Wyzwania wdrożeniowe GenAI w usługach finansowych

Zdolność komputera do generowania tekstu prozą stała się ostatnio na tyle dobra, że ​​można ją rozważyć w praktycznym zastosowaniu biznesowym. Dlaczego więc większość firm jeszcze z niego nie korzysta? Przyjrzyjmy się niektórym wyzwaniom związanym z wdrażaniem tych metod. Podczas gdy generatywna sztuczna inteligencja (GenAI)
może również generować obrazy, dźwięk lub wideo, skupimy się tutaj na jego zdolności do generowania tekstu.

W sercu GenAI leży model, który przekształca jeden fragment tekstu w drugi. Tekstem wejściowym jest często zadane pytanie lub polecenie wydane przez użytkownika. Mamy nadzieję, że tekst wyjściowy jest poprawną i znaczącą odpowiedzią. Większość z nas grała z
jeden lub więcej z tych modeli online w środowisku wiadomości tekstowych przypominającym rozmowę. Choć wyglądają jak rozmowa, pojawiają się pęknięcia, które sygnalizują nam, że nie rozmawiamy z człowiekiem.

Pierwsza grupa wyzwań wiąże się ze sposobem tworzenia tych modeli. Opierają się na ogromnych zbiorach tekstów z Internetu. Duża część tego tekstu jest fikcyjna lub zawiera niestosowne wypowiedzi, na przykład dyskryminację. Duża część tego tekstu jest również objęta prawami autorskimi
prawa, co sprawia, że ​​legalność modeli jest nieco niejasna.

Następna grupa wyzwań wiąże się z samą naturą tych modeli. Reprezentują gigantyczną macierz prawdopodobieństwa tego, jakie słowo najprawdopodobniej pojawi się po danej początkowej sekwencji słów. Jako takie nie są zdolne do logicznego rozumowania, przyczynowego
argumentacja czy zdrowy rozsądek. Praktycznym skutkiem jest to, że czasami udzielają błędnych lub niemożliwych odpowiedzi — coś, co nazywa się halucynacją.

Co więcej, w praktyce biznesowej modele te nie mogą funkcjonować samodzielnie, lecz muszą zostać zintegrowane z szeregiem innych narzędzi programowych, często wytwarzanych przez innych dostawców. Modele GenAI mogą następnie reprezentować interfejs językowy dla tych narzędzi programowych w celu usprawnienia
wiele zadań. Jednak prace nad integracją modeli GenAI ze starszym oprogramowaniem dopiero się rozpoczęły i są skomplikowane ze względu na zróżnicowany i szybko zmieniający się krajobraz samych dostawców.

Zakładając, że GenAI byłoby w pełni zintegrowane z powszechnym oprogramowaniem narzędziowym używanym w branży usług finansowych, nadal stanęlibyśmy przed wyzwaniem związanym ze szkoleniami i zarządzaniem zmianami wśród pracowników w branży, która szczyci się ludzką inteligencją.

To wszystko są w zasadzie wyzwania. Zostawmy je na razie i zadajmy sobie pytanie, do czego wykorzystalibyśmy GenAI w usługach finansowych.

Niektóre zastosowania są wspólne w innych branżach, np. automatyzacja obsługi klienta w zakresie odpowiadania na pytania lub wykonywania rutynowych zadań, np. inteligentna zautomatyzowana infolinia. Marketingowe e-maile można wysyłać do wielu klientów, w sposób misternie dostosowany do indywidualnych zachowań każdego z nich
wzorzec reklamowania konkretnych produktów i usług rzeczywiście odpowiednich dla danej osoby. 

Robi się ciekawiej, gdy zdamy sobie sprawę, że GenAI mówi nie tylko językami ludzkimi, ale także językami komputerowymi. Potrafi przetłumaczyć pytanie zadane w języku angielskim na SQL, język baz danych, lub na JavaScript, język stron internetowych. Finansowy
analityk może zadać pytanie w języku angielskim, umieścić je w bazie danych w doskonałym języku SQL, a odpowiedź przekształcić w stronę JavaScript wyświetlaną jako wykres analityczny. Dla analityka finansowego wykres pojawia się natychmiast z wiarygodnymi danymi liczbowymi.
Jest godny zaufania, ponieważ GenAI nie stworzyło treści liczbowych, ale raczej pobrało je z dobrze utworzonej bazy danych. Natychmiastowa odpowiedź to znacząca korzyść, ponieważ oszczędza się całą ludzką pracę i opóźnienia.

GenAI jest w stanie natywnie pisać teksty prozą, dzięki czemu może dostarczyć pierwszą wersję analizy finansowej lub raportu do korekty przez człowieka. Dobrze udokumentowano, że automatyzacja pierwszego projektu może zaoszczędzić aż 40% całkowitego nakładu pracy ludzkiej
do raportu.

Podsumowując, główne wyzwania wiążą się z samymi modelami i ich integracją z innymi narzędziami. Po zintegrowaniu muszą być prawidłowo używane przez pracowników, którzy są do tego chętni i przeszkoleni.

To prowadzi nas do ostatniej przeszkody na drodze do adopcji w usługach finansowych: zaufania. Specjaliści ds. finansów, kadra kierownicza przedsiębiorstw i rządowe organy regulacyjne nie do końca ufają, że te technologie będą tak niezawodne, jak byśmy sobie tego życzyli.
branża regulowana, w której w jednej chwili można stracić duże sumy pieniędzy. Należy temu sprostać dzięki integracji takiej jak wspomniana powyżej, aby kontrolować GenAI za pomocą precyzyjnych baz danych, a także poprzez lepsze wspieranie samego przemysłu sztucznej inteligencji, aby zrozumienie
pokonuje brak zaufania.

• Dystrybucja treści i PR oparta na SEO. Uzyskaj wzmocnienie już dziś.
• PlatoData.Network Pionowe generatywne AI. Wzmocnij się. Dostęp tutaj.
• PlatoAiStream. Inteligencja Web3. Wiedza wzmocniona. Dostęp tutaj.
• PlatonESG. Węgiel Czysta technologia, Energia, Środowisko, Słoneczny, Gospodarowanie odpadami. Dostęp tutaj.
• Platon Zdrowie. Inteligencja w zakresie biotechnologii i badań klinicznych. Dostęp tutaj.
• Źródło: https://www.finextra.com/blogposting/25582/implementation-challenges-of-genai-in-financial-services?utm_medium=rssfinextra&utm_source=finextrablogs