AI גנרטיבי - חלוץ הגל הבא בשוקי ההון

  בינה מלאכותית גנרטיבית צברה בולטות בתקופה האחרונה בשל הפוטנציאל הטרנספורמטיבי והמשבש האמיתי שלה. האבולוציה החלה בהתקדמות מהירה בטכניקות למידת מכונה לניתוח חזוי ויצירת תובנות, ולאחר מכן אימוץ מודלים של למידה עמוקה. המודלים התפתחו כעת ל-LLM מתקדמים יותר (מודלים של שפה גדולה) המהווים את הבסיס למודלים של AI הגנרטיביים. ה-LLMs שברו את המחסומים על מורכבות השפה על ידי מתן הדרכה על כמות עצומה של נתונים כולל טקסט, תמונות ואודיו להבנת ההקשר, הכוונה וכו' בשפות, מה שיכול לגרום לפלטים נכונים מבחינה הקשרית וסמנטית. כעת ניתן למנף AI גנרטיבי על פני מקרי שימוש מרובים כמו לענות על שאלות המבוססות על בסיס ידע, סיכום נושאים, כתיבת קוד וכו'.

הסט הנוכחי של יישומי AI Generative כוללים ChatGPT, DALL-E, Stable Diffusion, BARD, Midjourney, Deepmind ואחרים שיכולים לעבד נתונים ארגוניים עצומים כמו טקסט, דואר אלקטרוני, צ'אטים, תמונות, וידאו והקלטות אודיו שיכולות לשמש להנעת טרנספורמציות עסקיות. חלק מהיתרונות כוללים חווית לקוח משופרת, פרודוקטיביות מוגברת, פיתוח מהיר יותר של מוצרים והפחתת עלויות.

מקרי שימוש מתפתחים בשוקי ההון

חברות השקעות ופינטק גדולות כבר החלו להתנסות בהוכחת מושגים למקרי שימוש שונים בבינה מלאכותית גנרטיבית. רוב מקרי השימוש מתמקדים בשיפור והפיכת שירות לקוחות, תפעול, מחקר ותובנות ויצירת תוכן. יישומי AI גנרטיביים מספקים ממשקי API קלים לשימוש עבור חברות לצרוך כפי שהם או לבחור להתאים אישית את המודלים באמצעות נתונים קנייניים. ממשקי API אלה יכולים להשתלב בצורה חלקה עם היישומים הארגוניים כדי לספק פתרון פלטפורמה מקושרת.

תמונה מצורפת נותנת מבט על כמה ממקרי השימוש הפוטנציאליים עבור ענפי העסקים השונים בשוקי ההון בהתבסס על מידע זמין לציבור.

  לדעתנו, שירות לקוחות, יצירת תוכן ומחקר השקעות הם מקרי שימוש שרוב החברות בוחנות. תקציר על מקרי השימוש מסופק בפסקאות הבאות.

  מקרה השימוש בשירות לקוחות כולל צ'אטבוט של שירות לקוחות שיכול לסייע בתקשורת על ידי הבנת כוונת השאלות, ניסוח תשובות ושיפור איכות התגובה. ניתן לנתח נתונים שנלכדו מהאינטראקציות גם לתחומי עניין וסנטימנטים כדי לסלול דרך לשיפור קשרי לקוחות באמצעות היפר פרסונליזציה. חברות ניהול עושר יכולות למנף את הטכנולוגיה כדי להציע ייעוץ השקעות מותאם אישית דרך ערוצים דיגיטליים, ובכך לשפר את חווית הלקוח.

 מנהלי מערכות יחסים יכולים גם למנף את אותו הדבר ליצירת קמפיינים שיווקיים מותאמים אישית על פני פלחי לקוחות, גיאוגרפיות ודמוגרפיות ובכך להפוך את המכירות והשיווק הדיגיטליים לאוטומטיים. זה עשוי להגדיל את ערך הלקוח, ההמרה והשימור לאורך תקופה ארוכה. צוות המשפט והציות יכול גם להפיק תועלת על ידי הפקת דוחות רגולציה ותאימות ובכך להתגבר על האתגרים הרב-פורמטים של דיווח.

 יכולות ניתוח הנתונים הנרחבות של בינה מלאכותית יכולה להיות מנוצלת על ידי חברות כדי לנתח כמויות גדולות של דוחות והמלצות אנליסטים טקסטואליים, תמלול קולי ונתונים ממדיה חברתית, חדשות, מאמרים וכו' כדי לזהות דפוסים, מגמות, מתאמים, ובכך לאפשר תובנות השקעה מושכלות וקול החלטות השקעה.

