Herausforderungen bei der Implementierung von GenAI in Finanzdienstleistungen

Die Fähigkeit eines Computers, Prosatexte zu generieren, ist in letzter Zeit so gut geworden, dass man sie für den praktischen Geschäftsgebrauch in Betracht ziehen kann. Warum nutzen es die meisten Unternehmen noch nicht? Schauen wir uns einige Herausforderungen bei der Implementierung dieser Methoden an. Während generative KI (GenAI)
kann auch Bilder, Audio oder Video generieren, wir konzentrieren uns hier auf seine Fähigkeit, Text zu generieren.

Das Herzstück von GenAI ist ein Modell, das einen Text in einen anderen umwandelt. Der Eingabetext ist oft eine Frage oder ein Befehl eines menschlichen Benutzers. Der Ausgabetext ist hoffentlich eine korrekte und aussagekräftige Antwort. Die meisten von uns haben damit gespielt
eines oder mehrere dieser Modelle online in einer SMS-Umgebung, die an ein Gespräch erinnert. Obwohl es wie ein Gespräch aussieht, erscheinen Risse, die uns signalisieren, dass wir nicht mit einem Menschen sprechen.

Die erste Gruppe von Herausforderungen liegt in der Art und Weise, wie diese Modelle hergestellt wurden. Sie basieren auf riesigen Textsammlungen aus dem Internet. Ein Großteil dieses Textes ist fiktiv oder enthält unangemessene Ausdrücke wie Diskriminierung. Viele dieser Texte unterliegen ebenfalls dem Urheberrecht
Gesetz, was die Legalität der Modelle etwas unklar macht.

Die nächste Gruppe von Herausforderungen hat mit der Natur dieser Modelle zu tun. Sie stellen eine gigantische Wahrscheinlichkeitsmatrix dar, welches Wort am wahrscheinlichsten auf eine bestimmte Anfangsfolge von Wörtern folgt. Als solche sind sie nicht in der Lage, logisch und kausal zu argumentieren
Argumentation oder gesunder Menschenverstand. Das praktische Ergebnis ist, dass sie gelegentlich falsche oder unmögliche Antworten geben – was als Halluzination bezeichnet wird.

Darüber hinaus können diese Modelle in der Geschäftspraxis nicht eigenständig funktionieren, sondern müssen in eine Vielzahl anderer Softwaretools integriert werden, die oft von anderen Anbietern stammen. Die GenAI-Modelle können dann eine Sprachschnittstelle für diese Softwaretools zur Optimierung darstellen
viele Aufgaben. Allerdings hat die Arbeit zur Integration von GenAI-Modellen mit Legacy-Software gerade erst begonnen und wird durch die vielfältige und sich schnell verändernde Landschaft der Anbieter selbst komplex.

Angenommen, GenAI wäre vollständig in die gängigen Software-Dienstprogramme integriert, die in der Finanzdienstleistungsbranche verwendet werden, stünden wir immer noch vor der Herausforderung, die Belegschaft einer Branche zu schulen und zu ändern, die stolz auf menschliche Intelligenz ist.

Das sind alles grundsätzliche Herausforderungen. Lassen wir sie zunächst beiseite und fragen wir uns, wofür wir GenAI im Finanzdienstleistungsbereich einsetzen würden.

Einige Verwendungszwecke sind in anderen Branchen üblich, beispielsweise die Automatisierung des Kundendienstes bei der Beantwortung von Fragen oder bei der Erledigung von Routineaufgaben wie einer intelligenten automatisierten Hotline. Man kann an viele Kunden Marketing-E-Mails versenden, die genau auf das Verhalten jedes Einzelnen zugeschnitten sind
Muster, um für bestimmte Produkte und Dienstleistungen zu werben, die wirklich für diese Person geeignet sind. 

Interessanter wird es, wenn wir bedenken, dass GenAI nicht nur menschliche Sprachen, sondern auch Computersprachen spricht. Es kann eine auf Englisch gestellte Frage in SQL, die Sprache der Datenbanken, oder in JavaScript, die Sprache der Webseiten, übersetzen. Eine finanzielle
Der Analyst stellt möglicherweise eine Frage auf Englisch, lässt diese in einer Datenbank in perfektem SQL ablegen und die Antwort in eine JavaScript-Seite umwandeln, die als Analysediagramm angezeigt wird. Für den Finanzanalysten erscheint das Diagramm sofort mit vertrauenswürdigen numerischen Daten.
Es ist vertrauenswürdig, weil GenAI den numerischen Inhalt nicht erstellt, sondern aus einer wohlgeformten Datenbank abgerufen hat. Die sofortige Antwort ist ein erheblicher Gewinn, da die gesamte menschliche Arbeit und Verzögerung eingespart wird.

GenAI ist in der Lage, Prosatexte nativ zu schreiben und so einen ersten Entwurf einer Finanzanalyse oder eines Berichts zur Korrektur durch einen Menschen bereitzustellen. Es ist gut dokumentiert, dass durch die Automatisierung des ersten Entwurfs bis zu 40 % des gesamten menschlichen Arbeitsaufwands eingespart werden können
für den Bericht.

Zusammenfassend lässt sich sagen, dass die größten Herausforderungen bei den Modellen selbst und ihrer Integration in andere Tools liegen. Sobald sie integriert sind, müssen sie von einer dazu bereiten und geschulten Belegschaft korrekt genutzt werden.

Dies bringt uns zum letzten Hindernis für die Einführung von Finanzdienstleistungen: Vertrauen. Finanzexperten, Unternehmensleiter und staatliche Regulierungsbehörden vertrauen diesen Technologien noch nicht ganz darauf, dass sie so zuverlässig sind, wie wir es uns wünschen
eine regulierte Branche, in der in einem Moment große Geldsummen verloren gehen können. Dem muss mit Integrationen wie der oben genannten begegnet werden, um GenAI mit präzisen Datenbanken zu steuern, und auch mit einer besseren Befürwortung der KI-Industrie selbst, damit das Verständnis gewährleistet ist
überwindet Mangel an Vertrauen.

• SEO-gestützte Content- und PR-Distribution. Holen Sie sich noch heute Verstärkung.
• PlatoData.Network Vertikale generative KI. Motiviere dich selbst. Hier zugreifen.
• PlatoAiStream. Web3-Intelligenz. Wissen verstärkt. Hier zugreifen.
• PlatoESG. Kohlenstoff, CleanTech, Energie, Umwelt, Solar, Abfallwirtschaft. Hier zugreifen.
• PlatoHealth. Informationen zu Biotechnologie und klinischen Studien. Hier zugreifen.
• Quelle: https://www.finextra.com/blogposting/25582/implementation-challenges-of-genai-in-financial-services?utm_medium=rssfinextra&utm_source=finextrablogs