Cyberrisk - jakie postanowienia na 2022?

ZATEM?
CO?

algorithmic trading @Risk

Handel algorytmiczny (HA) jest szansą dla przedsiębiorstw elektroenergetycznych w warunkach wzrastającej zmienności rynku energii elektrycznej, gdzie coraz szybciej pojawiają się różne informacje rynkowe, co stwarza szczególnie na rynku dnia bieżącego, ale i rynku terminowym problemy dla traderów w nadążeniu za pojawiającymi się informacjami. Zminimalizowanie potrzeby interwencji tradera w ramach HA pozwala na generowanie zysków z dużą szybkością i częstotliwością, których osiągnięcie jest niemożliwe dla handlowca-człowieka i to praktycznie w każdej godzinie doby, siedem dni w tygodniu. Oczywiście HA kreuje także ryzyko, do którego należy zaliczyć awarię systemu HA, utratę połączenia internetowego, problemy z wydajnością przepływu danych (np. opóźnienia czasowe), błędy w algorytmach czy oprogramowaniu oraz negatywny wpływ HA na wydajność systemu ETRM. Innym ryzykiem jest wpływ HA na możliwość dodatkowego zwiększenia zmienności na rynku przez niewłaściwie skonstruowany algorytm.

Świat zautomatyzowanego systemu podejmowania decyzji (ADM)

Świat algorytmów ma coraz większe znaczenie dla przemysłowego zastosowania ADM (automatyczne podejmowanie decyzji) - bardziej niż w szeroko rozumianej sztucznej inteligencji należy pracować nad aplikacjami, które przynoszą wymierne wyniki: analiza danych, systemy kontroli lub programy, które mogą automatycznie zarządzać ruchem w magazynie, w metrze lub pracowników w fabrykach. Coraz większa liczba podmiotów korzysta z AI, ADM i algorytmów w swojej działalności. Sztuczna inteligencja jest używana nie tylko przez Facebooka lub inne bigtechy, ale jest powszechnie stosowana w robotyce, marketingu i wsparciu sprzedaży. Prekursorem jest oczywiście rynek finansowy i handel algorytmiczny, ale istnieje wiele innych przykładów wskazujących, że algorytmy są coraz bardziej wykorzystywane w podejmowaniu decyzji i jest to trend globalny. AI może się uczyć, wyciągać wnioski z danych historycznych i np. zidentyfikować, kto jest cennym klientem dla firmy, wykryć potencjalne wady samochodu lub ryzyko w korporacji. 

Algorytmy są dziś już tak dobre (załóżmy, że możemy nawet mówić o inteligencji AI), że mogą wygrać nie tylko w szachy, ale także w Go - w słynnym pojedynku w Go w 2016 roku, kiedy sztuczna inteligencja Google zastosowała niestandardową taktykę i wygrała, przegrany Mistrz Fan Hui wyjaśnił później, że nigdy wcześniej nie widział, żeby ktoś tak się grał. Algorytmy uczą się grać, przykładem są gry Atari: Algorytmy zaczęły grać bez uzyskiwania danych, tylko cel - maksymalizacja wyniku. Algorytmy są wykorzystywane do budowania drużyn baseballowych w USA w doborze graczy. Dzisiejsze algorytmy wykorzystują już autonomiczne ciężarówki, autobusy i samochody, choć 10 lat temu wydawało się to niemożliwe. Uber zarządza również kierowcami za pomocą algorytmów (nie tylko poprzez zastosowanie ich za pomocą ADM). I AI jest używane do komponowania muzyki, przykładem jest David Cope i jego program Experiments in Musical Intelligence. 

Innym przykładem niż Google lub Facebook jest Spotify (ale także inne usługi muzyczne), który wykorzystuje algorytmy do automatycznego podejmowania decyzji o tym, które utwory są widoczne dla użytkowników. Spotify poleca swoim użytkownikom nowe utwory i cotygodniowe listy odtwarzania stworzone specjalnie dla nich. Zalecenia takie mają zatem duży wpływ na cały przemysł muzyczny. Model biznesowy Spotify nie polega zatem na pomaganiu słuchaczom w odkrywaniu nowej muzyki, ale na gromadzeniu informacji o słuchaczach w celu sprzedaży odbiorców reklamodawcom. Spotify zmieniał sposób działania witryny na przestrzeni lat - użycie muzyki na podstawie wyszukiwania zostało zastąpione zaleceniami dotyczącymi zachowań, uczuć i nastrojów użytkowników, analizowanymi na podstawie wcześniejszych wyborów muzycznych. Algorytmy są wykorzystywane nie tylko do wyboru treści dostępnych dla użytkowników, ale także w coraz większym stopniu do ich tworzenia. Norweska Agencja Informacyjna używa robotów dziennikarskich do przygotowywania informacji sportowych od 2016 r. Dzięki temu raporty meczowe są już dostępne 30 sekund po zakończeniu gry. Zautomatyzowane raporty informacyjne są nadzorowane przez zespół dziennikarzy i jak dotąd okazały się w 99% wiarygodne. To kolejny etap automatyzacji dziennikarstwa. Innym przykładem jest (częściowa) automatyzacja pracy biurowej. Robotic Process Automation (RPA) to przykład branży, w której oprogramowanie zwalnia człowieka z najtrudniejszych i powtarzalnych zadań. Ta współpraca może stać się prawdziwą symbiozą. Robot może zająć się powtarzającymi się zadaniami, które można łatwo i dokładnie opisać w formie procesu, unikając przy tym błędów popełnianych przez pracowników podczas tak żmudnych zadań. Z kolei pracownik będzie miał więcej czasu, który może poświęcić trudniejszym sprawom - nietypowym pytaniom lub skomplikowanym sprawom. 

Kolejny obszar zmian można znaleźć w medycynie, w diagnozowaniu chorób, w których stosowane są również algorytmy (analizowanie baz danych o objawach, historii pacjenta i rodziny, jego podatności na choroby, być może także genomie itp. i lekach, codzienna ich aktualizacja). Ponadto taka usługa jest dostępna dla pacjenta w dowolnym momencie. Dzisiaj eksperymenty z diagnozą niektórych chorób dają algorytmom przewagę nad lekarzami. Prawdopodobnie technologia ta będzie również wykorzystywana w aptekach do obsługi klientów. Już w 2017 r. miasto Kopenhaga zawarło umowę z IBM na korzystanie z systemu Watson do rutynowej profilaktyki raka piersi. Argumentem za taką decyzją był brak lekarzy specjalizujących się w radiologii. Dzisiejsze chatboty zostaną ulepszone i pewnie uzupełnione sztuczną inteligencją, a algorytmiczne podejmowanie decyzji stanie się sprzedawcami przyszłości. Już dziś niektóre firmy używają algorytmów do obsługi klientów w call-center, przekierowując ich do odpowiednich operatorów, analizując ich potrzeby i nastawienie lub emocje. Pozwala to zwiększyć efektywność obsługi klienta. I świat VUCA jest obecny już dziś w działalności przedsiębiorstw na szczeblu zarządczym: algorytm Vital jest pełnoprawnym członkiem w podejmowaniu decyzji dotyczących inwestycji w zarządzaniu funduszem wysokiego ryzyka Deep Knowledge Ventures. Vital podejmuje decyzje dotyczące inwestycji w spółki, oceniając ich sytuację finansową, perspektywy rynkowe, badania kliniczne i własność intelektualną.