Tekoälyn hyödyntäminen osana rahoituspäätöstä

Tekoäly on lähivuosina saavuttanut suuren suosion yhteiskunnassamme. Sen käyttö työpaikalla ja arjessamme on suositumpaa, kun koskaan ennen. Tekoälyn yleistyminen on tuonut mukanaan muutoksia toimintamalleihimme, ja monet prosessit on mahdollista jättää osittain tai kokonaan tekoälyn vastuulle. Teko...

Full description

Bibliographic Details
Main Author: Matrosov, Anton
Other Authors: Informaatioteknologian tiedekunta, Faculty of Information Technology, Informaatioteknologia, Information Technology, Jyväskylän yliopisto, University of Jyväskylä
Format: Bachelor's thesis
Language:fin
Published: 2023
Subjects:
Online Access: https://jyx.jyu.fi/handle/123456789/92534
_version_ 1826225814830579712
author Matrosov, Anton
author2 Informaatioteknologian tiedekunta Faculty of Information Technology Informaatioteknologia Information Technology Jyväskylän yliopisto University of Jyväskylä
author_facet Matrosov, Anton Informaatioteknologian tiedekunta Faculty of Information Technology Informaatioteknologia Information Technology Jyväskylän yliopisto University of Jyväskylä Matrosov, Anton Informaatioteknologian tiedekunta Faculty of Information Technology Informaatioteknologia Information Technology Jyväskylän yliopisto University of Jyväskylä
author_sort Matrosov, Anton
datasource_str_mv jyx
description Tekoäly on lähivuosina saavuttanut suuren suosion yhteiskunnassamme. Sen käyttö työpaikalla ja arjessamme on suositumpaa, kun koskaan ennen. Tekoälyn yleistyminen on tuonut mukanaan muutoksia toimintamalleihimme, ja monet prosessit on mahdollista jättää osittain tai kokonaan tekoälyn vastuulle. Tekoälyn adoptoiminen rahoitusalalle on ollut hidasta ja varautunutta, vaikka tekoälyn implementointi toisi alalle uusia, tehokkaampia ja tarkempia toimintamalleja. Tekoäly kykenisi analysoida dataa ja tehdä päätökset täysin tietoon ja tietomalleihin perustuen, samalla eliminoiden ihmisvirkailijan puolueellisuuden ja mahdolliset epähuomiot. Tutkimuksessa huomataan tekoälyimplementoinnin kokeilujen tuovan positiivisia tuloksia etenkin tiedon tarkentumiseen ja datan analysointiin samalla nopeuttaen päätösprosessia sekä eliminoimalla ihmisvirkailijan puolueellisuuden. Tietoälyn implementointi riskienhallintaan on suuri prosessi, jota on tutkittu vuosien varrella monesta eri näkökulmasta käyttäen monia erilaisia kaavoja ja malleja, mutta tekoälyn implementoinnin laajuuden ansiosta on vielä monta ongelmaa ja haastetta, jotka tulisi ratkoa ennen teknologian hyödyntämistä arkikäytössä. Suurimmiksi haasteiksi tutkimuksissa nousivat mm. tekoälyn analysoinnin tarkkuus, tietoturva ja kyberriskien ehkäisy lisääntyneen laitteiston ja datan ansiosta sekä tekoälyn käyttöä koskevien lakien, ohjeistuksien ja yleisten toimintamallien puute. Tehokkaaseen riskienhallintapolitiikkaan tekoälyn avulla vaaditaan helposti muokattava algoritmi, joka osaa laskea ennustuksen tarkasti, tarvittavat turvallisuustoimenpiteet toiminnan takaamiseksi sekä lakeja ja ohjeistuksia, jotta tekoälyn käyttöä voitaisiin valvoa ja tarkastella. Artificial intelligence (AI) has gained significant popularity in our society in recent years. Its use in the workplace and our daily lives is more prevalent than ever before. The widespread adoption of AI has brought about changes in our operational models, and many processes can now be partially or entirely en- trusted to AI. The adoption of AI in the financial sector has been slow and cautious, de- spite the potential for AI implementation to bring new, more efficient, and accu- rate operational models to the industry. AI can analyze data and make deci- sions based entirely on knowledge and data models, eliminating human bias and potential oversights. The research notes that experiments with AI imple- mentation in risk management yield positive results, particularly in refining in- formation and analyzing data, while also speeding up decision-making pro- cesses and eliminating human bias. Implementing AI in risk management is a complex process that has been studied from various perspectives over the years, using many different formu- las and models. However, due to the scope of AI implementation, there are still many problems and challenges that need to be addressed before the technology can be widely used in everyday situations. Key challenges identified in the re- search include the accuracy of AI analysis, cybersecurity, and prevention of cyber risks due to increased hardware and data, as well as the lack of laws, guidelines, and general operational models regarding the use of AI. Effective risk management policies using AI require an easily adaptable algorithm that can accurately calculate predictions, necessary security measures to ensure functionality, laws, and guidelines for monitoring and overseeing the use of AI.
