A GenAI bevezetési kihívásai a pénzügyi szolgáltatásokban

A számítógép azon képessége, hogy prózai szöveget generáljon, a közelmúltban elég jónak bizonyult ahhoz, hogy megfontoljuk a gyakorlati üzleti használatra. Akkor miért nem használja a legtöbb cég még? Nézzünk meg néhány kihívást e módszerek alkalmazása során. Míg a generatív AI (GenAI) képeket, hangot vagy videót is generálhat, itt a szöveggeneráló képességére fogunk összpontosítani.

A GenAI középpontjában egy modell áll, amely az egyik szövegrészt a másikba alakítja át. A beviteli szöveg gyakran egy emberi felhasználó által feltett kérdés vagy parancs. A kimeneti szöveg remélhetőleg helyes és értelmes válasz. A legtöbben játszottunk már egy vagy több ilyen modellel online egy beszélgetésre emlékeztető szöveges üzenetküldő környezetben. Annak ellenére, hogy beszélgetésnek tűnik, repedések jelennek meg, amelyek jelzik számunkra, hogy nem emberi lénnyel beszélünk.

A kihívások első csoportja a modellek elkészítésének módjában rejlik. Az internetről származó hatalmas szöveggyűjteményekre épülnek. A szöveg nagy része kitalált, vagy nem megfelelő beszédet, például diszkriminációt tartalmaz. A szöveg nagy része a szerzői jogi törvény hatálya alá tartozik, ami kissé homályossá teszi a modellek jogszerűségét.

A kihívások következő csoportja ezeknek a modelleknek a természetéhez kapcsolódik. Egy gigantikus valószínűségi mátrixot képviselnek arra vonatkozóan, hogy melyik szó követi a legnagyobb valószínűséggel egy adott kezdő szósorozatot. Mint ilyenek, nem képesek logikus érvelésre, ok-okozati érvelésre vagy józan észre. A gyakorlati eredmény az, hogy időnként helytelen vagy lehetetlen válaszokat adnak – amit hallucinációnak neveznek.

Ezenkívül az üzleti gyakorlatban ezek a modellek nem élhetnek önmagukban, hanem számos más szoftvereszközbe kell integrálni őket, amelyeket gyakran más gyártók készítenek. A GenAI modellek ezután nyelvi interfészt jelenthetnek ezekhez a szoftvereszközökhöz, hogy sok feladatot egyszerűsítsenek. A GenAI modellek örökölt szoftverekkel való integrálása azonban még csak most kezdődött, és a gyártók változatos és gyorsan változó környezete teszi bonyolulttá.

Feltételezve, hogy a GenAI teljes mértékben integrálódna a pénzügyi szolgáltatási ágazatban használt általános szoftvereszközökbe, továbbra is a képzés és a változáskezelés kihívásával kell szembenéznünk egy olyan iparágban, amely büszke az emberi intelligenciára.

Ezek mind elvi kihívások. Tegyük most félre őket, és kérdezzük meg, mire alkalmaznánk a GenAI-t a pénzügyi szolgáltatások terén.

Egyes felhasználási módok más iparágakban is gyakoriak, például az ügyfélszolgálat automatizálása a kérdések megválaszolásában vagy a rutinfeladatok elvégzése, például az intelligens automatizált forródrót. Sok ügyfélnek küldhet marketinges e-maileket, amelyek bonyolultan az egyén viselkedési mintájára vannak szabva, hogy az adott személynek valóban megfelelő termékeket és szolgáltatásokat hirdethessenek. 

Érdekesebbé válik, ha rájövünk, hogy a GenAI nem csak emberi nyelveket beszél, hanem számítógépes nyelveket is. Egy angol nyelven feltett kérdést képes lefordítani SQL-re, az adatbázisok nyelvére vagy JavaScriptre, a weboldalak nyelvére. Egy pénzügyi elemző feltehet egy kérdést angolul, ezt egy adatbázisba helyezheti tökéletes SQL-ben, és a választ egy JavaScript-oldallá alakíthatja, amely analitikai diagramként jelenik meg. A pénzügyi elemző számára a diagram azonnal megjelenik megbízható számszerű adatokkal. Megbízható, mert a GenAI nem a numerikus tartalmat hozta létre, hanem egy jól formált adatbázisból kérte le. Az azonnali válasz jelentős nyereség, mivel minden emberi munkát és késést megspórolunk.

A GenAI natívan képes prózai szöveget írni, és így elkészítheti a pénzügyi elemzés vagy jelentés első vázlatát, amelyet egy ember javíthat ki. Jól dokumentált, hogy az első vázlat automatizálása akár a jelentés elkészítéséhez szükséges teljes emberi munka 40%-át is megtakaríthatja.

Összefoglalva, a fő kihívásokat maguk a modellek és azok más eszközökbe való integrálása jelentik. Az integrálást követően az erre hajlandó és képzett munkaerőnek megfelelően kell használni őket.

Ezzel elérkeztünk a pénzügyi szolgáltatások terén történő elfogadás utolsó akadályához: a bizalomhoz. A pénzügyi szakemberek, a vállalati vezetők és a kormányzati szabályozók még nem bíznak annyira ezekben a technológiákban, hogy olyan megbízhatóak legyenek, mint amennyire szeretnénk, hogy egy olyan szabályozott iparágat szolgáljanak ki, amelyben pillanatok alatt nagy összegek veszhetnek el. Ennek meg kell felelni a fent említetthez hasonló integrációkkal a GenAI pontos adatbázisokkal történő vezérléséhez, valamint magának az AI-iparnak a jobb támogatásával, hogy a megértés legyőzze a bizalomhiányt.

• SEO által támogatott tartalom és PR terjesztés. Erősödjön még ma.
• PlatoData.Network Vertical Generative Ai. Erősítse meg magát. Hozzáférés itt.
• PlatoAiStream. Web3 Intelligence. Felerősített tudás. Hozzáférés itt.
• PlatoESG. Carbon, CleanTech, Energia, Környezet, Nap, Hulladékgazdálkodás. Hozzáférés itt.
• PlatoHealth. Biotechnológiai és klinikai vizsgálatok intelligencia. Hozzáférés itt.
• Forrás: https://www.finextra.com/blogposting/25582/implementation-challenges-of-genai-in-financial-services?utm_medium=rssfinextra&utm_source=finextrablogs