regulation)”. (2016, April). Retrieved from https://eur-lex.europa.eu/eli/reg/2016/679/oj.
[38] Ridzuan, N.N., Masri, M., Anshari, M., Fitriyani, N.L., & Syafrudin, M. (2024). AI in the financial sector: The line between innovation, regulation and ethical responsibility. Information, 15(8), article number 432. doi: 10.3390/info15080432.
[39] Sizing the prize: What’s the real value of AI for your business and how can you capitalise? (2017). Retrieved from https://www.pwc.com/gx/en/issues/analytics/assets/pwc-ai-analysis-sizing-the-prize-report.pdf.
[40] Thach, N.N., Hanh, H.T., Gwoździewicz, S., Huy, D.T.N., Nga, L.T.V., Thuy, D.M., & Hong, P.V. (2021). Technology quality management of the industry 4.0 and cybersecurity risk management on current banking activities in emerging markets – the case in Vietnam. International Journal for Quality Research, 15(3), 845-856. doi: 10.24874/IJQR15.03-10.
[41] Vyhmeister, E., & Castane, G.G. (2024). TAI-PRM: Trustworthy AI – project risk management framework towards industry 5.0. AI and Ethics. doi: 10.1007/s43681-023-00417-y.
[42] Yanenkova, I., Nehoda, Y., Drobyazko, S., Zavhorodnii, A., & Berezovska, L. (2021). Modeling of bank credit risk management using the cost risk model. Journal of Risk and Financial Management, 14(5), article number 211. doi: 10.3390/jrfm14050211.
[43] Zhou, H., Sun, G., Fu, S., Liu, J., Zhou, X., & Zhou, J. (2019). A big data mining approach of PSO-based BP neural network for financial risk management with IoT. IEEE Access, 7, 154035-154043. doi: 10.1109/ACCESS.2019.2948949.