Banke tehtajo potencial ChatGPT – in nevarnosti

Tehnološki vodje v finančnih institucijah preučujejo, kako lahko ChatGPT in drugi modeli učenja jezikov (LLM) zagotovijo povečanje produktivnosti – in ovire, ki jih morajo preskočiti, preden lahko uvedejo takšno programsko opremo.

LLM-ji so pritegnili pozornost bank in preostalega sveta, ko je ameriško programsko podjetje OpenAI novembra 2022 izdalo svoj ChatGPT. Moč te oblike umetne inteligence je intuitivna in ChatGPT se ponaša z več kot 100 milijoni uporabnikov (od tega le 12 odstotkov iz ZDA, glede na demandsage.com).

Google in drugi so od takrat izdali svoje LLM-je, Microsoft (ki je lastnik OpenAI) pa licencira vtičnike GPT prek svojega podjetja v oblaku Azure za podjetja.

Toda kako lahko finančne institucije dejansko uporabljajo to tehnologijo?

Številne banke in korporacije so svojim zaposlenim prepovedale njegovo uporabo, ker se bojijo, da bodo objavili lastniške podatke ali podatke o strankah v javni domeni – kajti ko enkrat poizvedujete po podatkih v spletni platformi ChatGPT, jih je mogoče iskati.

---

---

Banke so tudi previdne glede težnje LLM-jev po »halucinacijah«, tj. izmišljanju odgovorov in njihovem predstavljanju kot dejstev. Zaradi tega je nevarno predstavljati pred strankami ali regulatorji ali se zanašati na kritične odločitve.

Prejšnji teden so trije tehnološki uradniki delili svoje poglede na ChatGPT, ko so govorili na dogodku v Hong Kongu, ki ga je gostil GienTech, kitajski prodajalec tehnologije finančnim institucijam.

Njihov pristop se razlikuje glede na njihove poslovne potrebe in njihov položaj glede lastne digitalizacije.

Livi banka

Livi Bank je ena od licenciranih virtualnih bank v Hongkongu. Njegov tehnični direktor Gary Lam je opozoril, da mu ni treba opraviti digitalne preobrazbe: rojen je bil virtualno, s tehnološkim skladom v oblaku. Za pridobivanje strank se zanaša na taktike, ki so si jih izposodili pri podjetjih za e-trgovino, vključno s spletnim oglaševanjem in promocijami.

Po eni strani je že prepojena z uporabo umetne inteligence. Zanaša se na AI za vidike vključevanja strank, kot sta prepoznavanje obraza in odkrivanje goljufij. Po drugi strani pa je livi kot virtualna institucija še bolj občutljiva na tveganja kibernetske varnosti, pravi Lam.

Zato generativna umetna inteligenca zahteva vsaj enako stopnjo obvladovanja tveganja in oskrbe.

»Gen AI je del programske opreme. Uporabil bi enake standardne zaščite pred izgubo podatkov kot drugi moduli v skladu. Vendar pa bomo morda potrebovali dodatne filtre, preden bomo svojim strankam izdali sporočila ChatGPT.«

To je v fazi raziskovanja, saj lahko LLM povečajo produktivnost v komunikaciji s strankami in servisiranju. Toda enako velja za notranje uporabnike, za katere Lam pravi, da lahko vključujejo kodirnike, upravitelje odnosov in upravitelje tveganj.

Največji primer notranje uporabe je uporaba poizvedb v človeškem jeziku za iskanje po ogromnih količinah regulativnih dokumentov. "Lahko imamo človeški podoben iskalnik za pregledovanje velike količine gradiva," je dejal.

spletna banka

WeBank v lasti Tencenta je ena najbolj izpopolnjenih digitalnih bank na svetu s 360 milijoni maloprodajnih strank po samo osmih letih delovanja na celinski Kitajski. Zanaša se na svojo lastniško tehnologijo, da lahko donosno servisira stranke s povprečnimi prihodki, ki so prenizki, da bi jih tradicionalna banka zmogla. WeBank je poster za hitre in obsežne inovacije v potrošniškem bančništvu.

