Letošní a příští rok bude pro milovníky seriálů a filmů na internetu hotovým rájem. Své služby spustí množství amerických televizních stanic, ale i velcí hráči jako Disney se svou službou Disney+, HBO s novinkou HBO Max, kam spojí většinu své produkce, a na obrovský trh si brousí zuby také kalifornský obr Apple. O tom sice víme zdaleka nejmíň, ale o to více by mohla služba nakonec překvapit.
Dle informací serveru Financial Times Apple do obsahu investoval již minimálně 6 miliard dolarů. Původně měl přitom pro letošní rok v plánu utratit jen 1 miliardu. Oproti zavedeným gigantům, jako je Amazon, který nyní investuje miliardy dolarů do seriálové adaptace Pána prstenů, nebo Netflixu, to je zatím méně, ale na to, že služba ještě neběží, to je už skutečně signifikantní částka.
Když k tomu připočteme množství dalších volných prostředků, které Apple má, a silný ekosystém věrných zákazníků, může vzniknout opravdu zajímavý mix. Z filmového a seriálového obsahu jsou zatím známy spíše střípky, stejně jako ohledně spuštění a ceny služby. První vlastní show by se nicméně měly objevit už letos na podzim, a to za cenu na hranici 10 dolarů (230 korun) za měsíc.
Důkaz, že to myslí Apple s vlastní streamingovou službu skutečně vážně, představuje i rozpočet pro jeden z prvních seriálů The Morning Show, kde se objeví Reese Witherspoon, Jennifer Aniston a Steven Carell. Jen první dvě řady mají podle Bloombergu spolknout ohromných 300 milionů dolarů, což by z něj udělalo dražší seriál, než byla vysoce nákladná Hra o trůny z dílny HBO. Epizody z poslední série stály v průměru 15 milionů dolarů.
Na první trailer k seriálu The Morning Show se můžete podívat níže:
Správně vyhodnotit, komu lze bezpečně půjčit peníze, a komu ne, je velmi náročný úkol. Množství relevantních informací je obrovské. Následky špatných rozhodnutí přitom mohou pocítit nejen klienti bank či finanční instituce samotné, ale v extrémním případě celá společnost – což bolestivě ukázala poslední finanční krize. Paradoxně jde ale do značné míry „jen“ o datový problém, s jehož řešením mohou pomoci moderní technologie.
Otázka nasazení umělé inteligence (AI) v oblasti vyhodnocování rizika je palčivá, protože za ní jsou peníze. Hodně peněz. V srpnu 2018 měly jen české domácnosti rozpůjčováno více než 1,5 bilionu korun. Spotřební úvěry dosáhly výše 295 miliard korun, úvěry na bydlení přesáhly 1,2 bilionu a ostatní úvěry domácností činily 165 miliard.
Reálná hodnota úvěru však závisí na pravděpodobnosti, s jakou ho žadatel splatí, odvíjí se od hodnoty zástavy, která je dána řadou proměnných, a záleží i na vývoji indikátorů, jako jsou inflace, úrokové sazby ovlivňující marži, růst ekonomiky nebo vývoj trhu s nemovitostmi. Úvěrování je tak ve své podstatě big data problém, který vytváří vhodné podmínky pro nasazení AI.
McKinsey ve své nedávné studii uvádí, že strojové učení může snížit ztráty z úvěrů až o desetinu, přičemž polovina risk manažerů zároveň očekává snížení času potřebného na rozhodování o 25 až 50 procent proti současnému stavu. V MIT zase spočítali, že s pomocí umělé inteligence mohou banky snížit ztráty z nesplácených úvěrů až o 25 procent.
Jak? Od umělé inteligence se v zásadě očekává, že pokud se naučí analyzovat všechny klíčové parametry, bude umět podporovat správná rozhodnutí, komu půjčit, jakou částku a za jakou cenu. Takže tu máme jasný recept: dáme všechna data na jednu hromadu a necháme počítač, aby se v nich „prohrabal“ a řekl nám, s jakou pravděpodobností žadatel přestane splácet. A čím více dat o žadateli získáme a vložíme do modelu, tím lépe můžeme odvodit jeho kredibilitu. Má to nějaký háček?
V Česku již brzy
Dá se očekávat, že v České republice začnou umělou inteligenci v risk scoringu využívat nejprve menší banky, u kterých má i malé zefektivnění prodeje a snížení počtu tzv. defaultů velký dopad.
Význam umělé inteligence v oblasti úvěrů dokresluje loňská zpráva od JP Morgan Chase, kde ve vlastním cloudu spustili AI platformu COIN (Contract Intelligence). Díky ní jsou schopni revidovat 12 000 nových firemních úvěrových smluv (zřejmě typizovaných) během „několika sekund“. Zaměstnancům by údajně tato činnost zabrala 360 000 hodin ročně.
„Úvěrování je tak ve své podstatě big data problém.“
Nasazením AI se snížila i chybovost v obsluze úvěrů, která je podle tvůrců projektu důsledkem lidských chyb při interpretaci smluv. Modely založené na umělé inteligenci kombinují big data s možností využít více zdrojů k lepšímu pochopení klienta. Banka může analyzovat větší objem dat finanční i nefinanční povahy, může spouštět různé kombinace vstupních a řídících proměnných a učit se z dat s cílem lépe předpovídat.
Ve výsledku ale může AI pomoci i klientům bank. Nejde totiž pouze o to, aby „nemilosrdná“ umělá inteligence lépe a rychleji odhalovala rizikové půjčky, cílem je také nabídnout každému žadateli přesně to správné řešení.
