Generative AI – pionier nowej fali na rynkach kapitałowych

Generative AI – pionier nowej fali na rynkach kapitałowych

Znacznik czasu: 14 lipca 2023 1:52
Węzeł źródłowy: 2766169

  W ostatnim czasie generatywna sztuczna inteligencja zyskała na znaczeniu ze względu na jej prawdziwie transformacyjny i destrukcyjny potencjał. Ewolucja rozpoczęła się od szybkiego postępu w technikach uczenia maszynowego na potrzeby analiz predykcyjnych i generowania spostrzeżeń, a następnie przyjęcia modeli głębokiego uczenia się. Modele przekształciły się obecnie w bardziej zaawansowane LLM (modele dużego języka), które stanowią podstawę dla generatywnych modeli sztucznej inteligencji. LLM przełamały bariery utrudniające złożoność języka, umożliwiając szkolenie na ogromnej ilości danych, w tym tekstu, obrazów i dźwięku, w celu zrozumienia kontekstu, intencji itp. w różnych językach, co może skutkować poprawnymi kontekstowo i semantycznie wynikami. Generatywną sztuczną inteligencję można teraz wykorzystać w wielu przypadkach użycia, takich jak odpowiadanie na pytania w oparciu o bazę wiedzy, podsumowywanie tematów, pisanie kodu itp.

Obecny zestaw aplikacji generujących sztuczną inteligencję obejmuje ChatGPT, DALL-E, Stable Diffusion, BARD, Midjourney, Deepmind i inne, które mogą przetwarzać ogromne dane organizacyjne, takie jak SMS-y, e-maile, czaty, obrazy, nagrania wideo i audio, które mogą być wykorzystywane do napędzania transformacji biznesowych. Niektóre z korzyści obejmują lepszą obsługę klienta, zwiększoną produktywność, szybszy rozwój produktu i obniżone koszty.

Nowe przypadki użycia na rynkach kapitałowych

Duże firmy inwestycyjne i fintech rozpoczęły już eksperymenty z weryfikacją koncepcji dla różnych przypadków użycia w generatywnej sztucznej inteligencji. Większość przypadków użycia koncentruje się na ulepszaniu i przekształcaniu obsługi klienta, operacji, badań i spostrzeżeń oraz tworzenia treści. Aplikacje generujące sztuczną inteligencję zapewniają łatwe w użyciu interfejsy API, dzięki którym firmy mogą albo korzystać z modeli w niezmienionej postaci, albo dostosowywać modele przy użyciu zastrzeżonych danych. Te interfejsy API można bezproblemowo zintegrować z aplikacjami korporacyjnymi, tworząc połączone platformy.

Załączony obraz przedstawia niektóre potencjalne przypadki użycia dla różnych linii biznesowych na rynkach kapitałowych w oparciu o publicznie dostępne informacje.

  Naszym zdaniem obsługa klienta, generowanie treści i badania inwestycyjne to przypadki użycia, które bada większość firm. Krótki opis przypadków użycia znajduje się w kolejnych akapitach.

  Przypadek użycia obsługi klienta obejmuje chatbota obsługi klienta, który może pomóc w komunikacji poprzez zrozumienie intencji pytań, formułowanie odpowiedzi i poprawę jakości odpowiedzi. Dane zebrane w wyniku interakcji można również analizować pod kątem zainteresowań i nastrojów, aby utorować drogę do poprawy relacji z klientami poprzez hiperpersonalizację. Firmy zarządzające majątkiem mogłyby wykorzystać tę technologię do oferowania spersonalizowanych porad inwestycyjnych za pośrednictwem kanałów cyfrowych, poprawiając w ten sposób satysfakcję klienta.

 Menedżerowie ds. relacji mogą również wykorzystać to samo do tworzenia spersonalizowanych kampanii marketingowych obejmujących segmenty klientów, obszary geograficzne i dane demograficzne, automatyzując w ten sposób sprzedaż cyfrową i marketing. Może to potencjalnie zwiększyć wartość klienta, konwersję i utrzymanie go w długim okresie czasu. Zespół ds. prawnych i zgodności mógłby również odnieść korzyści, generując raporty dotyczące przepisów i zgodności, przezwyciężając w ten sposób wyzwania związane z wieloformatową sprawozdawczością.

