GenAI 在金融服务中的实施挑战

计算机生成散文文本的能力最近已经变得足够好，可以考虑用于实际商业用途。那么为什么大多数公司还没有使用它呢？让我们看看实施这些方法时遇到的一些挑战。而生成式人工智能（GenAI）
还可以生成图像、音频或视频，这里我们将重点关注它生成文本的能力。

GenAI 的核心是一个模型，它将一段文本转换为另一段文本。输入文本通常是人类用户提出的问题或给出的命令。希望输出文本是正确且有意义的响应。我们大多数人都玩过
这些模型中的一个或多个在线在文本消息环境中，让人想起对话。尽管看起来像是一场对话，但裂缝似乎向我们发出信号，表明我们不是在与人交谈。

第一组挑战在于如何制作这些模型。它们基于互联网上的大量文本集合。本文的大部分内容都是虚构的或包含歧视等不当言论。此文本的许多内容也受版权保护
法，这使得模型的合法性有些不清楚。

下一组挑战与这些模型的本质有关。它们代表了一个巨大的概率矩阵，表示哪个单词最有可能跟随给定的起始单词序列。因此，他们不具备逻辑推理能力、因果关系能力
论证或常识。实际结果是他们偶尔会给出不正确或不可能的答案——这就是所谓的幻觉。

此外，在商业实践中，这些模型不能独立存在，而是必须集成到通常由其他供应商开发的各种其他软件工具中。然后，GenAI 模型可以代表这些软件工具的语言接口，以简化
许多任务。然而，将 GenAI 模型与遗留软件集成的工作才刚刚开始，并且由于供应商本身的多样化且快速变化的环境而变得复杂。

假设 GenAI 完全集成到金融服务行业使用的通用软件实用程序中，我们仍然会面临这个以人类智能为傲的行业的劳动力培训和变革管理的挑战。

这些都是原则上的挑战。让我们暂时把它们放在一边，问问我们将使用 GenAI 在金融服务中做什么。

有些用途在其他行业很常见，例如回答问题的客户服务自动化或执行智能自动化热线等日常任务。人们可以向许多客户发送根据每个人的行为精心定制的营销电子邮件
模式来宣传真正适合该人的特定产品和服务。 

当我们意识到 GenAI 不仅会说人类语言，还会说计算机语言时，事情就变得更有趣了。它可以将英语提出的问题翻译成 SQL（数据库语言）或 JavaScript（网页语言）。一个金融
分析师可能会用英语问一个问题，将其以完美的 SQL 方式存入数据库，然后将答案转换为 JavaScript 页面并显示为分析图表。对于金融分析师来说，图表会立即显示出值得信赖的数字数据。
它是值得信赖的，因为 GenAI 没有创建数字内容，而是从格式良好的数据库中检索它。即时答案是一个巨大的收获，因为所有的人力工作和延迟都被节省了。

GenAI 能够原生编写散文文本，因此可以提供财务分析或报告的初稿以供人工纠正。有据可查，初稿的自动化可以节省高达 40% 的人力
报告。

总而言之，主要挑战在于模型本身及其与其他工具的集成。一旦集成，它们必须由愿意并接受过培训的员工正确使用。

这给我们带来了金融服务采用的最后一个障碍：信任。金融专业人士、企业高管和政府监管机构还不太相信这些技术能够像我们希望的那样可靠
一个受监管的行业，可能会瞬间损失大量资金。这必须通过像上面提到的那样的集成来满足，以通过精确的数据库控制 GenAI，并且还需要更好地宣传人工智能行业本身，以便理解
克服缺乏信任。

• SEO 支持的内容和 PR 分发。 今天得到放大。
• PlatoData.Network 垂直生成人工智能。 赋予自己力量。 访问这里。
• 柏拉图爱流。 Web3 智能。 知识放大。 访问这里。
• 柏拉图ESG。 碳， 清洁科技, 能源， 环境， 太阳能， 废物管理。 访问这里。
• 柏拉图健康。 生物技术和临床试验情报。 访问这里。
• Sumber: https://www.finextra.com/blogposting/25582/implementation-challenges-of-genai-in-financial-services?utm_medium=rssfinextra&utm_source=finextrablogs