first_indexed 2024-01-04T21:02:10Z
format Kandityö
free_online_boolean 1
fullrecord [{"key": "dc.contributor.advisor", "value": "Clements, Kati", "language": "", "element": "contributor", "qualifier": "advisor", "schema": "dc"}, {"key": "dc.contributor.author", "value": "Matrosov, Anton", "language": "", "element": "contributor", "qualifier": "author", "schema": "dc"}, {"key": "dc.date.accessioned", "value": "2024-01-04T06:49:07Z", "language": null, "element": "date", "qualifier": "accessioned", "schema": "dc"}, {"key": "dc.date.available", "value": "2024-01-04T06:49:07Z", "language": null, "element": "date", "qualifier": "available", "schema": "dc"}, {"key": "dc.date.issued", "value": "2023", "language": "", "element": "date", "qualifier": "issued", "schema": "dc"}, {"key": "dc.identifier.uri", "value": "https://jyx.jyu.fi/handle/123456789/92534", "language": null, "element": "identifier", "qualifier": "uri", "schema": "dc"}, {"key": "dc.description.abstract", "value": "Teko\u00e4ly on l\u00e4hivuosina saavuttanut suuren suosion yhteiskunnassamme.\nSen k\u00e4ytt\u00f6 ty\u00f6paikalla ja arjessamme on suositumpaa, kun koskaan ennen.\nTeko\u00e4lyn yleistyminen on tuonut mukanaan muutoksia toimintamalleihimme, ja\nmonet prosessit on mahdollista j\u00e4tt\u00e4\u00e4 osittain tai kokonaan teko\u00e4lyn vastuulle.\nTeko\u00e4lyn adoptoiminen rahoitusalalle on ollut hidasta ja varautunutta,\nvaikka teko\u00e4lyn implementointi toisi alalle uusia, tehokkaampia ja tarkempia\ntoimintamalleja. Teko\u00e4ly kykenisi analysoida dataa ja tehd\u00e4 p\u00e4\u00e4t\u00f6kset t\u00e4ysin\ntietoon ja tietomalleihin perustuen, samalla eliminoiden ihmisvirkailijan\npuolueellisuuden ja mahdolliset ep\u00e4huomiot. Tutkimuksessa huomataan\nteko\u00e4lyimplementoinnin kokeilujen tuovan positiivisia tuloksia etenkin tiedon\ntarkentumiseen ja datan analysointiin samalla nopeuttaen p\u00e4\u00e4t\u00f6sprosessia sek\u00e4\neliminoimalla ihmisvirkailijan puolueellisuuden.\nTieto\u00e4lyn implementointi riskienhallintaan on suuri prosessi, jota on tutkittu\nvuosien varrella monesta eri n\u00e4k\u00f6kulmasta k\u00e4ytt\u00e4en monia erilaisia kaavoja ja\nmalleja, mutta teko\u00e4lyn implementoinnin laajuuden ansiosta on viel\u00e4 monta\nongelmaa ja haastetta, jotka tulisi ratkoa ennen teknologian hy\u00f6dynt\u00e4mist\u00e4\narkik\u00e4yt\u00f6ss\u00e4. Suurimmiksi haasteiksi tutkimuksissa nousivat mm. teko\u00e4lyn\nanalysoinnin tarkkuus, tietoturva ja kyberriskien ehk\u00e4isy lis\u00e4\u00e4ntyneen laitteiston\nja datan ansiosta sek\u00e4 teko\u00e4lyn k\u00e4ytt\u00f6\u00e4 koskevien lakien, ohjeistuksien ja yleisten\ntoimintamallien puute. Tehokkaaseen riskienhallintapolitiikkaan teko\u00e4lyn\navulla vaaditaan helposti muokattava algoritmi, joka osaa laskea ennustuksen\ntarkasti, tarvittavat turvallisuustoimenpiteet toiminnan takaamiseksi sek\u00e4 lakeja\nja ohjeistuksia, jotta teko\u00e4lyn k\u00e4ytt\u00f6\u00e4 voitaisiin valvoa ja tarkastella.", "language": "fi", "element": "description", "qualifier": "abstract", "schema": "dc"}, {"key": "dc.description.abstract", "value": "Artificial intelligence (AI) has gained significant popularity in our society in\nrecent years. Its use in the workplace and our daily lives is more prevalent than\never before. The widespread adoption of AI has brought about changes in our\noperational models, and many processes can now be partially or entirely en-\ntrusted to AI.