A GenAI bevezetési kihívásai a pénzügyi szolgáltatásokban

A számítógép azon képessége, hogy prózai szöveget generáljon, a közelmúltban elég jónak bizonyult ahhoz, hogy megfontoljuk a gyakorlati üzleti használatra. Akkor miért nem használja a legtöbb cég még? Nézzünk meg néhány kihívást ezeknek a módszereknek a megvalósítása során. Míg a generatív AI (GenAI)
képeket, hangot vagy videót is generálhat, itt a szöveggeneráló képességére fogunk összpontosítani.

A GenAI középpontjában egy modell áll, amely az egyik szövegrészt a másikba alakítja át. A beviteli szöveg gyakran egy emberi felhasználó által feltett kérdés vagy parancs. A kimeneti szöveg remélhetőleg helyes és értelmes válasz. A legtöbben játszottunk vele
egy vagy több ilyen modell online beszélgetésre emlékeztető szöveges üzenetküldő környezetben. Annak ellenére, hogy beszélgetésnek tűnik, repedések jelennek meg, jelezve számunkra, hogy nem emberi lénnyel beszélünk.

A kihívások első csoportja a modellek elkészítésének módjában rejlik. Az internetről származó hatalmas szöveggyűjteményekre épülnek. A szöveg nagy része kitalált, vagy nem megfelelő beszédet, például diszkriminációt tartalmaz. A szöveg nagy része szerzői jogvédelem alatt áll
törvény, ami némileg homályossá teszi a modellek jogszerűségét.

A kihívások következő csoportja ezeknek a modelleknek a természetéhez kapcsolódik. Egy gigantikus valószínűségi mátrixot képviselnek arra vonatkozóan, hogy melyik szó követi a legnagyobb valószínűséggel egy adott kezdő szósorozatot. Mint ilyenek, nem képesek logikus érvelésre, kauzálisra
érvelés, vagy a józan ész. A gyakorlati eredmény az, hogy időnként helytelen vagy lehetetlen válaszokat adnak – amit hallucinációnak neveznek.

Ezenkívül az üzleti gyakorlatban ezek a modellek nem élhetnek önmagukban, hanem számos más szoftvereszközbe kell integrálni őket, amelyeket gyakran más gyártók készítenek. A GenAI modellek ezután nyelvi interfészt jelenthetnek ezekhez a szoftvereszközökhöz az egyszerűsítés érdekében
sok feladat. A GenAI modellek örökölt szoftverekkel való integrálása azonban még csak most kezdődött, és a gyártók változatos és gyorsan változó környezete teszi bonyolulttá.

Feltételezve, hogy a GenAI teljes mértékben integrálódna a pénzügyi szolgáltatási ágazatban használt általános szoftvereszközökbe, továbbra is a képzés és a változáskezelés kihívásával kell szembenéznünk egy olyan iparágban, amely büszke az emberi intelligenciára.

Ezek mind elvi kihívások. Tegyük most félre őket, és kérdezzük meg, mire alkalmaznánk a GenAI-t a pénzügyi szolgáltatások terén.

Egyes felhasználások gyakoriak más iparágakban, például az ügyfélszolgálat automatizálása a kérdések megválaszolásakor vagy a rutinfeladatok elvégzése, például az intelligens automatizált forródrót. Sok ügyfélnek lehet marketinges e-maileket küldeni, az egyes egyén viselkedéséhez igazodva
mintát az adott személy számára valóban megfelelő termékek és szolgáltatások hirdetésére. 

Érdekesebbé válik, ha rájövünk, hogy a GenAI nem csak emberi nyelveket beszél, hanem számítógépes nyelveket is. Egy angol nyelven feltett kérdést képes lefordítani SQL-re, az adatbázisok nyelvére vagy JavaScriptre, a weboldalak nyelvére. Egy pénzügyi
Az elemző feltehet egy kérdést angolul, ezt egy adatbázisba helyezheti tökéletes SQL-ben, és a választ egy JavaScript-oldallá alakíthatja, amely analitikai diagramként jelenik meg. A pénzügyi elemző számára a diagram azonnal megjelenik megbízható számszerű adatokkal.
Megbízható, mert a GenAI nem a numerikus tartalmat hozta létre, hanem egy jól formált adatbázisból kérte le. Az azonnali válasz jelentős nyereség, mivel minden emberi munkát és késést megspórolunk.

A GenAI natívan képes prózai szöveget írni, és így elkészítheti a pénzügyi elemzés vagy jelentés első vázlatát, amelyet egy ember javíthat ki. Jól dokumentált, hogy az első vázlat automatizálása akár a teljes emberi munka 40%-át is megtakaríthatja
a jelentéshez.

Összefoglalva, a fő kihívásokat maguk a modellek és azok más eszközökbe való integrálása jelentik. Az integrálást követően az erre hajlandó és képzett munkaerőnek megfelelően kell használni őket.

Ezzel elérkeztünk a pénzügyi szolgáltatások terén történő elfogadás utolsó akadályához: a bizalomhoz. A pénzügyi szakemberek, a vállalati vezetők és a kormányzati szabályozók még nem bíznak abban, hogy ezek a technológiák olyan megbízhatóak legyenek, mint amennyire szeretnénk.
szabályozott iparág, amelyben pillanatok alatt nagy összegeket lehet elveszíteni. Ennek meg kell felelnie a fent említetthez hasonló integrációkkal a GenAI pontos adatbázisokkal történő vezérléséhez, valamint magának az AI-iparnak a jobb támogatásával, hogy megértsük
legyőzi a bizalomhiányt.

• SEO által támogatott tartalom és PR terjesztés. Erősödjön még ma.
• PlatoData.Network Vertical Generative Ai. Erősítse meg magát. Hozzáférés itt.
• PlatoAiStream. Web3 Intelligence. Felerősített tudás. Hozzáférés itt.
• PlatoESG. Carbon, CleanTech, Energia, Környezet, Nap, Hulladékgazdálkodás. Hozzáférés itt.
• PlatoHealth. Biotechnológiai és klinikai vizsgálatok intelligencia. Hozzáférés itt.
• Forrás: https://www.finextra.com/blogposting/25582/implementation-challenges-of-genai-in-financial-services?utm_medium=rssfinextra&utm_source=finextrablogs