ผลกระทบเชิงเปลี่ยนแปลงของ GenAI ต่อบริการทางการเงิน

เศรษฐกิจ

สรุป:

Generative AI เป็นเทคโนโลยีอันทรงพลังที่เปิดโอกาสมากมายให้กับธุรกิจต่างๆ ในขณะเดียวกันก็สร้างความท้าทายด้วย เทคโนโลยีนี้จะมีผลกระทบต่อบริการทางการเงินอย่างไร

โลกกำลังก้าวสู่เส้นทางแห่งความเร็วของเทคโนโลยีใหม่ การออกแบบ การสร้างสรรค์ การทดสอบ และการนำเทคโนโลยีใหม่มาใช้นั้นเติบโตอย่างรวดเร็วตั้งแต่การปฏิวัติอุตสาหกรรม ไม่ใช่แค่หลายทศวรรษอีกต่อไป แต่ใช้เวลาเพียงไม่กี่วันเท่านั้นที่คนทั่วไปจะยอมรับเทคโนโลยีใหม่ การปฏิวัติของปัญญาประดิษฐ์เชิงสร้างสรรค์ (GenAI) และโมเดลภาษาขนาดใหญ่ (LLM) กำลังผลักดันให้โลกก้าวไปสู่ความเป็นจริงใหม่

เทคโนโลยีใหม่ที่ทรงพลังนี้ส่งผลกระทบอย่างไร เทคโนโลยีใหม่นี้จะช่วยสร้างอนาคตของบริการทางการเงินได้อย่างไร และเราจะสร้างสมดุลระหว่างนวัตกรรมกับความรับผิดชอบของมนุษย์ต่อการใช้ AI อย่างมีจริยธรรมได้อย่างไร วิทยากรในการอภิปรายกลุ่มล่าสุดในงาน BNP Paribas Global Official Institutions Conference (GOIC) ได้แบ่งปันข้อมูลเชิงลึกของพวกเขา

The Transformative Impact of GenAI on Financial Services_1

GenAI ส่งผลต่อบริการทางการเงินอย่างไร วิทยากรในการอภิปรายกลุ่มล่าสุด ในงาน BNP Paribas Global Official Institutions Conference (GOIC) ได้แบ่งปันข้อมูลเชิงลึกของตน

การสร้างเนื้อหาด้วย AI

Alexei Grinbaum นักวิจัยอาวุโสจาก CEA-Saclay เปิดการอภิปรายโดยอธิบายว่า “ระบบ AI สร้างเนื้อหาได้ไม่ชัดเจน ระบบ AI เชิงสร้างสรรค์ไม่เข้าใจอะไรเหมือนที่มนุษย์เข้าใจ และไม่ได้ทำงานกับมิติความหมายของมนุษย์ การคำนวณทำหน้าที่เพียงเลือกโทเค็นถัดไปในลำดับ การเลือกโทเค็นคือผลลัพธ์ของการคำนวณแบบความน่าจะเป็น และนั่นคือทั้งหมดที่ GenAI ทำ สิ่งที่น่าสนใจคือ แม้ว่า GenAI จะคำนวณเฉพาะโทเค็นที่ขาดหายไป แต่ในความเป็นจริงแล้ว GenAI สร้างเนื้อหาที่สมเหตุสมผลสำหรับเราและดูเหมือนว่ามีความหมายสำหรับผู้ใช้”

เขาเสริมว่า “ยุค AI ไม่ได้ประเมินว่าเนื้อหาบางอย่างเป็นจริงหรือเท็จ เนื่องจากความหมายของมนุษย์ไม่ได้เป็นส่วนหนึ่งของกระบวนการคำนวณ เราจำเป็นต้องเพิ่มระบบตัวกรองที่เรียกว่าการจัดตำแหน่ง เพื่อกรองสิ่งที่ผิด เลือกปฏิบัติ หรือเป็นพิษออกไป”

GenAI ยังคงเป็นเครื่องจักร คุณภาพของสิ่งที่มันส่งมอบขึ้นอยู่กับคำใบ้ที่เราให้มัน: “ในการพูดคุยกับตัวแทนที่ไม่ใช่มนุษย์นี้ คุณต้องเรียนรู้วิธีการพูดที่เฉพาะเจาะจง” เราไม่สามารถใช้ภาษาแบบมนุษย์และสันนิษฐานว่าวิธีนี้จะให้ผลลัพธ์ที่ดีที่สุดกับระบบ AI ได้

