Проблеми впровадження GenAI у фінансових послугах

Здатність комп’ютера генерувати прозовий текст нещодавно стала досить хорошою для практичного використання в бізнесі. Тож чому більшість компаній ще не використовують його? Давайте розглянемо деякі труднощі у впровадженні цих методів. Хоча генеративний ШІ (GenAI)
також може генерувати зображення, аудіо чи відео, ми зосередимося на його здатності генерувати текст тут.

В основі GenAI лежить модель, яка перетворює один фрагмент тексту в інший. Вхідний текст часто є запитанням або командою, яку дає користувач-людина. Сподіваємося, вихідний текст є правильною та змістовною відповіддю. Більшість із нас грали з
одна або кілька таких моделей онлайн в середовищі обміну текстовими повідомленнями, що нагадує розмову. Незважаючи на те, що здається розмовою, з’являються тріщини, які сигналізують нам, що ми розмовляємо не з людиною.

Перша група проблем полягає в тому, як створювалися ці моделі. Вони засновані на величезних колекціях текстів з Інтернету. Значна частина цього тексту є вигаданою або містить неприйнятні висловлювання, як-от дискримінацію. Значна частина цього тексту також захищена авторським правом
закону, що робить законність моделей дещо незрозумілою.

Наступна група проблем пов'язана з самою природою цих моделей. Вони являють собою гігантську матрицю ймовірностей того, яке слово, швидше за все, слідуватиме за заданою початковою послідовністю слів. Як такі, вони не здатні до логічного міркування, причинно-наслідкового зв'язку
аргументація, або здоровий глузд. Практичний результат полягає в тому, що вони час від часу дають неправильні або неможливі відповіді — те, що називається галюцинацією.

Крім того, у бізнес-практиці ці моделі не можуть існувати самі по собі, а повинні бути інтегровані в різноманітні інші програмні інструменти, часто створені іншими постачальниками. Моделі GenAI можуть представляти мовний інтерфейс для цих програмних засобів для оптимізації
багато завдань. Однак робота з інтеграції моделей GenAI із застарілим програмним забезпеченням лише розпочалася та ускладнюється різноманітністю та швидкими змінами серед самих постачальників.

Припустімо, що GenAI буде повністю інтегрований у звичайні програмні засоби, що використовуються в індустрії фінансових послуг, ми все одно зіткнемося з проблемою навчання та управління змінами в робочій силі галузі, яка пишається людським інтелектом.

Це все в принципі виклики. Давайте поки відкладемо їх убік і запитаємо, що б ми використовували GenAI для фінансових послуг.

Деякі види використання є загальними для інших галузей, як-от автоматизація обслуговування клієнтів для відповідей на запитання або виконання рутинних завдань, як-от розумна автоматизована гаряча лінія. Можна надсилати маркетингові електронні листи багатьом клієнтам, складно адаптовані до поведінки кожного окремо
шаблон для реклами конкретних продуктів і послуг, які справді підходять цій людині. 

Стає ще цікавіше, коли ми розуміємо, що GenAI не тільки розмовляє мовами людей, а й мовами комп’ютерів. Він може перекласти запитання, поставлене англійською мовою, на SQL, мову баз даних, або на JavaScript, мову веб-сторінок. Фінансовий
аналітик може поставити запитання англійською мовою, помістити його в базу даних у ідеальному SQL, а відповідь перетворити на сторінку JavaScript, яка відображається як аналітична діаграма. Для фінансового аналітика миттєво з’являється діаграма з достовірними числовими даними.
Це заслуговує довіри, оскільки GenAI не створив числовий вміст, а отримав його з добре сформованої бази даних. Миттєва відповідь є значним перевагою, оскільки зберігається вся людська робота та затримка.

GenAI вміє писати прозовий текст нативним способом і тому може надати першу чернетку фінансового аналізу або звіту для виправлення людиною. Достовірно задокументовано, що автоматизація першого проекту може заощадити до 40% загальних зусиль людини.
для звіту.

Підводячи підсумок, можна сказати, що основні проблеми стосуються самих моделей та їх інтеграції в інші інструменти. Після інтеграції вони повинні правильно використовуватися робочою силою, яка бажає і навчена це робити.

Це підводить нас до останньої перешкоди для впровадження фінансових послуг: довіри. Фінансові спеціалісти, керівники компаній і державні регулятори поки що не зовсім вірять у те, що ці технології настільки надійні, як ми б хотіли, щоб вони служили
регульована галузь, у якій великі суми грошей можуть бути втрачені миттєво. Це має бути виконано за допомогою інтеграції, подібної до згаданої вище, щоб контролювати GenAI за допомогою точних баз даних, а також за допомогою кращої пропаганди самої індустрії ШІ, щоб розуміння
долає брак довіри.

• Розповсюдження контенту та PR на основі SEO. Отримайте посилення сьогодні.
• PlatoData.Network Vertical Generative Ai. Додайте собі сили. Доступ тут.
• PlatoAiStream. Web3 Intelligence. Розширення знань. Доступ тут.
• ПлатонЕСГ. вуглець, CleanTech, Енергія, Навколишнє середовище, Сонячна, Поводження з відходами. Доступ тут.
• PlatoHealth. Розвідка про біотехнології та клінічні випробування. Доступ тут.
• джерело: https://www.finextra.com/blogposting/25582/implementation-challenges-of-genai-in-financial-services?utm_medium=rssfinextra&utm_source=finextrablogs