Generativ kunstig intelligens – banebrydende for den næste bølge på kapitalmarkederne

Generativ kunstig intelligens – banebrydende for den næste bølge på kapitalmarkederne

Tidsstempel: 14. juli 2023 kl. 1
Kildeknude: 2766169

  Generativ AI har vundet fremtræden i den seneste tid på grund af dets virkelig transformative og forstyrrende potentiale. Udviklingen startede med hurtige fremskridt inden for maskinlæringsteknikker til prædiktiv analyse og generering af indsigt efterfulgt af vedtagelse af deep learning-modeller. Modellerne har nu udviklet sig til mere avancerede LLM'er (Large language models), som danner grundlaget for de generative AI-modeller. LLM'erne har brudt barriererne for sprogkompleksitet ved at muliggøre træning i store mængder data, herunder tekst, billeder og lyd, for at forstå konteksten, hensigten osv. på tværs af sprog, hvilket kan resultere i kontekstuelt og semantisk korrekte output. Generativ AI kan nu udnyttes på tværs af flere anvendelsessager, såsom besvare spørgsmål baseret på en videnbase, opsummere emner, skrive kode osv.

Det nuværende sæt af Generative AI-applikationer inkluderer ChatGPT, DALL-E, Stable Diffusion, BARD, Midjourney, Deepmind og andre, der kan behandle enorme organisatoriske data såsom tekst, e-mails, chats, billeder, video og lydoptagelser, som kan bruges til at drive virksomhedstransformationer. Nogle af fordelene omfatter forbedret kundeoplevelse, øget produktivitet, hurtigere produktudvikling og reducerede omkostninger.

Nye use cases inden for kapitalmarkederne

Store investerings- og fintech-virksomheder er allerede begyndt at eksperimentere med proof of concepts til forskellige use cases inden for generativ kunstig intelligens. Størstedelen af ​​use cases er fokuseret på at forbedre og transformere kundeservice, drift, forskning og indsigt og skabelse af indhold. Generative AI-applikationer giver brugervenlige API'er, så virksomheder enten kan forbruge som de er eller vælge at tilpasse modellerne ved hjælp af proprietære data. Disse API'er kan integreres problemfrit med virksomhedsapplikationerne for at give en sammenkoblet platformløsning.

Vedhæftede billede giver et overblik over nogle af de potentielle use cases for de forskellige brancher inden for kapitalmarkederne baseret på offentligt tilgængelig information.

  Efter vores mening er kundeservice, indholdsgenerering og investeringsundersøgelser use cases, som størstedelen af ​​virksomhederne undersøger. En kort beskrivelse af anvendelsestilfældene er givet i de efterfølgende afsnit.

  Customer service use case inkluderer kundeservice chatbot, der kan hjælpe med kommunikationen ved at forstå hensigten med spørgsmålene, formulere svar og forbedre svarkvaliteten. Data indsamlet fra interaktionerne kan også analyseres for interesser og følelser for at bane vejen for forbedret kundeforhold gennem hyperpersonalisering. Formueforvaltningsfirmaer kunne udnytte teknologien til at tilbyde personlig investeringsrådgivning gennem digitale kanaler og dermed forbedre kundeoplevelsen.

 Relationsledere kunne også udnytte det samme til at skabe personlige marketingkampagner på tværs af kundesegmenter, geografi og demografi og dermed automatisere det digitale salg og marketing. Dette kan potentielt øge kundeværdi, konvertering og fastholdelse over en længere periode. Jura- og overholdelsesteamet kunne også drage fordel af at generere regulerings- og overholdelsesrapporter og dermed overvinde rapporteringens multiformatudfordringer.

 Generative AI's omfattende dataanalysefunktioner kan bruges af firmaer til at analysere store mængder tekstanalytikerrapporter og -anbefalinger, stemmeudskrifter og data fra sociale medier, nyheder, artikler osv. til at opdage mønstre, tendenser, sammenhænge og dermed muliggøre informeret investeringsindsigt og lyd. investeringsbeslutninger.

Aktuelle udfordringer og risici ved at indføre Generativ AI

Selvom dette er en banebrydende teknologi, kommer den med sine egne udfordringer og risici, som skal håndteres effektivt af virksomhederne til ansvarlig brug.

Generativ AI er på det højeste punkt i hype-cyklussen. Det er vigtigt for virksomhederne at udforske Generative AI-kapaciteter ved at identificere en passende use case, som tilbyder forretningsværdi og hjælper med at forstå teknologiens muligheder bedre. En af overvejelserne ved valg af use case er data. Da modeloutput er meget dataafhængige, skal det ses nærmere på at identificere det rigtige sæt data til træning, datakvalitet og datasikkerhed.

Der er fortsat udfordringer med at udnytte de allerede eksisterende modeller, som allerede er trænet i offentligt tilgængelige datasæt, da de potentielt kan indeholde falske og vildledende oplysninger, der kan føre til beslutningsfejl.

Der er juridiske risici og overholdelsesrisici vedrørende databeskyttelse og fortrolighed, problemer med cybersvindel og spørgsmål vedrørende forklarligheden af ​​de genererede output kontra menneskeskabte.

Hvordan skal virksomheder reagere for at realisere det fulde potentiale af generativ kunstig intelligens? 

     Generativ kunstig intelligens lover at give betydelige fordele for virksomhederne. Det er vigtigt for virksomheder at udforske denne nye teknologi nu for at opnå konkurrencefordele. Virksomheder skal gennemgå deres eksisterende innovationsportefølje og gøre generativ kunstig intelligens til et af deres umiddelbare fokusområder. Virksomheder er nødt til at samarbejde med eksterne udbydere for at bringe de bedste teknologiske muligheder for en forbedret transformationsrejse.

Fremgangsmåden er at udføre en PoC, som vil involvere identifikation af business use cases og prioritering baseret på valideret læring, der kan opnås fra use casen. En af tilgangene kunne være at udforske designtænkning og/eller lean opstartsmetoder for at opnå maksimalt udbytte. I lighed med andre AI-modeller er det vigtigt for virksomheder at have en robust AI-ramme og styring på plads med Forklarlige og troværdige AI-rammer.

 

Konklusion 

Det globale marked for generativ kunstig intelligens forventes at vokse med 34 % i 2032 og forventes at stige til 165 milliarder USD. Virksomheder investerer i stigende grad i forskning og udvikling, bygger POC (proof of concepts), etablerer business cases og integration i virksomhedsplatforme. Virksomheder, der integrerer kapaciteterne på tværs af deres front-, middle- og back-office-funktioner, vil få den første bevægelsesfordel på markedet. Som med alle nye teknologier skal risiciene styres med styrings- og overholdelsesrammer og sikre omhyggelige beslutninger, da det kræver betydelige investeringer forbundet med teknologisk infrastruktur og arbejdsstyrke.

Tidsstempel:

Mere fra Fintextra