基于人工智能的个性化推荐系统论文发表于韩国资料分析学会学术期刊 JKDAS
通过人工智能技术持续加速金融创新
Kbank通过提出基于人工智能的个人化推荐系统在战略性设计和性能方面的理论依据，证明了其创新性与优越性。
Kbank表示，收录了反映客户行为模式的“个人定制型”Kbank应用内容的论文《基于人工智能推荐系统的战略性设计与用户体验变化分析：通过MLOps自动化进行金融应用实验》已于14日刊登在国内数据分析学术期刊《JKDAS（Journal of the Korean Data Analysis Society）》上。
JKDAS是由韩国资料分析学会（KDAS）出版的期刊，是一份在韩国学术期刊引文索引（KCI）中收录的主要国内学术期刊之一，积极刊载以统计为基础的数据分析理论及应用研究。
本次研究以应用于Kbank应用程序的个性化推荐系统为核心，对人工智能技术对客户行为变化、用户体验以及企业盈利能力的影响进行了实证分析。作为在并非个性化推荐较为活跃的电商、OTT等行业，而是在金融领域开展的人工智能模型个性化战略研究，此次研究被评价为一次具有意义的尝试。
尤其是，为了设计最适合金融产业的模型，Kbank面向行内负责信贷、存款等多个金融领域的相关负责人开展了焦点小组访谈（FGI，Focus Group Interview）。
通过这一过程，Kbank更加精细地把握了客户类型和行为模式，并从人工智能模型开发阶段起就应用相关结果，不仅突破了单纯以技术为中心的推荐，还反映了金融消费者的特性，提高了预测性能和运营稳定性。
该推荐系统基于MLOps（Machine Learning Operations，机器学习运维）实现，能够实时感知并分析使用应用程序的客户偏好、停留时间等行为数据。其特点在于构建了自动化流程，使分析结果能够持续学习并再次应用于系统。
Kbank相关负责人表示：“我们将以人工智能技术为基础，把自建系统最终升级为人工智能Agent体系，为客户提供更加精细的金融服务”，“今后也将继续致力于引领基于人工智能的金融服务，重塑为‘AI Powered Bank（人工智能驱动银行）’。”
另一方面，Kbank今年引入了私有大规模语言模型（Private LLM），加快推进人工智能金融创新，包括构建用于提升内部业务效率的人工智能自动化系统，以及为扩大面向客户的人工智能服务夯实基础等。尤其是在GPU服务器扩容等方面，较去年投入了约3倍规模的人工智能与云计算相关投资。
版权所有 © 阿视亚经济 (www.asiae.co.kr)。 未经许可不得转载。
