Generative AI – πρωτοπόρος στο επόμενο κύμα στις κεφαλαιαγορές

Generative AI – πρωτοπόρος στο επόμενο κύμα στις κεφαλαιαγορές

Κόμβος πηγής: 2766169

  Το Generative AI έχει κερδίσει εξέχουσα θέση τα τελευταία χρόνια λόγω των πραγματικά μετασχηματιστικών και διασπαστικών δυνατοτήτων του. Η εξέλιξη ξεκίνησε με τις γρήγορες προόδους στις τεχνικές μηχανικής μάθησης για προγνωστικά αναλυτικά στοιχεία και δημιουργία πληροφοριών, ακολουθούμενη από την υιοθέτηση μοντέλων βαθιάς μάθησης. Τα μοντέλα έχουν πλέον εξελιχθεί σε πιο προηγμένα LLM (Μοντέλα μεγάλων γλωσσών) που αποτελούν τη βάση για τα γενετικά μοντέλα AI. Τα LLM έχουν σπάσει τα εμπόδια στην πολυπλοκότητα της γλώσσας, επιτρέποντας εκπαίδευση σε τεράστιο όγκο δεδομένων, συμπεριλαμβανομένων κειμένου, εικόνων και ήχου, για την κατανόηση του πλαισίου, της πρόθεσης κ.λπ. σε όλες τις γλώσσες, κάτι που μπορεί να οδηγήσει σε ορθές εκροές συμφραζομένων και σημασιολογικά. Το Generative AI μπορεί πλέον να αξιοποιηθεί σε περιπτώσεις πολλαπλών χρήσεων, όπως απαντήσεις σε ερωτήσεις που βασίζονται σε μια βάση γνώσεων, σύνοψη θεμάτων, σύνταξη κώδικα κ.λπ.

Το τρέχον σύνολο εφαρμογών Generative AI περιλαμβάνει ChatGPT, DALL-E, Stable Diffusion, BARD, Midjourney, Deepmind και άλλες που μπορούν να επεξεργαστούν τεράστια οργανωτικά δεδομένα όπως κείμενο, e-mail, συνομιλίες, εικόνες, βίντεο και ηχογραφήσεις που μπορούν να να χρησιμοποιηθούν για την προώθηση των επιχειρηματικών μετασχηματισμών. Μερικά από τα οφέλη περιλαμβάνουν βελτιωμένη εμπειρία πελάτη, βελτιωμένη παραγωγικότητα, ταχύτερη ανάπτυξη προϊόντων και μειωμένο κόστος.

Αναδυόμενες περιπτώσεις χρήσης στις κεφαλαιαγορές

Μεγάλες εταιρείες επενδύσεων και fintech έχουν ήδη αρχίσει να πειραματίζονται με την απόδειξη των ιδεών για διάφορες περιπτώσεις χρήσης στη γενετική τεχνητή νοημοσύνη. Η πλειονότητα των περιπτώσεων χρήσης επικεντρώνεται στη βελτίωση και τη μετατροπή της εξυπηρέτησης πελατών, των λειτουργιών, της έρευνας και των πληροφοριών και της δημιουργίας περιεχομένου. Οι εφαρμογές παραγωγής τεχνητής νοημοσύνης παρέχουν εύχρηστα API για τις εταιρείες είτε να καταναλώνουν ως έχουν είτε να επιλέξουν να προσαρμόσουν τα μοντέλα χρησιμοποιώντας ιδιόκτητα δεδομένα. Αυτά τα API μπορούν να ενσωματωθούν απρόσκοπτα με τις εταιρικές εφαρμογές για να παρέχουν μια λύση διασυνδεδεμένης πλατφόρμας.

Η συνημμένη εικόνα παρέχει μια άποψη για ορισμένες από τις πιθανές περιπτώσεις χρήσης για τους διαφορετικούς τομείς δραστηριότητας στις κεφαλαιαγορές με βάση τις διαθέσιμες στο κοινό πληροφορίες.