 Rozbudowane możliwości analizy danych generatywnej sztucznej inteligencji mogą być wykorzystywane przez firmy do analizowania dużych ilości tekstowych raportów i rekomendacji analityków, transkrypcji głosowych i danych z mediów społecznościowych, wiadomości, artykułów itp. w celu wykrywania wzorców, trendów i korelacji, umożliwiając w ten sposób świadome spostrzeżenia inwestycyjne i rozsądne decyzje inwestycyjne.

Aktualne wyzwania i ryzyko związane z wdrażaniem generatywnej sztucznej inteligencji

Chociaż jest to przełomowa technologia, wiąże się ona z własnymi wyzwaniami i ryzykiem, którymi firmy muszą skutecznie zarządzać, aby móc ją odpowiedzialnie wykorzystywać.

Generatywna sztuczna inteligencja znajduje się w najwyższym punkcie cyklu szumu. Dla firm ważne jest zbadanie możliwości generatywnej sztucznej inteligencji poprzez określenie odpowiedniego przypadku użycia, który oferuje wartość biznesową i pomaga lepiej zrozumieć możliwości technologiczne. Dane są jednym z czynników branych pod uwagę przy wyborze przypadku użycia. Ponieważ wyniki modelu są w dużym stopniu zależne od danych, należy dokładniej przyjrzeć się określeniu odpowiedniego zestawu danych do celów szkolenia, zapewnienia jakości danych i środków bezpieczeństwa danych.

Nadal wyzwaniem jest wykorzystanie istniejących modeli, które zostały już wytrenowane na publicznie dostępnych zbiorach danych, ponieważ mogą one potencjalnie zawierać fałszywe i błędne informacje prowadzące do błędów decyzyjnych.

Istnieją ryzyko prawne i ryzyko związane z przestrzeganiem przepisów dotyczące prywatności i poufności danych, kwestii związanych z oszustwami cybernetycznymi oraz kwestiami związanymi z możliwością wyjaśnienia wygenerowanych wyników w porównaniu z wynikami wygenerowanymi przez człowieka

Jak firmy powinny zareagować, aby w pełni wykorzystać potencjał generatywnej sztucznej inteligencji? 

     Generatywna sztuczna inteligencja obiecuje zapewnić firmom znaczne korzyści. Aby zyskać przewagę konkurencyjną, ważne jest, aby firmy już teraz zbadały tę powstającą technologię. Firmy muszą dokonać przeglądu swojego istniejącego portfolio innowacji i uczynić generatywną sztuczną inteligencję jednym z głównych obszarów zainteresowania. Firmy muszą współpracować z dostawcami zewnętrznymi, aby zapewnić najlepsze możliwości technologiczne w celu usprawnienia procesu transformacji.

Podejście polega na wykonaniu PoC, który obejmowałby identyfikację biznesowych przypadków użycia i ustalenie priorytetów w oparciu o potwierdzoną wiedzę, którą można uzyskać na podstawie przypadku użycia. Jednym z podejść mogłoby być zbadanie myślenia projektowego i/lub metodologii odchudzonego start-upu w celu osiągnięcia maksymalnych korzyści. Podobnie jak w przypadku innych modeli sztucznej inteligencji, dla firm ważne jest posiadanie solidnych ram i systemów zarządzania sztuczną inteligencją obejmujących zrozumiałe i godne zaufania ramy sztucznej inteligencji.

 

Wnioski 

Oczekuje się, że światowy rynek generatywnej sztucznej inteligencji wzrośnie o 34% do 2032 r. i ma wzrosnąć do 165 miliardów dolarów. Firmy coraz częściej inwestują w badania i rozwój, budowanie POC (proof of concept), opracowywanie uzasadnień biznesowych i integrację z platformami korporacyjnymi. Firmy, które integrują możliwości w swoich funkcjach front-office, Middle i Back-Office, zyskają przewagę jako pierwsi na rynku. Podobnie jak w przypadku każdej nowej technologii, ryzykiem należy zarządzać za pomocą ram zarządzania i zgodności oraz podejmować ostrożne decyzje, ponieważ wymaga to znacznych inwestycji związanych z infrastrukturą technologiczną i siłą roboczą.

Znak czasu:

Więcej z Fintextra