Сравнительный анализ использования искусственного интеллекта и машинного обучения в цифровом взаимодействии банков с клиентами в условиях санкций

Авторы

  • Сулейман Пигамов Российский экономический университет им. Г.В. Плеханова

Ключевые слова:

искусственный интеллект, машинное обучение, цифровое взаимодействие, банки, санкции

Аннотация

В статье проводится сравнительный анализ возможностей использования искусственного интеллекта (ИИ) и машинного обучения (МО) в цифровом взаимодействии банков с клиентами в условиях усиливающихся санкций. Структура исследования следует модели IMRAD (Введение, Методология, Результаты, Обсуждение). В условиях санкционного давления банковская отрасль вынуждена адаптироваться к новым экономическим реалиям. ИИ и МО играют ключевую роль в оптимизации взаимодействия с клиентами, снижении операционных рисков и повышении уровня кибербезопасности. Целью данной статьи является анализ применения указанных технологий в банковской сфере, с акцентом на уникальные вызовы, возникающие при санкционном режиме. В исследовании использованы методы сравнительного анализа, систематического обзора финансовых практик, а также количественной и качественной оценок эффективности технологий ИИ и МО в банковском секторе. Источниками информации стали открытые аналитические отчеты и цифровые платформы российских и международных банков, а также научная литература по теме. Анализ показал, что ИИ существенно помогает банкам обеспечивать персонализированный подход к обслуживанию клиентов путем динамического формирования предложений, а также обработки огромных массивов данных в реальном времени. МО позволяет автоматизировать процессы оценки кредитоспособности, предотвращения мошенничества и выявления подозрительных транзакций. В условиях санкций банки активнее внедряют данные технологии для минимизации зависимости от внешних поставщиков финансового ПО. Ограничения провоцируют ускоренное внедрение ИИ и МО, но создают множество проблем, связанных с доступом к передовым технологиям и развитием импортозамещения. Банки, успешно интегрировавшие эти технологии, демонстрируют более высокие показатели выживаемости в текущих условиях. Таким образом, ИИ и МО оказывают значительное влияние на адаптацию банков к новым экономическим и технологическим вызовам.

Библиографические ссылки

Скворцова А.А., Скворцов А.О., Малякина П.Ю., Мясникова В.И. Трансформация трендов применение искусственного интеллекта и технологий Big Data в банковской сфере // Экономика и предпринимательство. 2024. № 8(169). С. 1194-1198.

Azzutti A. AI trading and the limits of EU law enforcement in deterring market manipulation. // Computer Law & Security Review. 2022. № 45. 105-690.

Beigi M., Nayyeri S., Shirmohammadi M. Steering wheels to make ends meet: Understanding stressors and coping strategies among app-based taxi drivers in Tehran // Journal of vocational behavior. 2022. 138. pp. 103-782.

Cheng J., Mohammed K.S., Misra P., Tedeschi M., Ma X. Role of green technologies, climate uncertainties and energy prices on the supply chain: Policy-based analysis through the lens of sustainable development // Technological Forecasting and Social Change. 2023. № 194. рр. 122-705.

Curry W. L., Seddon J., Ben Van Vliet. From decision optimization to satisficing: Regulation of automated trading in the US financial markets // Information & management. 2022. № 59(5). 103-721.

Custers B. New digital rights: Imagining additional fundamental rights for the digital era // Computer law & Security review. 2022. № 44. рр. 105-636.

Gupta R., Tanwar S., Tyagi S., Kumar N. Machine learning models for secure data analytics: A taxonomy and threat model // Computer Communications. 2020. № 153. pp. 406-440.

Ha L.T. Dynamic spill-over influences of FinTech innovation development on renewable energy volatility during the time of war in pandemic: A novel insight from a wavelet model // Economic analysis and policy. 2024. № 82. рр. 515-529.

Li J., Kassem M. Applications of distributed ledger technology (DLT) and Blockchain-enabled smart contracts in construction // Automation in construction. 2021. № 132. рр. 103-955.

Qureshi S.U., He J., Tunio S., Zhu N., Nazir A., Wajahat A., Ullah F., Wadud A. Systematic review of deep learning solutions for malware detection and forensic analysis in IoT // Journal of King Saud University – Computer and information sciences. 2024. № 36(8). рр. 102-164.

Saha P., Bose I., Mahanti A. A knowledge based scheme for risk assessment in loan processing by banks // Decision Support Systems. 2016. № 84. рр. 78-88.

Saxena S., Bhushan B., Ahad M.A. Blockchain based solutions to secure IoT: Background, integration trends and a way forward. Journal of Network and Computer Applications. 2021. № 181. рр. 50-103.

Опубликован

2024-05-15

Как цитировать

Пигамов, С. (2024). Сравнительный анализ использования искусственного интеллекта и машинного обучения в цифровом взаимодействии банков с клиентами в условиях санкций. Вопросы природопользования, 3(5), 96–105. извлечено от https://etreview.ru/index.php/et/article/view/74

Выпуск

Раздел

ОБЩЕСТВО И РАЗВИТИЕ

Похожие статьи

<< < 1 2 3 

Вы также можете начать расширеннвй поиск похожих статей для этой статьи.