การนำ GenAI มาใช้

หลังจากที่ Carl Benz ได้สร้างรถยนต์พลังงานก๊าซคันแรกในปี พ.ศ. 2429 ในช่วงการปฏิวัติอุตสาหกรรม ก็ใช้เวลานานถึง 27 ปีกว่าที่รถยนต์รุ่นนี้จะได้รับการนำมาใช้อย่างแพร่หลายมากขึ้น เมื่อ Henry Ford นำรถยนต์รุ่นนี้เข้าสู่ตลาดมวลชนในปี พ.ศ. 2456

เมื่อเปรียบเทียบกับ ChatGPT ที่เปิดตัวในเดือนพฤศจิกายน 2022 ต้องใช้เวลา 5 วันในการเข้าถึงผู้ใช้ 1 ล้านคน สถิติก่อนหน้านี้เป็นของ Instagram ซึ่งใช้เวลา 2 เดือนในการเข้าถึงผู้ใช้จำนวนดังกล่าว Guillaume Bour หัวหน้าฝ่ายองค์กรของ Mistral AI กล่าวในงาน GOIC

การนำ GenAI มาใช้มีความเร็วรวดเร็ว การประยุกต์ใช้ดูเหมือนจะไม่มีที่สิ้นสุด และการแข่งขันเพื่อก้าวไปสู่ขอบเขตใหม่ก็ได้เริ่มต้นขึ้น การทำให้เทคโนโลยีนี้ใช้งานได้ฟรีบนโอเพนซอร์สจะช่วยเร่งให้เกิดการเปลี่ยนแปลงในธรรมชาติของ GenAI มากยิ่งขึ้น

ในภาคส่วนต่างๆ บริการทางการเงินถือเป็นอุตสาหกรรมหนึ่งที่นำ AI มาใช้มากที่สุด โดยมีการสำรวจเพิ่มมากขึ้นในช่วง 18 เดือนที่ผ่านมา รวมทั้งการเปลี่ยนแปลงจากการเน้นที่พนักงานและแอปพลิเคชันธุรกิจที่ไม่ใช่ธุรกิจหลัก ซึ่งส่วนใหญ่เป็นโซลูชันสำเร็จรูปไปสู่กรณีการใช้งานทางธุรกิจซึ่งได้รับความได้เปรียบทางการแข่งขันเพิ่มขึ้นอย่างมีนัยสำคัญ Bour กล่าว กรณีการใช้งานส่วนใหญ่ที่เขาพบเห็นคือเครื่องมือที่ช่วยปรับปรุงงานด้านการบริหารเบื้องหลัง เช่น การตัดสินใจด้านเครดิต การรู้จักลูกค้า (KYC) ESG และการปรับปรุงการจัดการความเสี่ยง

แอปพลิเคชันที่เผชิญหน้ากับลูกค้าคือการแข่งขันในระดับถัดไป เนื่องจากบริษัทต่างๆ เพิ่มความสามารถด้าน AI ของแชทบอทสำหรับศูนย์ติดต่อลูกค้าของตน ตัวอย่างเช่น สตาร์ทอัพอีคอมเมิร์ซสัญชาติสวีเดน อย่าง Klarna อ้างว่ามีแชทบอทที่สามารถจัดการบทสนทนากับลูกค้าได้มากกว่า 2 ล้านบทสนทนาในหนึ่งเดือนโดยไม่ส่งผลกระทบเชิงลบต่อคะแนน Net Promoter Score (NPS) ซึ่งเป็นการวัดความพึงพอใจของลูกค้า

มุมมองของผู้ให้บริการ

การเป็นผู้ให้บริการที่ดีต้องมีองค์ประกอบสำคัญสองประการ ได้แก่ ความเชี่ยวชาญและเงินทุน Bour ประมาณการว่าในปัจจุบันมีคนจำนวนไม่กี่พันคนที่เชี่ยวชาญเทคโนโลยีนี้ทั่วโลก ในด้านเงินทุน การพัฒนาโมเดล GenAI นั้นต้องใช้เงินทุนจำนวนมากเนื่องจากต้องใช้งาน GPU จำนวนมากอย่างต่อเนื่องเป็นเวลาหลายวันหรือหลายสัปดาห์

โมเดลขนาดใหญ่และทรงพลังมีความสำคัญต่อการวิจัย แต่อาจไม่คุ้มทุนเสมอไปเมื่อต้องนำไปผลิตและขยายขนาด Bour กล่าวว่า “ผลตอบแทนจากการลงทุนนั้นไม่ชัดเจนสำหรับกรณีการใช้งานหลายกรณี เพื่อรองรับขนาดขององค์กรและสถาบันขนาดใหญ่ทั่วโลกด้วยอัตราส่วนต้นทุนต่อประสิทธิภาพที่มีประสิทธิภาพสูงสุด คุณจะต้องใช้โมเดลขนาดใหญ่และทรงพลังมาก ซึ่งมีราคาแพงกว่า แต่โมเดลขนาดกลางก็มีความสำคัญเช่นกัน ซึ่งคุณจะปรับแต่งให้เหมาะสมและเหมาะกับงานเฉพาะได้”

