Kesan Transformasi GenAI terhadap Perkhidmatan Kewangan

Aliran Ekonomi

Ringkasan:

AI Generatif ialah teknologi berkuasa yang membuka pelbagai kemungkinan untuk perniagaan sambil turut menimbulkan cabaran. Bagaimanakah ia akan memberi kesan kepada perkhidmatan kewangan?

Dunia berada di lebuh raya laju untuk teknologi baharu. Reka bentuk, penciptaan, ujian dan penggunaan teknologi baharu telah dipercepatkan secara eksponen sejak Revolusi Perindustrian. Ia tidak lagi mengambil masa beberapa dekad, tetapi berhari-hari, untuk orang ramai menerima pakai teknologi baharu. Revolusi Kepintaran Buatan Generatif (GenAI) dan Model Bahasa Besar (LLM) terus mendorong dunia kepada satu lagi realiti baharu.

Apakah implikasi teknologi baharu yang berkuasa ini? Bagaimanakah ia membayangkan semula masa depan perkhidmatan kewangan? Dan bagaimana kita boleh mengimbangi inovasi dengan tanggungjawab manusia untuk penggunaan beretika AI? Penceramah dalam perbincangan panel baru-baru ini di Persidangan Institusi Rasmi Global (GOIC) BNP Paribas berkongsi pandangan mereka.

The Transformative Impact of GenAI on Financial Services_1

Apakah implikasi GenAI terhadap perkhidmatan kewangan? Penceramah dalam perbincangan panel baru-baru ini di Persidangan Institusi Rasmi Global (GOIC) BNP Paribas berkongsi pandangan mereka.

Menjana kandungan dengan AI

Membuka perbincangan, Alexei Grinbaum, Saintis Penyelidikan Kanan di CEA-Saclay, menjelaskan: "Cara sistem AI menjana kandungan adalah semantik. Sistem AI Generatif tidak memahami apa-apa seperti manusia dan tidak berfungsi dengan dimensi makna manusia. Pengiraan hanya berfungsi untuk memilih token seterusnya dalam urutan. Pemilihan token adalah hasil pengiraan kebarangkalian, dan itu sahaja yang dilakukan oleh GenAI. Apa yang menarik ialah, walaupun GenAI hanya mengira token yang hilang, ia sebenarnya menghasilkan kandungan yang masuk akal kepada kami dan nampaknya penuh bermakna kepada pengguna.”

Beliau menambah: “Penjanaan AI tidak menilai sama ada sesetengah kandungan itu benar atau palsu, kerana makna manusia bukan sebahagian daripada proses pengiraan. Kami perlu menambah sistem penapis, dipanggil penjajaran, untuk menapis apa yang salah, diskriminasi atau toksik."

GenAI kekal sebagai mesin. Kualiti apa yang disampaikan bergantung pada gesaan yang kami berikan: "Untuk bercakap dengan ejen bukan manusia ini, anda perlu mempelajari cara bercakap tertentu." Kita tidak boleh hanya menggunakan cara manusia menggunakan bahasa dan menganggap bahawa ini akan memberikan hasil terbaik dengan sistem AI.

Penerimaan GenAI

Selepas Carl Benz mencipta kenderaan berkuasa gas yang pertama pada tahun 1886 semasa Revolusi Perindustrian, ia mengambil masa 27 tahun sebelum penggunaannya menjadi lebih meluas apabila Henry Ford membawanya kepada orang ramai pada tahun 1913.

Sebagai perbandingan, apabila ChatGPT dilancarkan pada November 2022, ia mengambil masa lima hari untuk mendapatkan 1 juta pengguna. Rekod sebelumnya dipegang oleh Instagram yang mengambil masa dua bulan untuk mencapai jumlah pengguna itu, kata Guillaume Bour, Ketua Perusahaan di Mistral AI, bercakap di GOIC.

Penggunaan GenAI adalah kelajuan ringan, aplikasi kelihatan tidak berkesudahan dan perlumbaan ke sempadan seterusnya telah bermula. Menjadikan teknologi percuma untuk digunakan pada sumber terbuka akan mempercepatkan lagi sifat transformasi GenAI.