\nThe adoption of AI in the financial sector has been slow and cautious, de-\nspite the potential for AI implementation to bring new, more efficient, and accu-\nrate operational models to the industry. AI can analyze data and make deci-\nsions based entirely on knowledge and data models, eliminating human bias\nand potential oversights. The research notes that experiments with AI imple-\nmentation in risk management yield positive results, particularly in refining in-\nformation and analyzing data, while also speeding up decision-making pro-\ncesses and eliminating human bias.\nImplementing AI in risk management is a complex process that has been\nstudied from various perspectives over the years, using many different formu-\nlas and models. However, due to the scope of AI implementation, there are still\nmany problems and challenges that need to be addressed before the technology\ncan be widely used in everyday situations. Key challenges identified in the re-\nsearch include the accuracy of AI analysis, cybersecurity, and prevention of\ncyber risks due to increased hardware and data, as well as the lack of laws,\nguidelines, and general operational models regarding the use of AI. Effective\nrisk management policies using AI require an easily adaptable algorithm that\ncan accurately calculate predictions, necessary security measures to ensure\nfunctionality, laws, and guidelines for monitoring and overseeing the use of AI.", "language": "en", "element": "description", "qualifier": "abstract", "schema": "dc"}, {"key": "dc.description.provenance", "value": "Submitted by Paivi Vuorio (paelvuor@jyu.fi) on 2024-01-04T06:49:07Z\nNo. of bitstreams: 0", "language": "en", "element": "description", "qualifier": "provenance", "schema": "dc"}, {"key": "dc.description.provenance", "value": "Made available in DSpace on 2024-01-04T06:49:07Z (GMT). No. of bitstreams: 0\n Previous issue date: 2023", "language": "en", "element": "description", "qualifier": "provenance", "schema": "dc"}, {"key": "dc.format.extent", "value": "48", "language": "", "element": "format", "qualifier": "extent", "schema": "dc"}, {"key": "dc.language.iso", "value": "fin", "language": null, "element": "language", "qualifier": "iso", "schema": "dc"}, {"key": "dc.rights", "value": "In Copyright", "language": "en", "element": "rights", "qualifier": null, "schema": "dc"}, {"key": "dc.subject.other", "value": "yritysrahoitus", "language": "", "element": "subject", "qualifier": "other", "schema": "dc"}, {"key": "dc.title", "value": "Teko\u00e4lyn hy\u00f6dynt\u00e4minen osana rahoitusp\u00e4\u00e4t\u00f6st\u00e4", "language": "", "element": "title", "qualifier": null, "schema": "dc"}, {"key": "dc.type", "value": "bachelor thesis", "language": null, "element": "type", "qualifier": null, "schema": "dc"}, {"key": "dc.identifier.urn", "value": "URN:NBN:fi:jyu-202401041037", "language": "", "element": "identifier", "qualifier": "urn", "schema": "dc"}, {"key": "dc.type.ontasot", "value": "Bachelor's thesis", "language": "en", "element": "type", "qualifier": "ontasot", "schema": "dc"}, {"key": "dc.type.ontasot", "value": "Kandidaatinty\u00f6", "language": "fi", "element": "type", "qualifier": "ontasot", "schema": "dc"}, {"key": "dc.contributor.faculty", "value": "Informaatioteknologian tiedekunta", "language": "fi", "element": "contributor", "qualifier": "faculty", "schema": "dc"}, {"key": "dc.contributor.faculty", "value": "Faculty of Information