โมเดลขนาดใหญ่จะมีความสามารถในการใช้เหตุผลและความสามารถในการทำงานที่ซับซ้อนมากขึ้น และยังมีความเร็วที่ช้าลงด้วย อุตสาหกรรมจำเป็นต้องหาจุดสมดุลระหว่างความเร็วและความสามารถในการใช้เหตุผล

โดยใช้ตัวอย่างการรีแฟกเตอร์โค้ดเก่า Bour อธิบายว่า “หากคุณต้องการแปล COBOL หลายล้านบรรทัดเป็น Java ซึ่งเป็นความท้าทายที่สถาบันการเงินหลายแห่งต้องเผชิญ จำเป็นต้องมีความแม่นยำและประสิทธิภาพมากสำหรับโมเดล ซึ่งอาจใช้เวลาหลายวันหรือหลายสัปดาห์ ซึ่งไม่สำคัญเลย ในทางกลับกัน หากคุณกำลังสร้างแชทบ็อตสำหรับลูกค้าของคุณ ความล่าช้ามีความสำคัญอย่างยิ่ง ดังนั้น คุณควรเลือกโมเดลขนาดเล็กที่มีประสิทธิภาพในระดับดีมากเช่นกัน”

ปัจจัยที่ทำให้ Mistral แตกต่างจากบริษัทอื่นคือความยืดหยุ่นของบริษัทในการนำแบบจำลองไปใช้งานในศูนย์ข้อมูลของลูกค้าแทนที่จะนำข้อมูลไปไว้ในระบบคลาวด์ ซึ่งถือเป็นจุดขายที่สำคัญสำหรับสถาบันการเงิน “เราเชื่อว่าลูกค้าของเราควรมีทางเลือกในการนำแบบจำลองไปใช้กับข้อมูล ไม่ใช่ในทางกลับกัน” Bour กล่าว

ความสามารถในการใช้ภาษาหลายภาษาเป็นคุณลักษณะสำคัญอีกประการหนึ่ง นั่นคือความสามารถของโมเดลในการเข้าใจและสื่อสารในภาษาแม่ได้แทนที่จะใช้การแปล สิ่งนี้ช่วยให้มั่นใจว่าโมเดลจะเข้าใจความละเอียดอ่อนและความแตกต่างทางวัฒนธรรม “ไม่ใช่แค่เรื่องของคำศัพท์หรือไวยากรณ์เท่านั้น แต่ยังเกี่ยวกับแง่มุมทางวัฒนธรรมและการกลั่นกรองลักษณะเฉพาะของภาษาและวัฒนธรรมด้วย” บัวร์กล่าว

มุมมองของผู้ใช้

Iris Lucas หัวหน้าฝ่าย Data Intelligence ของ AMF กล่าวว่าหน่วยงานกำกับดูแลตลาดการเงินของฝรั่งเศส Autorité des Marchés Financiers (AMF) ถือว่าตนเองเป็น “ผู้บริโภค AI” “ที่จริงแล้ว AMF กำลังตั้งคำถามกับตัวเองว่าจะนำ AI ไปใช้เพื่อจุดประสงค์ของเราเองหรือไม่ และโครงการต่างๆ มากมายกำลังอยู่ระหว่างดำเนินการ เช่น การคุ้มครองนักลงทุน การส่งเสริมการเงินที่ยั่งยืน การตรวจจับการละเมิดตลาด และประสิทธิภาพการดำเนินงาน”

AMF ได้นำเครื่องมือ AI ชุดแรกมาใช้ในปี 2019 โดยใช้ระบบตรวจจับการหลอกลวงที่เรียกว่า FISH (Financial Investment Scam Hunter) ในปี 2021 AMF ได้เปิดตัวโปรแกรมข้อมูลขนาดใหญ่ที่เรียกว่า ICData โดยมีเป้าหมายที่จะขยายการใช้ข้อมูลเพื่อให้ AMF ขับเคลื่อนด้วยข้อมูลมากขึ้น

