Sfide di implementazione di GenAI nei servizi finanziari

La capacità di un computer di generare testo in prosa è recentemente diventata abbastanza buona da poter essere presa in considerazione per un uso pratico aziendale. Allora perché la maggior parte delle aziende non lo utilizza ancora? Diamo un'occhiata ad alcune sfide nell'implementazione di questi metodi. Sebbene l’intelligenza artificiale generativa (GenAI) possa anche generare immagini, audio o video, qui ci concentreremo sulla sua capacità di generare testo.

Al centro di GenAI c'è un modello che trasforma un pezzo di testo in un altro. Il testo di input è spesso una domanda posta o un comando impartito da un utente umano. Si spera che il testo di output sia una risposta corretta e significativa. Molti di noi hanno giocato con uno o più di questi modelli online in un ambiente di messaggistica che ricorda una conversazione. Nonostante sembri una conversazione, appaiono delle crepe che ci segnalano che non stiamo parlando con un essere umano.

Il primo gruppo di sfide risiede nel modo in cui sono stati realizzati questi modelli. Si basano su enormi raccolte di testi prese da Internet. Gran parte di questo testo è di fantasia o contiene discorsi inappropriati come la discriminazione. Molti di questi testi sono soggetti anche alla legge sul copyright, il che rende alquanto poco chiara la legalità dei modelli.

Il prossimo gruppo di sfide ha a che fare con la natura stessa di questi modelli. Rappresentano una gigantesca matrice di probabilità di quale parola ha più probabilità di seguire una data sequenza iniziale di parole. In quanto tali, non sono capaci di ragionamento logico, argomentazione causale o buon senso. Il risultato pratico è che occasionalmente danno risposte errate o impossibili: una cosa chiamata allucinazione.

Inoltre, nella pratica aziendale questi modelli non possono vivere da soli ma devono essere integrati in una varietà di altri strumenti software, spesso realizzati da altri fornitori. I modelli GenAI possono quindi rappresentare un'interfaccia linguistica per questi strumenti software per semplificare molte attività. Tuttavia, il lavoro di integrazione dei modelli GenAI con il software legacy è appena iniziato ed è reso complesso dal panorama diversificato e in rapida evoluzione dei fornitori stessi.

Supponendo che GenAI fosse completamente integrata nelle comuni utilità software utilizzate nel settore dei servizi finanziari, dovremmo comunque affrontare la sfida della formazione e della gestione del cambiamento nella forza lavoro di un settore che si vanta dell’intelligenza umana.

Queste sono tutte sfide in linea di principio. Mettiamoli da parte per ora e chiediamoci per cosa impiegheremmo la GenAI nei servizi finanziari.

Alcuni usi sono comuni ad altri settori, come l'automazione del servizio clienti nel rispondere alle domande o nell'esecuzione di attività di routine come una hotline automatizzata intelligente. È possibile inviare e-mail di marketing a molti clienti adattate in modo complesso al modello di comportamento di ciascun individuo per pubblicizzare prodotti e servizi specifici veramente adatti a quella persona. 

Diventa più interessante quando ci rendiamo conto che GenAI non parla solo i linguaggi umani ma anche i linguaggi informatici. Può tradurre una domanda posta in inglese in SQL, il linguaggio dei database, o in JavaScript, il linguaggio delle pagine web. Un analista finanziario può porre una domanda in inglese, inserirla in un database in perfetto SQL e trasformare la risposta in una pagina JavaScript visualizzata come grafico analitico. Per l'analista finanziario, il grafico appare immediatamente con dati numerici affidabili. È affidabile perché GenAI non ha creato il contenuto numerico ma lo ha piuttosto recuperato da un database ben formato. La risposta istantanea è un vantaggio significativo poiché tutto il lavoro umano e il ritardo vengono risparmiati.

GenAI è in grado di scrivere testo in prosa in modo nativo e quindi può fornire una prima bozza di un'analisi finanziaria o di un rapporto che deve essere corretto da un essere umano. È ben documentato che l’automazione della prima bozza può far risparmiare fino al 40% del lavoro umano totale per il rapporto.

Riassumendo, le sfide principali riguardano i modelli stessi e la loro integrazione in altri strumenti. Una volta integrati, devono essere utilizzati correttamente da una forza lavoro disposta e formata a farlo.

Questo ci porta all’ultimo ostacolo all’adozione nei servizi finanziari: la fiducia. Professionisti finanziari, dirigenti aziendali e regolatori governativi non credono ancora che queste tecnologie siano affidabili quanto vorremmo che fossero per servire un settore regolamentato in cui ingenti somme di denaro possono andare perse in un attimo. Ciò deve essere risolto con integrazioni come quella menzionata sopra per controllare GenAI con database precisi, e anche con una migliore difesa del settore dell’intelligenza artificiale stessa in modo che la comprensione vinca la mancanza di fiducia.

• Distribuzione di contenuti basati su SEO e PR. Ricevi amplificazione oggi.
• PlatoData.Network Generativo verticale Ai. Potenzia te stesso. Accedi qui.
• PlatoAiStream. Intelligenza Web3. Conoscenza amplificata. Accedi qui.
• PlatoneESG. Carbonio, Tecnologia pulita, Energia, Ambiente, Solare, Gestione dei rifiuti. Accedi qui.
• Platone Salute. Intelligence sulle biotecnologie e sulle sperimentazioni cliniche. Accedi qui.
• Fonte: https://www.finextra.com/blogposting/25582/implementation-challenges-of-genai-in-financial-services?utm_medium=rssfinextra&utm_source=finextrablogs