Проблемы внедрения GenAI в финансовых услугах

Способность компьютера генерировать прозаический текст в последнее время стала достаточно хорошей, чтобы ее можно было рассматривать для практического использования в бизнесе. Так почему же большинство компаний до сих пор его не используют? Давайте посмотрим на некоторые проблемы при реализации этих методов. В то время как генеративный ИИ (GenAI)
также может генерировать изображения, аудио или видео, здесь мы сосредоточимся на его способности генерировать текст.

В основе GenAI лежит модель, преобразующая один фрагмент текста в другой. Входной текст часто представляет собой заданный вопрос или команду, данную пользователем-человеком. Надеемся, что выходной текст будет правильным и содержательным ответом. Большинство из нас играли с
одна или несколько из этих моделей онлайн в среде обмена текстовыми сообщениями, напоминающей разговор. Несмотря на то, что это похоже на разговор, появляются трещины, сигнализирующие нам, что мы разговариваем не с человеком.

Первая группа проблем заключается в том, как были созданы эти модели. Они основаны на огромных коллекциях текстов из Интернета. Большая часть этого текста является вымышленной или содержит неуместные высказывания, например дискриминационные. Многие из этих текстов также защищены авторским правом.
закон, что делает законность моделей несколько неясной.

Следующая группа проблем связана с самой природой этих моделей. Они представляют собой гигантскую матрицу вероятностей того, какое слово с наибольшей вероятностью будет следовать за данной начальной последовательностью слов. Как таковые, они не способны к логическим рассуждениям, причинно-следственным связям.
аргументация или здравый смысл. Практический результат состоит в том, что иногда они дают неправильные или невозможные ответы — это называется галлюцинацией.

Более того, в деловой практике эти модели не могут существовать сами по себе, а должны быть интегрированы во множество других программных инструментов, часто созданных другими поставщиками. Затем модели GenAI могут представлять собой языковой интерфейс для этих программных инструментов, что позволяет оптимизировать
много задач. Однако работа по интеграции моделей GenAI с устаревшим программным обеспечением только началась и усложняется разнообразным и быстро меняющимся ландшафтом самих поставщиков.

Если предположить, что GenAI полностью интегрирован в общие программные утилиты, используемые в индустрии финансовых услуг, мы все равно столкнемся с проблемой обучения и управления изменениями в рабочей силе отрасли, которая гордится человеческим интеллектом.

В принципе, это все проблемы. Давайте пока отложим их и спросим, ​​для чего мы будем использовать GenAI в сфере финансовых услуг.

Некоторые виды использования являются общими с другими отраслями, например, автоматизация обслуживания клиентов при ответах на вопросы или выполнении рутинных задач, например интеллектуальная автоматизированная горячая линия. Можно отправлять маркетинговые электронные письма множеству клиентов, тщательно адаптированные к поведению каждого человека.
шаблон для рекламы конкретных продуктов и услуг, действительно подходящих этому человеку. 

Становится еще интереснее, когда мы понимаем, что ГенИИ говорит не только на человеческих языках, но и на компьютерных языках. Он может перевести вопрос, заданный на английском языке, на SQL, язык баз данных, или на JavaScript, язык веб-страниц. Финансовый
Аналитик может задать вопрос на английском языке, поместить его в базу данных с использованием идеального SQL, а ответ преобразовать в страницу JavaScript, которая отображается в виде аналитической диаграммы. Для финансового аналитика диаграмма появляется мгновенно с достоверными числовыми данными.
Это заслуживает доверия, поскольку GenAI не создавал числовой контент, а извлекал его из правильно сформированной базы данных. Мгновенный ответ является значительным преимуществом, поскольку сохраняется вся человеческая работа и задержки.

GenAI способен писать прозаический текст изначально и поэтому может предоставить первый вариант финансового анализа или отчета, который будет исправлен человеком. Хорошо документировано, что автоматизация первого проекта может сэкономить до 40% общего количества человеческих трудозатрат.
для отчета.

Подводя итог, основные проблемы связаны с самими моделями и их интеграцией в другие инструменты. После интеграции они должны правильно использоваться рабочей силой, которая желает и обучена делать это.

Это подводит нас к последнему препятствию на пути внедрения финансовых услуг: доверию. Финансовые специалисты, руководители корпораций и правительственные регулирующие органы пока еще не совсем верят в то, что эти технологии будут настолько надежными, насколько нам хотелось бы, чтобы они служили.
регулируемая отрасль, в которой большие суммы денег могут быть потеряны в мгновение ока. Эту проблему необходимо решать посредством интеграции, подобной упомянутой выше, для контроля GenAI с помощью точных баз данных, а также лучшей пропагандой самой индустрии искусственного интеллекта, чтобы понимание
побеждает недостаток доверия.

• SEO-контент и PR-распределение. Получите усиление сегодня.
• PlatoData.Network Вертикальный генеративный ИИ. Расширьте возможности себя. Доступ здесь.
• ПлатонАйСтрим. Интеллект Web3. Расширение знаний. Доступ здесь.
• ПлатонЭСГ. Углерод, чистые технологии, Энергия, Окружающая среда, Солнечная, Управление отходами. Доступ здесь.
• ПлатонЗдоровье. Биотехнологии и клинические исследования. Доступ здесь.
• Источник: https://www.finextra.com/blogposting/25582/implementation-challenges-of-genai-in-financial-services?utm_medium=rssfinextra&utm_source=finextrablogs