  Κατά την άποψή μας, η εξυπηρέτηση πελατών, η παραγωγή περιεχομένου και η έρευνα επενδύσεων είναι περιπτώσεις χρήσης που η πλειονότητα των εταιρειών διερευνά. Μια σύντομη περιγραφή των περιπτώσεων χρήσης παρέχεται στις επόμενες παραγράφους.

  Η περίπτωση χρήσης εξυπηρέτησης πελατών περιλαμβάνει chatbot εξυπηρέτησης πελατών που μπορεί να βοηθήσει στην επικοινωνία κατανοώντας την πρόθεση των ερωτήσεων, να διατυπώσει απαντήσεις και να βελτιώσει την ποιότητα των απαντήσεων. Τα δεδομένα που συλλέγονται από τις αλληλεπιδράσεις μπορούν επίσης να αναλυθούν για ενδιαφέροντα και συναισθήματα για να ανοίξει ο δρόμος για βελτιωμένες σχέσεις με τους πελάτες μέσω της υπερ εξατομίκευσης. Οι εταιρείες διαχείρισης πλούτου θα μπορούσαν να αξιοποιήσουν την τεχνολογία για να προσφέρουν εξατομικευμένες επενδυτικές συμβουλές μέσω ψηφιακών καναλιών, ενισχύοντας έτσι την εμπειρία του πελάτη.

 Οι υπεύθυνοι σχέσεων θα μπορούσαν επίσης να αξιοποιήσουν το ίδιο για τη δημιουργία εξατομικευμένων καμπανιών μάρκετινγκ σε τμήματα πελατών, γεωγραφίες και δημογραφικά στοιχεία, αυτοματοποιώντας έτσι τις ψηφιακές πωλήσεις και το μάρκετινγκ. Αυτό θα μπορούσε ενδεχομένως να αυξήσει την αξία, τη μετατροπή και τη διατήρηση των πελατών για μεγάλο χρονικό διάστημα. Η νομική ομάδα και η ομάδα συμμόρφωσης θα μπορούσε επίσης να επωφεληθεί από τη δημιουργία ρυθμιστικών εκθέσεων και εκθέσεων συμμόρφωσης, ξεπερνώντας έτσι τις προκλήσεις πολλαπλών μορφών της αναφοράς.

 Οι εκτεταμένες δυνατότητες ανάλυσης δεδομένων του Generative AI μπορούν να χρησιμοποιηθούν από εταιρείες για την ανάλυση μεγάλου όγκου αναφορών και προτάσεων αναλυτών κειμένου, φωνητικών μεταγραφών και δεδομένων από μέσα κοινωνικής δικτύωσης, ειδήσεις, άρθρα κ.λπ. επενδυτικές αποφάσεις.

Τρέχουσες προκλήσεις και κίνδυνοι στην υιοθέτηση του Generative AI

Αν και πρόκειται για μια πρωτοποριακή τεχνολογία, συνοδεύεται από τις δικές της προκλήσεις και κινδύνους που πρέπει να αντιμετωπίζονται αποτελεσματικά από τις εταιρείες για την υπεύθυνη χρήση της.

Το Generative AI βρίσκεται στο υψηλότερο σημείο του κύκλου hype. Είναι σημαντικό για τις εταιρείες να διερευνήσουν τις δυνατότητες Generative AI εντοπίζοντας μια κατάλληλη περίπτωση χρήσης που προσφέρει επιχειρηματική αξία και βοηθά στην καλύτερη κατανόηση των τεχνολογικών δυνατοτήτων. Ένα από τα ζητήματα για την επιλογή της περίπτωσης χρήσης είναι τα δεδομένα. Δεδομένου ότι οι έξοδοι του μοντέλου εξαρτώνται σε μεγάλο βαθμό από δεδομένα, ο εντοπισμός του σωστού συνόλου δεδομένων για μέτρα εκπαίδευσης, ποιότητας και ασφάλειας δεδομένων χρειάζεται μια πιο προσεκτική ματιά.