Di kalangan sektor, perkhidmatan kewangan merupakan salah satu industri di barisan hadapan penggunaan AI, dengan peningkatan jumlah penerokaan dalam tempoh 18 bulan yang lalu serta peralihan daripada aplikasi perniagaan berteraskan pekerja dan bukan teras yang kebanyakannya di luar pasaran. penyelesaian rak kepada kes penggunaan perniagaan dengan keuntungan yang lebih ketara dalam kelebihan daya saing, kata Bour. Majoriti kes penggunaan yang dilihatnya ialah alat yang meningkatkan lebih banyak tugas pentadbiran, di belakang tabir, seperti keputusan kredit, kenali pelanggan anda (KYC), ESG dan penambahbaikan pengurusan risiko.

Aplikasi yang dihadapi pelanggan ialah persaingan peringkat seterusnya kerana syarikat meningkatkan keupayaan AI bagi chatbot pusat hubungan yang berhadapan dengan pelanggan mereka. Pemula e-dagang Sweden, Klarna , sebagai contoh, mendakwa mempunyai bot sembang yang boleh mengurus lebih 2 juta perbualan pelanggan dalam sebulan tanpa memberi kesan negatif kepada Skor Promoter Bersih (NPS) yang mengukur kepuasan pelanggan.

Pandangan penyedia

Menjadi pembekal yang baik memerlukan dua bahan utama: kepakaran dan modal. Bour menganggarkan bahawa pada masa ini terdapat beberapa ribu orang di dunia yang menguasai teknologi ini. Dari segi modal, membangunkan model GenAI sangat intensif modal kerana ia perlu menjalankan banyak GPU tanpa henti selama beberapa hari atau bahkan minggu.

Model yang besar dan berkuasa adalah penting untuk penyelidikan, tetapi tidak selalunya berdaya maju dari segi kewangan apabila memasuki pengeluaran dan penskalaan. "Pulangan pelaburan tidak jelas untuk banyak kes penggunaan," kata Bour. “Untuk menyokong skala perusahaan besar dan institusi di seluruh dunia dengan nisbah kos-ke-prestasi yang paling cekap, anda memerlukan model yang besar dan sangat berkuasa, yang lebih mahal, tetapi juga model bersaiz sederhana yang akan anda gunakan. mampu menyesuaikan dan mengkhususkan diri untuk tugas-tugas tertentu.”

Model yang lebih besar mempunyai lebih banyak kapasiti penaakulan dan keupayaan untuk melaksanakan tugas yang lebih maju, dan juga lebih perlahan. Industri perlu mencari keseimbangan dalam pertukaran antara kelajuan dan kapasiti penaakulan.

Mengambil contoh pemfaktoran semula kod warisan, Bour menjelaskan: “Jika anda ingin menterjemah berjuta-juta baris COBOL ke Java, yang merupakan cabaran yang dihadapi oleh banyak institusi kewangan, ia memerlukan banyak ketepatan dan prestasi untuk model. Ini boleh mengambil masa berhari-hari atau bahkan berminggu-minggu, yang tidak begitu penting. Sebaliknya, jika anda sedang membina chatbot untuk pelanggan anda, maka kependaman adalah amat penting. Jadi anda lebih suka memilih model yang lebih kecil yang mempunyai tahap prestasi yang sangat baik juga.”

Satu lagi faktor pembezaan untuk Mistral ialah fleksibiliti syarikat untuk menggunakan modelnya dalam pusat data pelanggan mereka dan bukannya meletakkan data dalam awan, yang pastinya merupakan titik jualan bagi institusi kewangan. "Kami percaya bahawa pelanggan kami harus mempunyai pilihan untuk membawa model kepada data dan bukan sebaliknya," kata Bour.

Kepelbagaian bahasa ialah satu lagi ciri utama: Ia adalah keupayaan untuk model memahami dan berkomunikasi secara asli dalam bahasa tertentu dan bukannya menggunakan terjemahan. Ini memastikan model memahami sensitiviti dan nuansa budaya. "Ia bukan sahaja mengenai perbendaharaan kata atau tatabahasa, tetapi juga mengenai aspek budaya, dan penyulingan kekhususan bahasa dan budaya," kata Bour.

Pandangan pengguna

Pengawal selia pasaran kewangan Perancis, Autorité des Marchés Financiers (AMF), menganggap dirinya sebagai "pengguna AI," kata Iris Lucas, Ketua Perisikan Data AMF. “Sememangnya, di AMF kami bertanya kepada diri sendiri tentang penggunaan untuk tujuan kami sendiri dan beberapa projek sedang dijalankan, contohnya perlindungan pelabur, promosi kewangan mampan, pengesanan penyalahgunaan pasaran dan kecekapan operasi.”

