بانک‌هایی که پتانسیل و خطرات ChatGPT را ارزیابی می‌کنند

بانک‌هایی که پتانسیل و خطرات ChatGPT را ارزیابی می‌کنند

تمبر زمان: 10 ژوئیه 2023، 5:54 صبح
بانک‌هایی که پتانسیل ChatGPT را ارزیابی می‌کنند – و هوش داده PlatoBlockchain را به خطر می‌اندازند. جستجوی عمودی Ai.

روسای فناوری در مؤسسات مالی در حال بررسی این موضوع هستند که چگونه ChatGPT و سایر مدل‌های یادگیری زبان (LLM) می‌توانند دستاوردهای بهره‌وری را به ارمغان بیاورند - و موانعی را که آنها باید پیش از استقرار چنین نرم‌افزاری از بین ببرند.

زمانی که شرکت نرم‌افزار ایالات متحده OpenAI ChatGPT خود را در نوامبر 2022 منتشر کرد، LLM توجه بانک‌ها را به همراه سایر نقاط جهان به خود جلب کرد. قدرت این شکل از هوش مصنوعی بصری است و ChatGPT بیش از 100 میلیون کاربر دارد (که تنها 12 نفر از آنها هستند. به گفته Demasage.com، درصد از ایالات متحده هستند.

گوگل و دیگران از آن زمان LLM های خود را منتشر کرده اند، و مایکروسافت (که مالک OpenAI است) مجوز پلاگین های GPT را از طریق تجارت ابری Azure برای شرکت ها صادر می کند.

اما واقعاً چگونه مؤسسات مالی می توانند از این فناوری استفاده کنند؟

بسیاری از بانک‌ها و شرکت‌ها کارمندان خود را از استفاده از آن منع کرده‌اند، زیرا می‌ترسند که اطلاعات اختصاصی یا مشتری را در حوزه عمومی منتشر کنند – زیرا هنگامی که داده‌ها را در پلتفرم آنلاین ChatGPT جستجو می‌کنید، قابل جستجو هستند.

بانک ها همچنین نسبت به تمایل LLM ها به "توهم"، یعنی ابداع پاسخ ها و ارائه آنها به عنوان واقعیت، محتاط هستند. این امر، قرار گرفتن در مقابل مشتریان یا تنظیم‌کننده‌ها یا اتکا به تصمیمات حیاتی را خطرناک می‌کند.

هفته گذشته، سه مقام فناوری نظرات خود را در مورد ChatGPT در یک رویداد در هنگ کنگ به میزبانی GienTech، یک فروشنده فناوری چینی برای موسسات مالی، به اشتراک گذاشتند.

رویکرد آن‌ها بسته به نیازهای کسب‌وکارشان و جایگاهی که از نظر دیجیتالی کردن خودشان دارند، متفاوت است.

بانک لیوی

Livi Bank یکی از بانک های مجازی مجاز هنگ کنگ است. مدیر ارشد فناوری آن، گری لام، خاطرنشان کرد که نیازی به تغییر دیجیتال ندارد: این شرکت به صورت مجازی و با یک پشته فناوری مبتنی بر ابر متولد شد. برای به دست آوردن مشتریان، از جمله تبلیغات آنلاین و تبلیغات، به تاکتیک های قرض گرفته شده از شرکت های تجارت الکترونیک متکی است.

از یک سو، در حال حاضر در استفاده از هوش مصنوعی غرق شده است. برای جنبه‌هایی از ورود مشتری، مانند تشخیص چهره و تشخیص تقلب، به هوش مصنوعی متکی است. از سوی دیگر، لام می گوید به عنوان یک موسسه مجازی، livi حتی نسبت به خطرات امنیت سایبری حساس تر است.

بنابراین هوش مصنوعی مولد حداقل به همان میزان مدیریت ریسک و مراقبت نیاز دارد.

Gen AI یک نرم افزار است. من همان حفاظت های استاندارد از دست دادن داده را مانند سایر ماژول های موجود در پشته اعمال می کنم. با این حال، ممکن است قبل از اینکه پیام‌های ChatGPT را برای مشتریان خود منتشر کنیم، به فیلترهای اضافی نیاز داشته باشیم.

این در حال بررسی است، زیرا LLM ها می توانند بهره وری را در ارتباطات و خدمات مشتری افزایش دهند. اما همین امر در مورد کاربران داخلی نیز صدق می کند، که لام می گوید ممکن است شامل کدنویسان، مدیران روابط و مدیران ریسک باشد.

بزرگترین مورد استفاده داخلی استفاده از پرس و جوهای زبان انسانی برای جستجوی مجموعه گسترده اسناد نظارتی است. او گفت: «ما می‌توانیم یک موتور جستجوی انسان‌مانند برای بررسی حجم زیادی از مطالب داشته باشیم.

وب بانکی

WeBank متعلق به Tencent یکی از پیچیده ترین بانک های دیجیتالی در جهان است که تنها پس از هشت سال فعالیت در سرزمین اصلی چین، 360 میلیون مشتری خرده فروشی دارد. این شرکت به فناوری اختصاصی خود متکی است تا بتواند به طور سودآوری به مشتریانی خدمات رسانی کند که میانگین درآمد آنها برای یک بانک سنتی بسیار کم است. WeBank فرزند پوستر برای نوآوری سریع در مقیاس در بانکداری مصرف کننده است.