Εξακολουθούν να υπάρχουν προκλήσεις με τη μόχλευση των προϋπαρχόντων μοντέλων που είναι ήδη εκπαιδευμένα σε δημόσια διαθέσιμα σύνολα δεδομένων, καθώς ενδέχεται να περιέχουν ψευδείς και λανθασμένες πληροφορίες που οδηγούν σε σφάλματα λήψης αποφάσεων.

Υπάρχουν νομικοί κίνδυνοι και κίνδυνοι συμμόρφωσης που σχετίζονται με το απόρρητο και την εμπιστευτικότητα των δεδομένων, ζητήματα απάτης στον κυβερνοχώρο και ζητήματα που σχετίζονται με την επεξήγηση των παραγόμενων αποτελεσμάτων έναντι εκείνων που δημιουργούνται από τον άνθρωπο

Πώς πρέπει να ανταποκριθούν οι εταιρείες για να αξιοποιήσουν πλήρως τις δυνατότητες της Generative AI; 

     Η Generative AI υπόσχεται να προσφέρει σημαντικά οφέλη για τις εταιρείες. Είναι σημαντικό για τις επιχειρήσεις να εξερευνήσουν αυτήν την αναδυόμενη τεχνολογία τώρα για να αποκτήσουν ανταγωνιστικό πλεονέκτημα. Οι εταιρείες πρέπει να επανεξετάσουν το υπάρχον χαρτοφυλάκιο καινοτομίας τους και να καταστήσουν τη γενετική τεχνητή νοημοσύνη ως έναν από τους άμεσους τομείς εστίασής τους. Οι εταιρείες πρέπει να συνεργαστούν με εξωτερικούς παρόχους για να προσφέρουν τις καλύτερες τεχνολογικές δυνατότητες για βελτιωμένο ταξίδι μετασχηματισμού.

Η προσέγγιση είναι να εκτελεστεί ένα PoC που θα περιλαμβάνει τον εντοπισμό περιπτώσεων επιχειρηματικής χρήσης και την ιεράρχηση προτεραιοτήτων με βάση την επικυρωμένη μάθηση που μπορεί να επιτευχθεί από την περίπτωση χρήσης. Μία από τις προσεγγίσεις θα μπορούσε να είναι η διερεύνηση της σχεδιαστικής σκέψης ή/και μεθοδολογιών λιτής startup για να επιτευχθεί το μέγιστο όφελος. Παρόμοια με άλλα μοντέλα τεχνητής νοημοσύνης, είναι σημαντικό για τις εταιρείες να διαθέτουν ένα ισχυρό πλαίσιο τεχνητής νοημοσύνης και διακυβέρνηση με εξηγήσιμα και αξιόπιστα πλαίσια τεχνητής νοημοσύνης.

 

Συμπέρασμα 

Η παγκόσμια αγορά Generative AI αναμένεται να αυξηθεί κατά 34% έως το 2032 και αναμένεται να αυξηθεί στα 165 δισεκατομμύρια δολάρια ΗΠΑ. Οι εταιρείες επενδύουν ολοένα και περισσότερο στην έρευνα και ανάπτυξη, στη δημιουργία POC (απόδειξη των εννοιών), στη δημιουργία επιχειρηματικών υποθέσεων και στην ενσωμάτωση σε επιχειρηματικές πλατφόρμες. Οι εταιρείες που ενσωματώνουν τις δυνατότητες σε όλες τις λειτουργίες του μπροστινού, του μεσαίου και του back-office θα κερδίσουν το πρώτο πλεονέκτημα στην αγορά. Όπως συμβαίνει με όλες τις αναδυόμενες τεχνολογίες, οι κίνδυνοι πρέπει να αντιμετωπιστούν με πλαίσια διακυβέρνησης και συμμόρφωσης και να διασφαλιστούν προσεκτικές αποφάσεις, καθώς απαιτούνται σημαντικές επενδύσεις που σχετίζονται με την τεχνολογική υποδομή και το εργατικό δυναμικό.

Σφραγίδα ώρας:

Περισσότερα από Fintextra