AMF menggunakan alatan AI pertamanya pada 2019, dengan pengesanan penipuan yang dipanggil FISH, Financial Investment Scam Hunter. Pada tahun 2021, AMF melancarkan program data transversal besar yang dipanggil ICData, dengan cita-cita untuk melanjutkan penggunaan data untuk menjadikan AMF lebih dipacu data.

Mengenai kewangan mampan, AMF menggunakan AI untuk mengekstrak objektif kemampanan dalam dasar pengurusan dana. AI juga merupakan alat berharga yang digunakan AMF untuk mengelompokkan pengesanan penyalahgunaan pasaran sementara teknik pembelajaran diselia sedang diterokai untuk mengenal pasti jenis manipulasi pasaran tertentu. Dalam kecekapan operasi, AMF sedang meneroka penggunaan AI untuk penjanaan automatik Minit mesyuarat, sokongan untuk pakar, dan peningkatan bantuan penyeliaan, untuk mengurangkan tugas manual tanpa nilai tambah. "Pandangan kami ialah LLM tidak akan menggantikan rakan sekerja atau pakar kami, tetapi ia boleh memanjangkan keupayaan mereka," kata Lucas.

Melihat kepada penggunaan AI di institusi kewangan, Léa Deleris, Ketua Penyelidikan Kepintaran Buatan Risiko di BNP Paribas, menjelaskan: “Pasukan saya membangunkan kes penggunaan AI untuk membantu kecekapan dan keberkesanan pengurusan risiko. Kami juga mengusahakan strategi fungsi dan menyumbang di peringkat Kumpulan kepada semua komuniti di sekitar AI, terutamanya di sekitar AI yang bertanggungjawab, yang beretika, selamat, teguh, bebas berat sebelah, mengambil kira jejak karbon dan boleh dijelaskan."

Dia menambah: "Kami mempunyai lebih 50 kes penggunaan dalam pengeluaran yang menangani risiko dan kes penggunaan pematuhan, terutamanya dalam pengenalan dan pengesanan."

Deleris melihat sebahagian besar kesan GenAI terhadap dokumentasi dan kawalan. Institusi global yang besar seperti BNP Paribas mempunyai kawalan dalam geografi dan bidang kuasa yang sangat pelbagai. “Di peringkat Kumpulan BNP Paribas, kami mahu memastikan bahawa kami memenuhi kekhususan tempatan sambil memastikan kami mengekalkan koheren global. Mempunyai alat yang boleh membaca, meringkaskan dan mencari cabaran akan membantu kami menjadi lebih cekap,” katanya.

Ketua Penyelidikan Kepintaran Buatan Risiko, BNP Paribas

Bidang lain yang AI boleh memberikan kecekapan yang ketara ialah dalam pemodelan, ujian tekanan, mempercepatkan dokumentasi dan penjajaran kepada prosedur dan peraturan.

AI yang bertanggungjawab

"Selain faedah dan cabaran dalam melaksanakan AI, topik penting bagi kita semua ialah cara melakukannya dengan cara yang bertanggungjawab," kata Hugues Even, Ketua Pegawai Data BNP Paribas, yang menyederhanakan perbincangan.

Ini adalah tujuan Akta AI EU yang "bertujuan untuk mewujudkan rangka kerja undang-undang bersatu untuk sistem dan aplikasi AI di seluruh Kesatuan Eropah (EU)," jelas Deleris, sambil menambah: "Niat Akta AI adalah untuk memastikan bahawa AI sistem dibangunkan dan digunakan dengan cara yang selamat, beretika dan boleh dipercayai.”

Akta AI mengkategorikan sistem AI berdasarkan tahap risikonya dan memperkenalkan kewajipan dan keperluan khusus untuk setiap kategori. Sistem AI berisiko tinggi akan tertakluk kepada kewajipan pematuhan yang ketat, termasuk penilaian pematuhan, tadbir urus data dan keperluan ketelusan.

