Προκλήσεις Εφαρμογής του GenAI στις Χρηματοοικονομικές Υπηρεσίες

Η ικανότητα ενός υπολογιστή να δημιουργεί πεζό κείμενο έχει γίνει πρόσφατα αρκετά καλή ώστε να λαμβάνεται υπόψη για πρακτική επαγγελματική χρήση. Γιατί λοιπόν οι περισσότερες εταιρείες δεν το χρησιμοποιούν ακόμα; Ας δούμε μερικές προκλήσεις στην εφαρμογή αυτών των μεθόδων. Ενώ το γενετικό AI (GenAI)
μπορεί επίσης να δημιουργήσει εικόνες, ήχο ή βίντεο, θα εστιάσουμε στην ικανότητά του να δημιουργεί κείμενο εδώ.

Στην καρδιά του GenAI βρίσκεται ένα μοντέλο, το οποίο μετατρέπει ένα κομμάτι κειμένου σε ένα άλλο. Το κείμενο εισαγωγής είναι συχνά μια ερώτηση ή μια εντολή που δίνεται από έναν άνθρωπο χρήστη. Το κείμενο εξόδου είναι, ελπίζουμε, μια σωστή και ουσιαστική απάντηση. Οι περισσότεροι από εμάς έχουμε παίξει με
ένα ή περισσότερα από αυτά τα μοντέλα online σε περιβάλλον ανταλλαγής μηνυμάτων κειμένου που θυμίζει συνομιλία. Παρά το γεγονός ότι φαίνονται σαν μια συζήτηση, οι ρωγμές εμφανίζονται να μας σηματοδοτούν ότι δεν μιλάμε σε άνθρωπο.

Η πρώτη ομάδα προκλήσεων έγκειται στον τρόπο κατασκευής αυτών των μοντέλων. Βασίζονται σε τεράστιες συλλογές κειμένων από το διαδίκτυο. Μεγάλο μέρος αυτού του κειμένου είναι φανταστικό ή περιέχει ακατάλληλη ομιλία, όπως διάκριση. Πολλά από αυτό το κείμενο υπόκεινται επίσης σε πνευματικά δικαιώματα
νόμος, γεγονός που καθιστά τη νομιμότητα των μοντέλων κάπως ασαφή.

Η επόμενη ομάδα προκλήσεων έχει να κάνει με την ίδια τη φύση αυτών των μοντέλων. Αντιπροσωπεύουν έναν τεράστιο πίνακα πιθανοτήτων για το ποια λέξη είναι πιο πιθανό να ακολουθήσει μια δεδομένη αρχική ακολουθία λέξεων. Ως εκ τούτου, δεν είναι ικανά για λογικό συλλογισμό, αιτιατική
επιχειρηματολογία ή κοινή λογική. Το πρακτικό αποτέλεσμα είναι ότι περιστασιακά δίνουν λανθασμένες ή αδύνατες απαντήσεις - κάτι που ονομάζεται ψευδαίσθηση.

Επιπλέον, στην επιχειρηματική πρακτική αυτά τα μοντέλα δεν μπορούν να λειτουργήσουν μόνα τους, αλλά πρέπει να ενσωματωθούν σε μια ποικιλία άλλων εργαλείων λογισμικού, που συχνά κατασκευάζονται από άλλους προμηθευτές. Τα μοντέλα GenAI μπορούν στη συνέχεια να αντιπροσωπεύουν μια διεπαφή γλώσσας σε αυτά τα εργαλεία λογισμικού για να εξορθολογιστούν
πολλά καθήκοντα. Ωστόσο, το έργο της ενσωμάτωσης μοντέλων GenAI με παλαιού τύπου λογισμικό μόλις ξεκίνησε και έχει γίνει πολύπλοκο από το ποικίλο και γρήγορα μεταβαλλόμενο τοπίο των ίδιων των προμηθευτών.

Αν υποθέσουμε ότι το GenAI ήταν πλήρως ενσωματωμένο στα κοινά βοηθητικά προγράμματα λογισμικού που χρησιμοποιούνται στον κλάδο των χρηματοοικονομικών υπηρεσιών, θα εξακολουθούσαμε να αντιμετωπίζουμε την πρόκληση της εκπαίδευσης και της διαχείρισης αλλαγών στο εργατικό δυναμικό ενός κλάδου που υπερηφανεύεται για την ανθρώπινη νοημοσύνη.

Όλα αυτά είναι καταρχήν προκλήσεις. Ας τα αφήσουμε στην άκρη προς το παρόν και ας ρωτήσουμε τι θα χρησιμοποιούσαμε το GenAI για να κάνει στις χρηματοοικονομικές υπηρεσίες.

