אתגרי יישום של GenAI בשירותים פיננסיים

היכולת של מחשב ליצור טקסט פרוזה הפכה לאחרונה טובה מספיק כדי לשקול אותה לשימוש עסקי מעשי. אז למה רוב החברות עדיין לא משתמשות בזה? בואו נסתכל על כמה אתגרים ביישום שיטות אלה. בעוד שבינה מלאכותית (GenAI) יכולה ליצור גם תמונות, אודיו או וידאו, אנחנו נתמקד ביכולת שלה ליצור טקסט כאן.

בליבה של GenAI טמון מודל שהופך פיסת טקסט אחת לאחרת. טקסט הקלט הוא לעתים קרובות שאלה שנשאלה או פקודה שניתנת על ידי משתמש אנושי. טקסט הפלט הוא, בתקווה, תגובה נכונה ומשמעותית. רובנו שיחקנו עם אחד או יותר מהדגמים האלה באינטרנט בסביבת הודעות טקסט שמזכירה שיחה. למרות שנראה כמו שיחה, מופיעים סדקים המסמנים לנו שאנחנו לא מדברים עם בן אדם.

קבוצת האתגרים הראשונה טמונה באופן שבו המודלים הללו נוצרו. הם מבוססים על אוספי טקסט עצומים מהאינטרנט. חלק גדול מהטקסט הזה הוא בדיוני או מכיל דיבור לא הולם כמו אפליה. הרבה מהטקסט הזה כפוף גם לחוק זכויות יוצרים, מה שהופך את חוקיות הדוגמניות למעט לא ברורה.

קבוצת האתגרים הבאה קשורה לעצם טבעם של המודלים הללו. הם מייצגים מטריצת הסתברות ענקית של איזו מילה יש סבירות גבוהה שתעקוב אחר רצף התחלתי נתון של מילים. ככאלה, הם אינם מסוגלים לנמק הגיוני, טיעון סיבתי או שכל ישר. התוצאה המעשית היא שמדי פעם הם נותנים תשובות שגויות או בלתי אפשריות - משהו שנקרא הזיה.

יתרה מכך, בפרקטיקה העסקית מודלים אלו אינם יכולים לחיות בפני עצמם אלא חייבים להיות משולבים במגוון כלי תוכנה אחרים, המיוצרים לרוב על ידי ספקים אחרים. המודלים של GenAI יכולים לייצג ממשק שפה לכלי תוכנה אלה כדי לייעל משימות רבות. עם זאת, העבודה של שילוב מודלים של GenAI עם תוכנות מדור קודם רק החלה והיא מורכבת על ידי הנוף המגוון, והמשתנה במהירות, של הספקים עצמם.

בהנחה ש-GenAI היו משולבים במלואם בכלי התוכנה הנפוצים המשמשים בתעשיית השירותים הפיננסיים, עדיין נעמוד בפני האתגר של הכשרה וניהול שינויים בכוח העבודה של תעשייה שמתגאה באינטליגנציה אנושית.

כל אלה הם אתגרים עקרונית. בואו נשים אותם בצד לעת עתה ונשאל מה היינו מעסיקים את GenAI לעשות בשירותים פיננסיים.

שימושים מסוימים נפוצים בתעשיות אחרות כמו אוטומציה של שירות לקוחות במענה על שאלות או ביצוע משימות שגרתיות כמו מוקד אוטומטי חכם. אפשר לשלוח מיילים שיווקיים ללקוחות רבים המותאמים בצורה מורכבת לדפוס ההתנהגות של כל אדם כדי לפרסם מוצרים ושירותים ספציפיים המתאימים באמת לאותו אדם. 

זה נהיה יותר מעניין כשאנחנו מבינים ש-GenAI לא דובר רק שפות אנושיות אלא גם שפות מחשב. זה יכול לתרגם שאלה שהוצגה באנגלית ל-SQL, שפת מסדי הנתונים, או ל-JavaScript, שפת דפי אינטרנט. אנליסט פיננסי עשוי לשאול שאלה באנגלית, להעביר זאת למסד נתונים ב-SQL מושלם והתשובה תהפוך לעמוד JavaScript שמוצג כתרשים ניתוח. עבור האנליסט הפיננסי, התרשים מופיע באופן מיידי עם נתונים מספריים מהימנים. זה אמין כי GenAI לא יצר את התוכן המספרי אלא שלפה אותו ממסד נתונים מעוצב היטב. התשובה המיידית היא רווח משמעותי שכן כל העבודה והעיכוב האנושיים נחסכים.

GenAI מסוגלת לכתוב טקסט פרוזה באופן מקורי ולכן יכולה לספק טיוטה ראשונה של ניתוח פיננסי או דו"ח שיתוקן על ידי אדם. מתועד היטב כי האוטומציה של הטיוטה הראשונה יכולה לחסוך עד 40% מכלל מאמץ העבודה האנושי עבור הדו"ח.

לסיכום, האתגרים העיקריים טמונים במודלים עצמם ובשילובם בכלים אחרים. לאחר השילוב, יש להשתמש בהם בצורה נכונה על ידי כוח עבודה שמוכן ומיומן לעשות זאת.

זה מביא אותנו למכשול האחרון לאימוץ בשירותים פיננסיים: אמון. אנשי מקצוע בתחום הפיננסים, מנהלי תאגידים ורגולטורים ממשלתיים כאחד עדיין לא ממש סומכים על הטכנולוגיות האלו שיהיו אמינות כפי שהיינו רוצים שיהיו כדי לשרת תעשייה מפוקחת שבה סכומי כסף גדולים יכולים ללכת לאיבוד ברגע. זה חייב להיפגש עם אינטגרציות כמו זו שהוזכרה לעיל כדי לשלוט ב-GenAI עם מסדי נתונים מדויקים, וגם עם הסברה טובה יותר של תעשיית הבינה המלאכותית עצמה, כך שההבנה תנצח את חוסר האמון.

• הפצת תוכן ויחסי ציבור מופעל על ידי SEO. קבל הגברה היום.
• PlatoData.Network Vertical Generative Ai. העצים את עצמך. גישה כאן.
• PlatoAiStream. Web3 Intelligence. הידע מוגבר. גישה כאן.
• PlatoESG. פחמן, קלינטק, אנרגיה, סביבה, שמש, ניהול פסולת. גישה כאן.
• PlatoHealth. מודיעין ביוטכנולוגיה וניסויים קליניים. גישה כאן.
• מקור: https://www.finextra.com/blogposting/25582/implementation-challenges-of-genai-in-financial-services?utm_medium=rssfinextra&utm_source=finextrablogs