A kihívások hálójában: az agilis változás, a szervezeti kultúra és az AI

írta | 2019.01.25. | Fintech kitekintő, Összes hír

Napjainkban a mesterséges intelligencia alkalmazását tartják a digitális transzformáció egyik fő hajtóerejének, és ennek kapcsán az „AI Talent Gap” megfogalmazás is egyre gyakrabban tűnik fel. Felmerül a kérdés, hogy hol terem az „AI Talent”, hogyan fejleszthető és miképp illeszthető a jelenlegi vállalati kultúrába?

Verseny az AI szaktudásért

Az AI szaktudás rendkívül szerteágazó lehet a különböző iparági, vállalati digitális átalakulási programok specialitásai miatt. Meghatározóan a Machine Learning, a Symbolic Learning, a Big Data, a data science és a robotika területeit sorolhatjuk ide. Valamint a mindezek mögötti matematikai, analitikus összefüggések, illetve szoftverfejlesztési és programozási gyakorlatok halmazát (mint pl. Python, Java, Linux, C++, Hadoop, R, Spark, SAS).

Az AI alapfogalmak áttekintéséhez praktikus segítség az alábbi video:

A jól képzett szakemberekért, tehetségekért folytatott piaci verseny már az egyetemi padsorokban, illetve az akadémiai intézetekkel kötött képzési megállapodásokkal elkezdődik. A gyakorlattal rendelkező „iparági veteránok” ára pedig az egekben van.

A legnagyobb hype és kiemelkedő fizetések természetesen a FANG cégek (Facebook, Amazon/Apple, Netflix, Google) és társaik környékén tapasztalhatók. Ezen cégeknél sok esetben már 2017-ben is a 300 ezer dollárt meghaladó éves fizetési csomagokról beszéltek és korábban a sztár traderek-éhez hasonló keresési és kiválasztási folyamatokról lehetett hallani.

Mesterséges intelligencia és Big Data kisszótár

Artificial Intelligence / Mesterséges Intelligencia:
Digitális technológiák, módszertanok, logikai képességek együttese. Az AI megoldások emberi intelligenciát igénylő feladatokat oldanak meg pontosabban, gyorsabban, hatékonyabban. Az AI technológiái közé tartoznak többek között a gépi tanulás (machine learning) és a prediktív adatelemző módszerek.
Big Data:
Cégek, intelligens hálózatok és a vállalkozások, fogyasztók által nap mint nap előállított hatalmas méretű adatmennyiséget jelenti.
Big Data engineer:
A Big Data mérnökök komplex Big Data megoldásokat terveznek, részt vesznek a megvalósításukban és támogatják a fejlesztői munkát. Ők azok, akik nagyobb rálátással bírnak az egész adatbányászati, adatelemzési és felhasználási folyamatra és koncepcionálisan irányítják a munkát.
Data scientist:
Az úgynevezett „adattudósok” ahhoz értenek, hogyan kell adatot „bányászni”. Az ő feladatuk felmérni a lehetséges adatforrásokat egy cég életében, és megoldást találni arra, hogy miként lehet azokból speciális algoritmusok és gépi tanulás segítségével érthető formában kinyerni a releváns információkat.
Machine Learning / Gépi tanulás:
Olyan módszerek és algoritmusok, melyek a rendelkezésre álló adathalmazból egy modellt tanulnak, és ezt felhasználva következtetést (predikciót) tesznek lehetővé (a meglévő vagy más/újabb adatokról).
Deep Learning / Neural networks:

A deep learning (gépi mélytanulás) a Neural Networks (neuronhálózatok) alkalmazásán alapszik, azokon a statisztikai modelleken, amelyeket 1943-ban Warren McCulloch és Walter Pitts alkotott meg a biológiai ideghálózatok mintájára.

Egymásba ágyazott neuronhálózatokat először 2006-ban  használtak mélytanuló rendszerként és a modell matematikája 2012-ig csiszolódott, amikor a GPU-k kapacitásának kihasználásával igazi robbanás történt a deep learning alkalmazásában.

Jelenleg a legnagyobb tapasztalat és publikáció a deep learning-gel kapcsolatban a képfeldolgozás területén van, ahol a nagy számítási kapacitásával a Google jár az élen.