Technology", "language": "en", "element": "contributor", "qualifier": "faculty", "schema": "dc"}, {"key": "dc.contributor.department", "value": "Informaatioteknologia", "language": "fi", "element": "contributor", "qualifier": "department", "schema": "dc"}, {"key": "dc.contributor.department", "value": "Information Technology", "language": "en", "element": "contributor", "qualifier": "department", "schema": "dc"}, {"key": "dc.contributor.organization", "value": "Jyv\u00e4skyl\u00e4n yliopisto", "language": "fi", "element": "contributor", "qualifier": "organization", "schema": "dc"}, {"key": "dc.contributor.organization", "value": "University of Jyv\u00e4skyl\u00e4", "language": "en", "element": "contributor", "qualifier": "organization", "schema": "dc"}, {"key": "dc.subject.discipline", "value": "Tietoj\u00e4rjestelm\u00e4tiede", "language": "fi", "element": "subject", "qualifier": "discipline", "schema": "dc"}, {"key": "dc.subject.discipline", "value": "Information Systems Science", "language": "en", "element": "subject", "qualifier": "discipline", "schema": "dc"}, {"key": "yvv.contractresearch.funding", "value": "0", "language": "", "element": "contractresearch", "qualifier": "funding", "schema": "yvv"}, {"key": "dc.type.coar", "value": "http://purl.org/coar/resource_type/c_7a1f", "language": null, "element": "type", "qualifier": "coar", "schema": "dc"}, {"key": "dc.rights.accesslevel", "value": "openAccess", "language": null, "element": "rights", "qualifier": "accesslevel", "schema": "dc"}, {"key": "dc.type.publication", "value": "bachelorThesis", "language": null, "element": "type", "qualifier": "publication", "schema": "dc"}, {"key": "dc.subject.oppiainekoodi", "value": "601", "language": "", "element": "subject", "qualifier": "oppiainekoodi", "schema": "dc"}, {"key": "dc.subject.yso", "value": "teko\u00e4ly", "language": null, "element": "subject", "qualifier": "yso", "schema": "dc"}, {"key": "dc.subject.yso", "value": "koneoppiminen", "language": null, "element": "subject", "qualifier": "yso", "schema": "dc"}, {"key": "dc.rights.url", "value": "https://rightsstatements.org/page/InC/1.0/", "language": null, "element": "rights", "qualifier": "url", "schema": "dc"}]
id jyx.123456789_92534
language fin
last_indexed 2025-02-18T10:54:45Z
main_date 2023-01-01T00:00:00Z
main_date_str 2023
online_boolean 1
online_urls_str_mv {"url":"https:\/\/jyx.jyu.fi\/bitstreams\/08a62707-9550-45b0-a35b-92172e16c33b\/download","text":"URN:NBN:fi:jyu-202401041037.pdf","source":"jyx","mediaType":"application\/pdf"}
publishDate 2023
record_format qdc
source_str_mv jyx
spellingShingle Matrosov, Anton Tekoälyn hyödyntäminen osana rahoituspäätöstä yritysrahoitus Tietojärjestelmätiede Information Systems Science 601 tekoäly koneoppiminen
title Tekoälyn hyödyntäminen osana rahoituspäätöstä
title_full Tekoälyn hyödyntäminen osana rahoituspäätöstä
title_fullStr Tekoälyn hyödyntäminen osana rahoituspäätöstä Tekoälyn hyödyntäminen osana rahoituspäätöstä
title_full_unstemmed Tekoälyn hyödyntäminen osana rahoituspäätöstä Tekoälyn hyödyntäminen osana rahoituspäätöstä
title_short Tekoälyn hyödyntäminen osana rahoituspäätöstä
title_sort tekoälyn hyödyntäminen osana rahoituspäätöstä
title_txtP Tekoälyn hyödyntäminen osana rahoituspäätöstä
topic yritysrahoitus Tietojärjestelmätiede Information Systems Science 601 tekoäly koneoppiminen
topic_facet 601 Information Systems Science Tietojärjestelmätiede koneoppiminen tekoäly yritysrahoitus
url https://jyx.jyu.fi/handle/123456789/92534 http://www.urn.fi/URN:NBN:fi:jyu-202401041037
work_keys_str_mv AT matrosovanton tekoälynhyödyntäminenosanarahoituspäätöstä