Deleris memberi amaran bahawa Akta AI hanya menumpukan pada melindungi kategori risiko yang menjejaskan hak asasi warganegara. Institusi menghadapi risiko tambahan seperti siber tetapi juga kerugian operasi atau reputasi akibat penggunaan AI yang tidak betul. “Pengurusan risiko model bukanlah perkara baharu dalam institusi kewangan dan adalah mengenai memastikan model (AI atau tidak) sesuai untuk tujuan dan digunakan dalam tujuan yang betul. Jadi kami sudah mempunyai rangka kerja dan kebanyakannya perlu memupuk budaya mengurus risiko tersebut,” tambahnya.

“Walaupun AMF pada masa ini tidak menyelia model AI yang dibangunkan oleh peserta pasaran di bawah Akta AI, ini mungkin berkembang pada masa hadapan apabila peraturan berkembang. Sementara itu, kami terlibat secara aktif dengan pemain pasaran untuk memahami cara AI digunakan dan sama ada ia memberi kesan kepada proses pematuhan atau pengurusan risiko mereka,” kata Lucas. Beliau menambah bahawa "Cabaran utama kekal untuk mencapai keseimbangan antara memanfaatkan peluang yang ditawarkan AI dan mengurus risikonya. Ini adalah asas kepada cita-cita AMF: untuk menyokong inovasi sambil memastikan pasaran berfungsi dengan baik.”

Grinbaum di CEA-Saclay bersetuju: “Akta AI bukan sekadar prosedur yang lebih birokratik dan lebih banyak sijil mandatori. Terdapat juga peruntukan yang sangat menarik - malah prinsip etika baharu - dan panggilan penting untuk lebih banyak penyelidikan."

“Teknologi Generatif AI yang berkembang pesat menawarkan peluang untuk pengguna awal dalam pasaran mereka, dan potensi dan kes penggunaan yang telah dilaksanakan dalam bidang seperti pemodelan, pengesanan, penyiasatan dan pelaporan. Ini juga memerlukan pertimbangan kawalan dan etika, dan potensi untuk pengawalseliaan termasuk Akta AI mercu tanda EU,” tutup Even.

Sumber: Bank of America

Untuk kekal dikemas kini tentang semua acara ekonomi hari ini, sila lihat kalendar ekonomi kami

Amaran Risiko dan Penafian Pelaburan

Anda memahami dan mengakui bahawa terdapat tahap risiko yang tinggi yang terlibat dalam perdagangan dengan strategi. Mengikuti mana-mana strategi atau metodologi pelaburan adalah potensi kerugian. Kandungan di tapak disediakan oleh penyumbang dan penganalisis kami untuk tujuan maklumat sahaja. Anda sendiri bertanggungjawab sepenuhnya untuk menentukan sama ada mana-mana aset dagangan, atau sekuriti, atau strategi, atau mana-mana produk lain sesuai untuk anda berdasarkan objektif pelaburan dan situasi kewangan anda.

Pendedahan Risiko

Risiko kerugian dalam perdagangan instrumen kewangan seperti saham, FX, komoditi, niaga hadapan, bon, ETF dan kripto boleh menjadi besar. Anda mungkin mengalami kerugian keseluruhan dana yang anda depositkan dengan broker anda. Oleh itu, anda harus mempertimbangkan dengan teliti sama ada perdagangan sedemikian sesuai untuk anda berdasarkan keadaan dan sumber kewangan anda.

Tiada keputusan untuk melabur harus dibuat tanpa menjalankan usaha wajar secara menyeluruh sendiri atau berunding dengan penasihat kewangan anda. Kandungan web kami mungkin tidak sesuai dengan anda kerana kami tidak mengetahui keadaan kewangan dan keperluan pelaburan anda. Maklumat kewangan kami mungkin mempunyai kependaman atau mengandungi ketidaktepatan, jadi anda harus bertanggungjawab sepenuhnya untuk sebarang keputusan perdagangan dan pelaburan anda. Syarikat tidak akan bertanggungjawab ke atas kehilangan modal anda.

Tanpa mendapat kebenaran daripada tapak web, anda tidak dibenarkan menyalin grafik, teks atau tanda dagangan tapak web. Hak harta intelek dalam kandungan atau data yang dimasukkan ke dalam laman web ini adalah milik pembekal dan pedagang pertukarannya.

Carian Terkini

Carian Teratas

Petikan

Analisis

Pengguna

24/7

Kalendar Ekonomi

Pendidikan

Data