یائو هویا، رئیس نوآوری فین‌تک مستقر در شنژن، گفت: LLM ها نشان دهنده یک تغییر واقعی هستند. اما WeBank در ارائه خدمات GPT برای تعامل با مشتریان عجله نمی کند: این امر بسیار خطرناک است، به خصوص برای یک موسسه تنظیم شده. او گفت: «طبق ماهیتش نمی‌توانید از حرف‌های احمقانه اجتناب کنید.

با توجه به خطرات افشای داده ها و نقض مقررات، بعید است که WeBank از LLM های مبتنی بر اینترنت عمومی استفاده کند. اما آنهایی هستند که کوچکتر هستند و فقط به داده های خود بانک دسترسی دارند.

یائو می‌گوید LLM‌ها ممکن است برای بهبود بهره‌وری مشتریان بانک و فرآیندهای وام‌دهی SME به کار گرفته شوند. این مدل می‌تواند با کمک به افسران اعتبار در تجزیه و تحلیل داده‌های شرکت، زمان‌های خوبی را برای تماس با مشتریان درباره وام، نحوه سفارشی‌سازی مخاطب مقدماتی و بهبود عملکرد دفترچه وام‌دهی پیشنهاد دهد.

یائو شک دارد که LLM ها جایگزین تیم های اعتباری شوند. این امر انسان را در جریان قرار می دهد، بنابراین آنها می توانند برای تصمیم گیری بهتر از هوش مصنوعی سوالاتی بپرسند.

تاثیر آن در زیرساخت های فناوری بانک محسوس خواهد بود. وی با اشاره به انواع پردازنده ها گفت: «قدرت محاسباتی از CPU به GPU تغییر خواهد کرد. "معماری ما به پلاگین نیاز دارد تا بتوانیم چندین مدل را مستقر کنیم و تست های A/B را روی آنها اجرا کنیم."

این برای همه شرکت ها صادق است، نه فقط بانک های دیجیتال. یائو گفت: «این معماری کل جهان را تغییر خواهد داد. "تأثیر LLM پایان نخواهد یافت."

باشگاه ژوکی هنگ کنگ

باشگاه جوکی هنگ کنگ یک موسسه مالی مجاز نیست، اما در بسیاری از فعالیت های مالی شرکت می کند. در هنگ کنگ در مسابقات اسب دوانی و شرط بندی فوتبال انحصار دارد. مانند سایر سازمان‌ها، مانند سایر سازمان‌ها، مانند استفاده از داده‌ها برای سیستم‌های شرط‌بندی خود، در حال دیجیتالی شدن است - و مانند سایر شرکت‌های متصدی، مسائل مربوط به میراث خاص خود را دارد که باید با آن مقابله کرد.

لی سای چین، مدیر اجرایی راه‌حل‌های داده و تحلیل، می‌گوید ChatGPT باشگاه جوکی را مجبور به تقلا می‌کند. "این یک تغییر مرحله ای در تفکر در مورد داده ها و تجزیه و تحلیل ایجاد کرده است." این یک زنگ هشدار مفید برای بسیاری از مدیران در مورد نیاز به پذیرش دیجیتال است.

شرط‌بندی روی اسب شامل داده‌های زیادی است: افراد قبل از شرط‌بندی به اطلاعاتی مانند اسپرد و سوابق اسب سواری و جوکی نگاه می‌کنند. لی گفت: «ما از آنها انتظار داریم سؤالات بیشتری بپرسند، که چیزی مانند ChatGPT را به طور بالقوه مرتبط می کند.

این راهی است که به باشگاه جوکی کمک می کند تا به طور منظم با مشتریان خود ارتباط برقرار کند. به عنوان مثال، در طول فصل، باشگاه هر هفته دو جلسه مسابقه اسب دوانی برگزار می کند. روزهای دیگر هیچ تعاملی با شرط‌بندان وجود ندارد. ربات‌های چت هوشمند می‌توانند به مشتریان این امکان را بدهند که به طور منظم‌تر با هم تعامل داشته باشند و سؤالات بیشتری بپرسند.

اولین قدم تشویق مردم به تعامل بیشتر با داده های باشگاه است. به تدریج، لی باشگاه را می بیند که از حسگرهایی در محوطه خود استفاده می کند تا هنگام پرسه زدن، بررسی اسب ها، گرفتن آبجو یا شرط بندی، یک پرس و جو و تجربه داده در زمان واقعی را برای کاربران فراهم کند.

او گفت: "ما در حال انجام کارهای زیادی با فکر کردن به تجربه آفلاین به آنلاین هستیم." "اگر ما در حال عبور از یک منطقه با آنها در زمان واقعی تعامل داشته باشیم، آیا می‌توانیم به اسب بعدی که دوست دارند ببینند اشاره کنیم؟"

تمبر زمان:

بیشتر از DigFin