Desafios de implementação da GenAI em serviços financeiros

A capacidade de um computador de gerar texto em prosa tornou-se recentemente boa o suficiente para ser considerada para uso comercial prático. Então, por que a maioria das empresas ainda não o utiliza? Vejamos alguns desafios na implementação desses métodos. Embora a IA generativa (GenAI)
também pode gerar imagens, áudio ou vídeo, vamos nos concentrar em sua capacidade de gerar texto aqui.

No coração do GenAI está um modelo que transforma um trecho de texto em outro. O texto de entrada geralmente é uma pergunta ou um comando dado por um usuário humano. O texto de saída é, esperançosamente, uma resposta correta e significativa. A maioria de nós já brincou com
um ou mais desses modelos online em um ambiente de mensagens de texto que lembra uma conversa. Apesar de parecer uma conversa, aparecem rachaduras sinalizando que não estamos falando com um ser humano.

O primeiro grupo de desafios reside na forma como esses modelos foram feitos. Eles são baseados em enormes coleções de textos da Internet. Grande parte deste texto é fictício ou contém discurso impróprio, como discriminação. Muito deste texto também está sujeito a direitos autorais
lei, o que torna a legalidade dos modelos um tanto obscura.

O próximo grupo de desafios tem a ver com a própria natureza destes modelos. Eles representam uma matriz de probabilidade gigantesca de qual palavra tem maior probabilidade de seguir uma determinada sequência inicial de palavras. Como tal, eles não são capazes de raciocínio lógico, causal
argumentação ou bom senso. O resultado prático é que ocasionalmente eles dão respostas incorretas ou impossíveis – algo chamado de alucinação.

Além disso, na prática empresarial, estes modelos não podem existir por si próprios, mas devem ser integrados numa variedade de outras ferramentas de software, muitas vezes fabricadas por outros fornecedores. Os modelos GenAI podem então representar uma interface de linguagem para essas ferramentas de software para agilizar
muitas tarefas. No entanto, o trabalho de integração de modelos GenAI com software legado apenas começou e é complexo pelo cenário diversificado e em rápida mudança dos próprios fornecedores.

Supondo que a GenAI estivesse totalmente integrada nos utilitários de software comuns utilizados na indústria de serviços financeiros, ainda enfrentaríamos o desafio da formação e da gestão da mudança na força de trabalho de uma indústria que se orgulha da inteligência humana.

Todos esses são desafios em princípio. Vamos deixá-los de lado por enquanto e perguntar para que empregaríamos a GenAI nos serviços financeiros.

Alguns usos são comuns em outros setores, como a automação do atendimento ao cliente para responder perguntas ou realizar tarefas rotineiras, como uma linha direta inteligente e automatizada. É possível enviar e-mails de marketing para muitos clientes, intrinsecamente adaptados ao comportamento de cada indivíduo
padrão para anunciar produtos e serviços específicos verdadeiramente adequados para aquela pessoa. 

Fica mais interessante quando percebemos que GenAI não fala apenas linguagens humanas, mas também linguagens de computador. Ele pode traduzir uma questão colocada em inglês para SQL, a linguagem dos bancos de dados, ou para JavaScript, a linguagem das páginas da web. Um financeiro
O analista pode fazer uma pergunta em inglês, colocá-la em um banco de dados em SQL perfeito e a resposta ser transformada em uma página JavaScript exibida como um gráfico analítico. Para o analista financeiro, o gráfico aparece instantaneamente com dados numéricos confiáveis.
É confiável porque a GenAI não criou o conteúdo numérico, mas sim o recuperou de um banco de dados bem formado. A resposta instantânea é um ganho significativo, pois todo o trabalho humano e atraso são poupados.

GenAI é capaz de escrever textos em prosa nativamente e, portanto, pode fornecer um primeiro rascunho de uma análise financeira ou relatório para ser corrigido por um ser humano. Está bem documentado que a automação do primeiro rascunho pode economizar até 40% do esforço total do trabalho humano
para o relatório.

Resumindo, os principais desafios residem nos próprios modelos e na sua integração noutras ferramentas. Uma vez integrados, devem ser utilizados corretamente por uma força de trabalho disposta e treinada para fazê-lo.

Isto nos leva ao último obstáculo à adoção de serviços financeiros: a confiança. Profissionais de finanças, executivos corporativos e reguladores governamentais ainda não confiam que essas tecnologias sejam tão confiáveis ​​quanto gostaríamos que fossem para servir
uma indústria regulamentada em que grandes somas de dinheiro podem ser perdidas num momento. Isso deve ser atendido com integrações como a mencionada acima para controlar a GenAI com bancos de dados precisos, e também com uma melhor defesa da própria indústria de IA para que a compreensão
vence a falta de confiança.

• Conteúdo com tecnologia de SEO e distribuição de relações públicas. Seja amplificado hoje.
• PlatoData.Network Gerativa Vertical Ai. Capacite-se. Acesse aqui.
• PlatoAiStream. Inteligência Web3. Conhecimento Amplificado. Acesse aqui.
• PlatãoESG. Carbono Tecnologia Limpa, Energia, Ambiente, Solar, Gestão de resíduos. Acesse aqui.
• PlatoHealth. Inteligência em Biotecnologia e Ensaios Clínicos. Acesse aqui.
• Fonte: https://www.finextra.com/blogposting/25582/implementation-challenges-of-genai-in-financial-services?utm_medium=rssfinextra&utm_source=finextrablogs