Az AI Talent fejlesztése

A KÜRT Akadémia évindító AI meetup-ja a témát képzésfejlesztési szempontból járta körül, hitet téve a mesterséges intelligencia vonatkozású szakmai továbbképzések szükségessége mellett. A magyar számítástechnikai oktatás történetét megnézve, ráadásul a mesterséges intelligencia jelentős hazai kutatási múlttal is rendelkezik.

Manapság mindenhol a Big Data és az Artificial Intelligence gyakorlati alkalmazásának előnyeiről lehet hallani, ami várhatóan jelentős mértékben alakítja át mindennapi életünket. Ahogy találóan megfogalmazásra került,

nem az lesz a kérdés pl. a banki marketingesek számára, hogy kiknek kell az adott hitelterméket reklámozni, hanem az, hogy ki fogja ezen hitelterméket a jövő héten a legnagyobb valószínűséggel igényelni.

Azonban a hírek arról is szólnak, hogy azon (tech) vállalatok, amelyek először mennek át az AI transzformáción, kegyetlen árversenyt indítottak a képzett szakemberekért. A munkaerőhiány a kisebb, feltörekvő fintech/regtech cégek, illetve hagyományos vállalatok lehetőségeit is behatárolhatja, így rohamosan felértékelődik a kognitív technológiákhoz kapcsolódó tudással rendelkező adatszakemberek képzése és megtartása.

A szervezeti agilitás kérdései

A PwC „Responsible AI” riportjában azt is kihangsúlyozzák, hogy a cégek már nemcsak a technológia szaktudást, hanem a digitális üzletfejlesztés és stratégia megvalósítás mindennapjaihoz a „másképp gondolkodás képességét” is keresik a jelöltekben.

A digitális transzformációs projektek során ez viszont kihívást hordozhat majd a jelenlegi szervezeti kultúra számára. Így ha a hagyományos szereplők szeretnék magukhoz csábítani és megtartani az AI tehetségeket, akkor várhatóan a szervezeti folyamatok gyökeréig is vissza kell nyúlniuk, ami felveti az agilis változás kérdését is.

Az agilitás mindig is a hatékonyságot és a változásra való képességet jelentette, ugyanakkor ahogy Kürti Tamás, a KÜRT Akadémia alapítója írja, mára

“megváltozott a változás is.”

A szervezeti agilitás lényeges ismérve lett a digitális transzformációs folyamatban levő vállalatoknak, menedzsment szinten képviselve azt, hogy

a legújabb technológiák sikeres alkalmazása, a szükséges talent pool-ok kialakítása, megtartása a szervezeti működésre kiható jelentősebb változtatást is generál.

A FinTechShow-n külön szekció keretében foglalkozunk azzal, hogyan alakíthatnak ki a hagyományos pénzügyi szolgáltatók “vagány szervezeti kultúrát“, hol tartanak a hazai pénzintézetek az agilis átalakulásban és miért nélkülözhetetlen a szervezeti kultúraváltás a digitális transzformáció során.

Itt követhetsz minket:

TAKÁCS ATTILA

TAKÁCS ATTILA

Több mint két évtizedes banki, vagyonkezelési és post trade területen szerzett szakmai tapasztalattal a RegTech fejlődést már jó ideje közelről figyeli. Az elmúlt években feladatait alapvetően olyan mozaikszavak határozták meg, mint a KYC/AML, PSD2 és a MiFID/MiFIR. Ez utóbbi rezsimhez való viszonyulása már filozofikus, miszerint „A MIFIDII inkább az ÚT maga, mintsem a végállomás.”
A FinTechZone.hu kiadója a FinTech Group Kft.

ELEKTRONIKUS FIZETÉSI TÉRKÉP

“elektronikus fizetesi terkep
Betekintést adunk az elektronikus fizetési piac átalakulásába, az új fizetési megoldások világába.

HUNFINTECH 20/20

“HUNFINTECH FINTECH BOOK
A Magyar FinTech Book: A 20 legígéretesebb magyar fintech.

GPE softPOS

softpos gpe bankkartya elfogadas mobilon globalpayments
Androidos mobilod van? Töltsd le a GPE softPOS alkalmazást és fogadj egyszerűen érintés nélküli fizetéseket közvetlenül az okostelefonodon keresztül!

Azonnali Fizetési Megoldások

“simplepay azonnali fizetési kiadvanyok
Új lehetőségek az elektronikus fizetésben. Azonnali fizetési megoldások kereskedőknek, bankoknak, technikai aggregátoroknak.