LLMs predstavlja resnično spremembo, je dejal Yao Huiya, vodja fintech inovacij s sedežem v Shenzhenu. Vendar WeBank ne hiti s storitvijo GPT za interakcijo s strankami: to bi bilo preveč tvegano, zlasti za regulirano ustanovo. "Po naravi se ne morete izogniti govorjenju neumnosti," je dejal.

WeBank verjetno ne bo uporabljal LLM-jev, ki temeljijo na javnem internetu, glede na tveganje razkritja podatkov in kršenja predpisov. Gre pa za fino uravnavanje, ki je manjše in dostopajo samo do lastnih podatkov banke.

Yao pravi, da bi se lahko programi LLM uporabili za izboljšanje produktivnosti bančnih procesov uvajanja strank in posojanja MSP. Model lahko predlaga dobre čase za stik s strankami glede posojila, kako prilagoditi uvodni stik in izboljšati uspešnost posojilne knjige, tako da kreditnim uradnikom pomaga analizirati podatke podjetja.

Yao dvomi, da bodo LLM nadomestili kreditne ekipe. "Človeka bo vključil v zanko, tako da bo lahko postavljal vprašanja generativni AI za sprejemanje boljših odločitev."

Vpliv bo čutiti v tehnološki infrastrukturi banke. "Računalniška moč se bo preusmerila s CPU-jev na GPE-je," je dejal, pri čemer se je skliceval na vrste procesorjev. "Naša arhitektura bo potrebovala vtičnike, da bomo lahko uvedli več modelov in na njih izvajali A/B teste."

To bo veljalo za vsa podjetja, ne le za digitalne banke. "To bo spremenilo arhitekturo celotnega sveta," je dejal Yao. "Vpliv študija LLM se ne bo končal."

Hokejski hokejski klub

Hongkong Jockey Club ni pooblaščena finančna institucija, vendar se ukvarja s številnimi finančnimi dejavnostmi. V Hongkongu ima monopol nad konjskimi dirkami in nogometnimi stavami. Tako kot druge organizacije postaja digitalizirana, na primer z uporabo podatkov za svoje sisteme stav – in tako kot druge uveljavljene organizacije se mora spopadati s svojimi zapuščinskimi težavami.

Li Sai-Chin, izvršni direktor za podatkovne in analitične rešitve, pravi, da ChatGPT sili Jockey Club v prerivanje. "Ustvaril je korak naprej v razmišljanju o podatkih in analitiki." To je koristen opozorilo za številne vodstvene delavce glede potrebe po sprejemanju digitalnega.

Stave na konje vključujejo veliko podatkov: ljudje si pred stavo ogledajo informacije, kot so razmiki ter evidence konj in džokejev. "Pričakujemo, da bodo postavili več vprašanj," je dejal Li, zaradi česar je nekaj, kot je ChatGPT, potencialno relevantno.

To je način, kako pomagati Jockey Clubu bolj redno komunicirati s svojimi strankami. Na primer, med sezono klub vsak teden organizira dve konjski dirki. Druge dni ni interakcije s stavnicami. Izkušeni klepetalni roboti bi strankam lahko omogočili bolj redno interakcijo in zastavljanje več vprašanj.

Prvi korak je spodbuditi ljudi k bolj redni interakciji s klubskimi podatki. Postopoma Li vidi, da klub uporablja senzorje na svojem območju, da uporabnikom zagotovi sprotno poizvedbo in podatkovno izkušnjo, ko tavajo naokoli, preverjajo konje, vzamejo pivo ali stavijo.

"Veliko delamo, ko razmišljamo o izkušnji brez povezave v splet," je dejal. "Če komuniciramo z njimi v realnem času, ko se sprehajajo mimo enega območja, ali lahko pokažemo naslednjega konja, ki bi ga radi videli?"

• Distribucija vsebine in PR s pomočjo SEO. Okrepite se še danes.
• PlatoData.Network Vertical Generative Ai. Opolnomočite se. Dostopite tukaj.
• PlatoAiStream. Web3 Intelligence. Razširjeno znanje. Dostopite tukaj.
• PlatoESG. Avtomobili/EV, Ogljik, CleanTech, Energija, Okolje, sončna energija, Ravnanje z odpadki. Dostopite tukaj.
• BlockOffsets. Posodobitev okoljskega offset lastništva. Dostopite tukaj.
• vir: https://www.digfingroup.com/chatgpt-banks/