Генеративный ИИ — пионер новой волны на рынках капитала

Генеративный ИИ — пионер новой волны на рынках капитала

Отметка времени: 14 июля 2023 г., 1:52
Исходный узел: 2766169

  В последнее время генеративный ИИ приобрел известность благодаря своему поистине преобразующему и разрушительному потенциалу. Эволюция началась с быстрого развития методов машинного обучения для прогнозной аналитики и генерации идей, за которым последовало внедрение моделей глубокого обучения. В настоящее время модели превратились в более продвинутые LLM (большие языковые модели), которые составляют основу генеративных моделей ИИ. LLM преодолели барьеры языковой сложности, обеспечив обучение на огромном количестве данных, включая текст, изображения и аудио, для понимания контекста, намерения и т. д. на разных языках, что может привести к контекстуально и семантически правильным выводам. Генеративный ИИ теперь можно использовать в нескольких случаях использования, таких как ответы на вопросы на основе базы знаний, обобщение тем, написание кода и т. д.

Текущий набор приложений для генеративного ИИ включает ChatGPT, DALL-E, Stable Diffusion, BARD, Midjourney, Deepmind и другие, которые могут обрабатывать огромные организационные данные, такие как текст, электронная почта, чаты, изображения, видео- и аудиозаписи, которые могут использоваться для трансформации бизнеса. Некоторые из преимуществ включают улучшение качества обслуживания клиентов, повышение производительности, ускорение разработки продуктов и снижение затрат.

Новые варианты использования на рынках капитала

Крупные инвестиционные и финтех-фирмы уже начали экспериментировать с доказательством концепций для различных вариантов использования генеративного искусственного интеллекта. Большинство вариантов использования сосредоточены на улучшении и преобразовании обслуживания клиентов, операций, исследований и идей, а также создания контента. Приложения генеративного ИИ предоставляют фирмам простые в использовании API-интерфейсы, которые они могут либо использовать как есть, либо выбрать настройку моделей с использованием собственных данных. Эти API-интерфейсы можно легко интегрировать с корпоративными приложениями, чтобы обеспечить взаимосвязанное платформенное решение.

На прикрепленном изображении показаны некоторые потенциальные варианты использования для различных направлений бизнеса на рынках капитала на основе общедоступной информации.

  На наш взгляд, обслуживание клиентов, создание контента и инвестиционные исследования — это варианты использования, которые изучают большинство фирм. Краткое описание вариантов использования представлено в последующих параграфах.

  Пример использования службы поддержки клиентов включает чат-бот службы поддержки клиентов, который может помочь в общении, понимая цель вопросов, формулируя ответы и улучшая качество ответов. Данные, полученные в результате взаимодействий, также могут быть проанализированы на предмет интересов и настроений, чтобы проложить путь к улучшению отношений с клиентами за счет гиперперсонализации. Фирмы по управлению активами могут использовать эту технологию, чтобы предлагать персонализированные инвестиционные рекомендации по цифровым каналам, тем самым повышая качество обслуживания клиентов.

 Менеджеры по связям с общественностью также могут использовать то же самое для создания персонализированных маркетинговых кампаний для сегментов клиентов, географических и демографических данных, тем самым автоматизируя цифровые продажи и маркетинг. Это потенциально может увеличить ценность клиента, конверсию и удержание в течение длительного периода времени. Юридическая и комплаенс-группа также может извлечь выгоду, создавая отчеты по нормативным требованиям и соответствию, таким образом преодолевая проблемы, связанные с составлением отчетов в разных форматах.

 Широкие возможности анализа данных генеративного ИИ могут использоваться фирмами для анализа больших объемов текстовых аналитических отчетов и рекомендаций, расшифровок голосовых сообщений и данных из социальных сетей, новостей, статей и т. д. для выявления моделей, тенденций, корреляций, что позволяет получать обоснованные инвестиционные идеи и обоснованные инвестиционные решения.

Текущие проблемы и риски при внедрении генеративного ИИ

Хотя это новаторская технология, она сопряжена со своими проблемами и рисками, которыми фирмы должны эффективно управлять для ее ответственного использования.

Генеративный ИИ находится в высшей точке цикла шумихи. Для фирм важно изучить возможности генеративного ИИ, выявив подходящий вариант использования, который предлагает ценность для бизнеса и помогает лучше понять технологические возможности. Одним из соображений при выборе варианта использования являются данные. Поскольку выходные данные модели сильно зависят от данных, определение правильного набора данных для обучения, качества данных и мер безопасности данных требует более пристального внимания.

Проблемы остаются с использованием ранее существовавших моделей, которые уже обучены на общедоступных наборах данных, поскольку они потенциально могут содержать ложную и ошибочную информацию, ведущую к ошибкам при принятии решений.

Существуют юридические риски и риски соответствия, связанные с конфиденциальностью и конфиденциальностью данных, проблемами кибермошенничества и проблемами, связанными с объяснимостью сгенерированных выходных данных по сравнению с сгенерированными людьми.

Как фирмы должны реагировать, чтобы реализовать весь потенциал генеративного ИИ? 

     Генеративный ИИ обещает предоставить фирмам значительные преимущества. Для компаний важно изучить эту новую технологию сейчас, чтобы получить конкурентное преимущество. Фирмы должны пересмотреть свой существующий портфель инноваций и сделать генеративный ИИ одной из своих первоочередных задач. Фирмы должны сотрудничать с внешними поставщиками, чтобы использовать лучшие технологические возможности для более эффективного преобразования.

Подход заключается в выполнении PoC, который будет включать в себя определение вариантов использования в бизнесе и расстановку приоритетов на основе проверенного обучения, которое может быть получено из варианта использования. Одним из подходов может быть изучение дизайн-мышления и/или методологий бережливого стартапа для достижения максимальной выгоды. Как и в случае с другими моделями ИИ, для фирм важно иметь надежную структуру ИИ и управление с помощью объяснимых и заслуживающих доверия сред ИИ.

 

Заключение 

Ожидается, что к 34 году мировой рынок генеративного ИИ вырастет на 2032% и увеличится до 165 миллиардов долларов США. Фирмы все больше инвестируют в исследования и разработки, создание POC (доказательство концепции), создание бизнес-кейсов и интеграцию в корпоративные платформы. Фирмы, которые интегрируют возможности в свои фронт-, мидл- и бэк-офисы, получат преимущество первопроходца на рынке. Как и в случае с любыми новыми технологиями, рисками необходимо управлять с помощью структур управления и соответствия, а также обеспечивать взвешенные решения, поскольку это требует значительных инвестиций, связанных с технологической инфраструктурой и рабочей силой.

Отметка времени:

Больше от Финтекстра