Nasazením AI už v počáteční fázi prodeje úvěru lze žadatele nasměrovat a následně nastavit parametry produktu tak, aby měla žádost vyšší šanci na úspěch. Zprostředkovatelé nabízející produkty z více bank mohou jít ještě o úroveň výše. S pomocí umělé inteligence a znalostí minulých úspěšných a neúspěšných prodejů mohou žádost o úvěr s danými parametry nasměrovat na banku, která s vysokou pravděpodobností návrh akceptuje.
Obchod tak neplýtvá časem na případy, které „přes risk neprojdou“. I malé banky přitom ročně propálí tisíce člověkodní práce na zpracování úvěrů, které jsou nakonec zamítnuty. AI nasazené zkraje prodejního procesu má šanci odhadnout pravděpodobnost zamítnutí lépe než člověk.
Ne náhrada, ale doplněk tradičních řešení
Banky byly dosud konzervativní a setrvávaly u tradičních prediktivních řešení. Jejich modely se soustředí na žadatelovy finance, kategorizují klienty podle demografických a behaviorálních ukazatelů, historie minulých plateb, aktuální zaúvěrovanosti nebo typů úvěrů, které využívá. Kromě dat z registrů se využívají i vybrané makroekonomické indikátory.
Výhodou je, že takové postupy jsou snadno auditovatelné a žadateli o úvěr (případně České národní bance coby regulátorovi) lze jednoduše vysvětlit, jakým způsobem byl klient posuzován. Oproti tomu rozhodnutí učiněná s pomocí umělé inteligence nelze s rozumně vynaložitelným úsilím podobně objasnit.
Naopak slabinou tradičního přístupu pro scoring je malá flexibilita. Využívá předem známé výpočtové algoritmy a parametry, tzv. prediktory, přičemž cílem je mít model dlouhodobě stabilní, s dobrými predikčními vlastnostmi. Kvůli složitosti tvorby a testování těchto modelů a náročným požadavkům na dokumentaci a schválení regulátorem se však aktualizují v několikaletém cyklu tak, aby reagovaly na podstatné změny na trhu.
Trh se ale vyvíjí rychle, objevují se nové vzorce chování a spotřeby a spolu s tím se vyvíjí i technologie na úvěrovém trhu. Proto je nutné průběžně monitorovat očekávanou výkonnost scoringových modelů a případně do nich zařazovat nové, vhodnější prediktory. Tradiční scoringové modely ztrácí významné množství signálů a jejich kombinace s AI může bance přinést do oblasti modelování rizik řadu výhod, pokud ví, jak je spolu využít.
Pomocí cookies ukládáme vaše nastavení a preferencí, analýze návštěvnosti našich stránek, zprostředkování funkcí sociálních médií a k personalizaci obsahu … Číst dále
Pomocí cookies ukládáme vaše nastavení a preferencí, analýze návštěvnosti našich stránek, zprostředkování funkcí sociálních médií a k personalizaci obsahu. Informace o užívání našich stránek také dále sdílíme s našimi obchodními partnery z oblasti sociálních médií, reklamy a analytiky. Za tyto webové stránky a soubory cookies odpovídá CzechCrunch s.r.o. Více informací naleznete na následujícím odkazu.
Nastavit preferované cookies
Vždy, když navštěvujete jakoukoliv webovou stránku, stránka může ukládat nebo získávat informace z vašeho prohlížeče, zejména formou souborů cookies. Tyto informace se mohou týkat vás, vašich preferencí nebo vašeho zařízení a jsou užívány převážně k zajištění vámi očekávaného chodu stránek. Takto získané informace vás obvykle přímo neidentifikují, ale mohou vám zprostředkovat personalizovanější zkušenost při užívání našich stránek. Protože respektujeme vaše právo na soukromí, můžete zakázat některé druhy cookies, které nejsou k využívání našich stránek nezbytné. Pokud se však rozhodnete některé cookies zakázat, může mít tento krok vliv na vaši uživatelskou zkušenost stránek a námi nabízené služby. Aktivací níže uvedených souborů cookies vyjadřujete souhlas s tím, že vaše osobní údaje mohou být převedeny do třetích zemí. Více informací naleznete na následujícím odkazu.
Možnosti předvolby jednotlivých cookies
Naprosto nezbytné cookies
Nezbytné cookies zajišťují klíčové funkce webových stránek jako jsou zabezpečení, správa sítě, přístupnost a základní statistiky o návštěvnících, takže není možné je vypnout. Prohlížeč můžete nastavit tak, aby blokoval soubory cookie nebo o nich posílal upozornění (tato skutečnost však může mít vliv na fungování stránek).
Pokročilé analytické funkce
Nástroje třetích stran, které nám umožňují zlepšovat fungování webových stránek pomocí zasílání zpráv o tom, jaký způsobem stránky užíváte. Tyto cookies však shromažďují údaje způsobem, který nikoho přímo neidentifikuje. Pokud tyto cookies nepovolíte, nebudeme vědět, kdy jste navštívili naši stránku.
Funkce a preference
Funkční a preferenční cookies umožňují použití pokročilého webového obsahu a pokročilých funkcí a zároveň nám také umožňují ukládat vaše nastavení a preference.
Cílené soubory cookies
Díky těmto cookies vám můžeme zobrazovat personalizované nabídky, obsah, jakož i reklamní obsah, na základě vašich zájmů na našich webových stránkách, na stránkách třetích stran a na sociálních médiích. Neukládají ale vaše osobní informace přímo, nýbrž přes jedinečné identifikátory prohlížeče a internetového zařízení. Pokud je nepovolíte, bude se vám zobrazovat na stránkách méně cílená reklama.