Ορισμένες χρήσεις είναι κοινές με άλλους κλάδους, όπως η αυτοματοποίηση της εξυπηρέτησης πελατών για την απάντηση ερωτήσεων ή η εκτέλεση εργασιών ρουτίνας, όπως μια έξυπνη αυτοματοποιημένη τηλεφωνική γραμμή. Κάποιος μπορεί να στείλει email μάρκετινγκ σε πολλούς πελάτες που είναι πολύπλοκα προσαρμοσμένα στη συμπεριφορά του κάθε ατόμου
μοτίβο για τη διαφήμιση συγκεκριμένων προϊόντων και υπηρεσιών που είναι πραγματικά κατάλληλα για αυτό το άτομο. 

Γίνεται πιο ενδιαφέρον όταν συνειδητοποιούμε ότι το GenAI δεν μιλά μόνο ανθρώπινες γλώσσες αλλά και γλώσσες υπολογιστών. Μπορεί να μεταφράσει μια ερώτηση που τίθεται στα Αγγλικά σε SQL, τη γλώσσα των βάσεων δεδομένων, ή σε JavaScript, τη γλώσσα των ιστοσελίδων. Ένα οικονομικό
Ο αναλυτής μπορεί να κάνει μια ερώτηση στα Αγγλικά, να την τοποθετήσει σε μια βάση δεδομένων σε τέλεια SQL και η απάντηση να μετατραπεί σε μια σελίδα JavaScript που εμφανίζεται ως γράφημα αναλυτικών στοιχείων. Για τον οικονομικό αναλυτή, το γράφημα εμφανίζεται αμέσως με αξιόπιστα αριθμητικά δεδομένα.
Είναι αξιόπιστο γιατί το GenAI δεν δημιούργησε το αριθμητικό περιεχόμενο αλλά το ανακτούσε από μια καλά διαμορφωμένη βάση δεδομένων. Η στιγμιαία απάντηση είναι ένα σημαντικό κέρδος καθώς σώζεται όλη η ανθρώπινη εργασία και η καθυστέρηση.

Το GenAI είναι σε θέση να γράφει πεζό κείμενο εγγενώς και έτσι μπορεί να παρέχει ένα πρώτο προσχέδιο μιας οικονομικής ανάλυσης ή έκθεσης που θα διορθωθεί από έναν άνθρωπο. Είναι καλά τεκμηριωμένο ότι η αυτοματοποίηση του πρώτου σχεδίου μπορεί να εξοικονομήσει έως και το 40% της συνολικής ανθρώπινης εργατικής προσπάθειας
για την έκθεση.

Συνοψίζοντας, οι κύριες προκλήσεις έγκεινται στα ίδια τα μοντέλα και την ενσωμάτωσή τους σε άλλα εργαλεία. Μόλις ενσωματωθούν, πρέπει να χρησιμοποιηθούν σωστά από ένα εργατικό δυναμικό που είναι πρόθυμο και εκπαιδευμένο να το κάνει.

Αυτό μας φέρνει στο τελευταίο εμπόδιο για την υιοθέτηση στις χρηματοοικονομικές υπηρεσίες: Εμπιστοσύνη. Οι επαγγελματίες του χρηματοοικονομικού κλάδου, τα εταιρικά στελέχη και οι κυβερνητικές ρυθμιστικές αρχές δεν εμπιστεύονται ακόμη ότι αυτές οι τεχνολογίες είναι τόσο αξιόπιστες όσο θα θέλαμε να εξυπηρετούν
μια ρυθμιζόμενη βιομηχανία στην οποία μπορούν να χαθούν μεγάλα χρηματικά ποσά σε μια στιγμή. Αυτό πρέπει να αντιμετωπιστεί με ενσωματώσεις όπως αυτή που αναφέρθηκε παραπάνω για τον έλεγχο του GenAI με ακριβείς βάσεις δεδομένων, καθώς και με την καλύτερη υποστήριξη της ίδιας της βιομηχανίας τεχνητής νοημοσύνης, έτσι ώστε η κατανόηση
καταπολεμά την έλλειψη εμπιστοσύνης.

• SEO Powered Content & PR Distribution. Ενισχύστε σήμερα.
• PlatoData.Network Vertical Generative Ai. Ενδυναμώστε τον εαυτό σας. Πρόσβαση εδώ.
• PlatoAiStream. Web3 Intelligence. Ενισχύθηκε η γνώση. Πρόσβαση εδώ.
• PlatoESG. Ανθρακας, Cleantech, Ενέργεια, Περιβάλλον, Ηλιακός, Διαχείριση των αποβλήτων. Πρόσβαση εδώ.
• PlatoHealth. Ευφυΐα βιοτεχνολογίας και κλινικών δοκιμών. Πρόσβαση εδώ.
• πηγή: https://www.finextra.com/blogposting/25582/implementation-challenges-of-genai-in-financial-services?utm_medium=rssfinextra&utm_source=finextrablogs