אתגרים וסיכונים נוכחיים באימוץ AI Generative

למרות שזוהי טכנולוגיה פורצת דרך, היא מגיעה עם אתגרים וסיכונים משלה שצריכים להיות מנוהלים ביעילות על ידי החברות לשימוש האחראי בה.

AI גנרטיבי נמצא בנקודה הגבוהה ביותר של מחזור ההייפ. חשוב לחברות לחקור יכולות AI Generative על ידי זיהוי מקרה שימוש מתאים המציע ערך עסקי ועוזר להבין טוב יותר את יכולות הטכנולוגיה. אחד השיקולים לבחירת מקרה השימוש הוא נתונים. מכיוון שתפוקות המודל תלויות מאוד בנתונים, זיהוי קבוצת הנתונים הנכונה להדרכה, איכות הנתונים ואמצעי אבטחת הנתונים מצריך מבט מקרוב.

האתגרים נותרו במינוף המודלים הקיימים שכבר הוכשרו על מערכי נתונים זמינים לציבור, מכיוון שהם עלולים להכיל מידע שקרי ומוטעה המוביל לשגיאות החלטה.

ישנם סיכונים משפטיים ותאימות הנוגעים לפרטיות וסודיות נתונים, בעיות הונאת סייבר ובעיות הקשורות להסברת התפוקות שנוצרו לעומת אלו שנוצרו על ידי אדם.

כיצד צריכות חברות להגיב כדי לממש את מלוא הפוטנציאל של AI Generative? 

     AI Generative מבטיח לספק יתרונות משמעותיים עבור החברות. חשוב לחברות לחקור את הטכנולוגיה המתפתחת הזו כעת כדי להשיג יתרון תחרותי. חברות צריכות לסקור את פורטפוליו החדשנות הקיים שלהן ולהפוך בינה מלאכותית גנרטיבית לאחד מתחומי המיקוד המיידי שלהן. חברות צריכות לשתף פעולה עם ספקים חיצוניים כדי להביא את מיטב היכולות הטכנולוגיות לשיפור מסע השינוי.

הגישה היא לבצע PoC שיכלול זיהוי מקרי שימוש עסקיים ותעדוף על סמך למידה מאומתת שניתן להשיג ממקרה השימוש. אחת הגישות יכולה להיות בחינת חשיבה עיצובית ו/או מתודולוגיות סטארט-אפ רזה כדי להשיג תועלת מרבית. בדומה למודלים אחרים של בינה מלאכותית, חשוב שלחברות תהיה מסגרת AI חזקה וממשל עם מסגרות בינה מלאכותית ניתנות להסבר ואמינות.

סיכום 

שוק הבינה המלאכותית הגנרטיבית העולמית צפוי לגדול ב-34% עד 2032 וצפוי לגדול ל-165 מיליארד דולר. חברות משקיעות יותר ויותר במחקר ופיתוח, בונות POC (הוכחת קונספטים), הקמת מקרים עסקיים והשתלבות בפלטפורמות ארגוניות. חברות המשלבות את היכולות על פני פונקציות החזית, האמצע והמשרד האחורי שלהן יזכו ליתרון המוביל הראשון בשוק. כמו בכל טכנולוגיות מתפתחות, הסיכונים צריכים להיות מנוהלים עם מסגרות ממשל ותאימות ולהבטיח החלטות זהירות מכיוון שזה דורש השקעות משמעותיות הקשורות לתשתית טכנולוגית ולכוח העבודה.

• הפצת תוכן ויחסי ציבור מופעל על ידי SEO. קבל הגברה היום.
• PlatoData.Network Vertical Generative Ai. העצים את עצמך. גישה כאן.
• PlatoAiStream. Web3 Intelligence. הידע מוגבר. גישה כאן.
• PlatoESG. רכב / רכבים חשמליים, פחמן, קלינטק, אנרגיה, סביבה, שמש, ניהול פסולת. גישה כאן.
• BlockOffsets. מודרניזציה של בעלות על קיזוז סביבתי. גישה כאן.
• מקור: https://www.finextra.com/blogposting/24544/generative-ai–pioneering-the-next-wave-in-capital-markets?utm_medium=rssfinextra&utm_source=finextrablogs