ในด้านการเงินที่ยั่งยืน AMF กำลังใช้ AI เพื่อแยกวัตถุประสงค์ด้านความยั่งยืนในนโยบายการจัดการกองทุน AI ยังเป็นเครื่องมือที่มีค่าที่ AMF กำลังใช้ในการรวมกลุ่มในการตรวจจับการฉ้อโกงตลาดในขณะที่กำลังศึกษาเทคนิคการเรียนรู้ภายใต้การดูแลเพื่อระบุประเภทเฉพาะของการจัดการตลาด ในด้านประสิทธิภาพในการดำเนินงาน AMF กำลังสำรวจการใช้ AI เพื่อสร้างบันทึกการประชุมโดยอัตโนมัติ การสนับสนุนผู้เชี่ยวชาญ และความช่วยเหลือในการดูแลที่เพิ่มขึ้น เพื่อลดงานที่ต้องทำด้วยตนเองโดยไม่เพิ่มมูลค่า “มุมมองของเราคือ LLM จะไม่มาแทนที่เพื่อนร่วมงานหรือผู้เชี่ยวชาญของเรา แต่สามารถขยายขีดความสามารถของพวกเขาได้” ลูคัสกล่าว

Léa Deleris หัวหน้าฝ่ายวิจัยปัญญาประดิษฐ์ด้านความเสี่ยงของ BNP Paribas อธิบายว่า “ทีมงานของฉันพัฒนาเคสการใช้งานปัญญาประดิษฐ์เพื่อช่วยให้การจัดการความเสี่ยงมีประสิทธิภาพและประสิทธิผลมากขึ้น นอกจากนี้ เรายังทำงานเกี่ยวกับกลยุทธ์ของฟังก์ชันและมีส่วนสนับสนุนในระดับกลุ่มต่อชุมชนทั้งหมดที่เกี่ยวข้องกับปัญญาประดิษฐ์ โดยเฉพาะอย่างยิ่งเกี่ยวกับปัญญาประดิษฐ์ที่มีความรับผิดชอบ ซึ่งต้องเป็นไปตามจริยธรรม ปลอดภัย แข็งแกร่ง ปราศจากอคติ คำนึงถึงปริมาณคาร์บอนฟุตพริ้นท์ และสามารถอธิบายได้”

เธอเสริมว่า: “เรามีกรณีการใช้งานมากกว่า 50 กรณีในการผลิตที่กล่าวถึงกรณีการใช้งานด้านความเสี่ยงและการปฏิบัติตามข้อกำหนด โดยหลักๆ แล้วคือเรื่องการระบุและการตรวจจับ”

Deleris มองเห็นผลกระทบส่วนใหญ่ของ GenAI ต่อเอกสารและการควบคุม สถาบันระดับโลกขนาดใหญ่ เช่น BNP Paribas มีการควบคุมในพื้นที่และเขตอำนาจศาลที่หลากหลายมาก “ในระดับของ BNP Paribas Group เราต้องการให้แน่ใจว่าเราตอบสนองความต้องการเฉพาะในพื้นที่ในขณะที่มั่นใจว่าเรารักษาความสอดคล้องกันทั่วโลก การมีเครื่องมือที่สามารถอ่าน สรุป และค้นหาความท้าทายจะช่วยให้เราทำงานได้อย่างมีประสิทธิภาพมากยิ่งขึ้น” เธอกล่าว

หัวหน้าฝ่ายวิจัยความเสี่ยงด้านปัญญาประดิษฐ์ BNP Paribas

พื้นที่อื่นๆ ที่ AI สามารถให้ประสิทธิภาพอย่างมีนัยสำคัญได้ ได้แก่ การสร้างแบบจำลอง การทดสอบความเครียด การเร่งความเร็วในการจัดทำเอกสาร และการจัดแนวทางให้สอดคล้องกับขั้นตอนและระเบียบข้อบังคับ

AI ที่มีความรับผิดชอบ

Hugues Even หัวหน้าเจ้าหน้าที่ข้อมูลของ BNP Paribas ซึ่งเป็นผู้ดำเนินการอภิปราย กล่าวว่า "นอกเหนือจากประโยชน์และความท้าทายในการนำ AI มาใช้ หัวข้อสำคัญสำหรับเราทุกคนคือวิธีดำเนินการอย่างรับผิดชอบ"

นี่คือจุดประสงค์ของพระราชบัญญัติ AI ของสหภาพยุโรป ซึ่ง “มุ่งหวังที่จะสร้างกรอบทางกฎหมายที่เป็นหนึ่งเดียวสำหรับระบบ AI และแอปพลิเคชันต่างๆ ทั่วสหภาพยุโรป (EU)” Deleris อธิบายและเสริมว่า “เจตนารมณ์ของพระราชบัญญัติ AI คือการทำให้แน่ใจว่าระบบ AI ได้รับการพัฒนาและใช้งานในลักษณะที่ปลอดภัย มีจริยธรรม และเชื่อถือได้”

พระราชบัญญัติ AI แบ่งประเภทระบบ AI ตามระดับความเสี่ยง และกำหนดภาระผูกพันและข้อกำหนดเฉพาะสำหรับแต่ละประเภท ระบบ AI ที่มีความเสี่ยงสูงจะต้องปฏิบัติตามภาระผูกพันอย่างเคร่งครัด รวมถึงการประเมินความสอดคล้อง การกำกับดูแลข้อมูล และข้อกำหนดด้านความโปร่งใส

Deleris เตือนว่าพระราชบัญญัติ AI มุ่งเน้นเฉพาะการปกป้องความเสี่ยงประเภทหนึ่งที่ส่งผลกระทบต่อสิทธิพื้นฐานของพลเมืองเท่านั้น สถาบันต่างๆ เผชิญกับความเสี่ยงเพิ่มเติม เช่น ความเสี่ยงทางไซเบอร์ รวมถึงความเสี่ยงด้านปฏิบัติการหรือชื่อเสียงจากการใช้ AI อย่างไม่เหมาะสม “การจัดการความเสี่ยงของแบบจำลองไม่ใช่เรื่องใหม่สำหรับสถาบันการเงิน และเป็นเรื่องของการรับรองว่าแบบจำลอง (AI หรือไม่ก็ตาม) เหมาะสมกับวัตถุประสงค์และใช้งานในวัตถุประสงค์ที่ถูกต้อง ดังนั้น เราจึงมีกรอบการทำงานอยู่แล้ว และส่วนใหญ่จำเป็นต้องปลูกฝังวัฒนธรรมในการจัดการความเสี่ยงเหล่านี้” เธอกล่าวเสริม

“แม้ว่าปัจจุบัน AMF จะไม่ได้กำกับดูแลโมเดล AI ที่พัฒนาโดยผู้เข้าร่วมตลาดภายใต้พระราชบัญญัติ AI แต่ในอนาคตโมเดลดังกล่าวอาจมีการเปลี่ยนแปลงไปตามกฎระเบียบที่มีการเปลี่ยนแปลง ในระหว่างนี้ เรากำลังมีส่วนร่วมกับผู้เล่นในตลาดอย่างแข็งขันเพื่อทำความเข้าใจว่า AI ถูกนำมาใช้อย่างไร และส่งผลกระทบต่อกระบวนการปฏิบัติตามข้อกำหนดหรือการจัดการความเสี่ยงหรือไม่” ลูคัสกล่าว เธอเสริมว่า “ความท้าทายสำคัญยังคงอยู่ที่การรักษาสมดุลระหว่างการใช้ประโยชน์จากโอกาสที่ AI เสนอให้และการจัดการความเสี่ยง ซึ่งถือเป็นหัวใจสำคัญของความทะเยอทะยานของ AMF นั่นคือการสนับสนุนนวัตกรรมในขณะที่รับรองการทำงานที่เหมาะสมของตลาด”

Grinbaum จาก CEA-Saclay เห็นด้วยว่า “พระราชบัญญัติ AI ไม่ใช่แค่ขั้นตอนราชการที่มากขึ้นหรือใบรับรองที่บังคับใช้มากขึ้นเท่านั้น แต่ยังมีบทบัญญัติที่น่าสนใจมากมาย - แม้กระทั่งหลักการจริยธรรมใหม่ - และข้อเรียกร้องที่สำคัญสำหรับการวิจัยเพิ่มเติม”

“เทคโนโลยี Generative AI ที่พัฒนาอย่างรวดเร็วเปิดโอกาสให้กับผู้ที่นำมาใช้ในช่วงแรกๆ ในตลาดของตน และยังมีศักยภาพและกรณีการใช้งานที่นำไปใช้แล้วในด้านต่างๆ เช่น การสร้างแบบจำลอง การตรวจจับ การสืบสวน และการรายงาน นอกจากนี้ยังต้องมีการควบคุมและการพิจารณาจริยธรรม รวมถึงศักยภาพในการกำกับดูแล รวมถึงพระราชบัญญัติ AI อันเป็นประวัติศาสตร์ของสหภาพยุโรป” Even กล่าวสรุป

ที่มา: ธนาคารออฟอเมริกา

หากต้องการติดตามข่าวสารล่าสุดเกี่ยวกับเหตุการณ์ทางเศรษฐกิจทั้งหมดของวันนี้ โปรดไปที่ ปฏิทินเศรษฐกิจ

คำเตือนความเสี่ยงและข้อจำกัดความรับผิดชอบในการลงทุน

ตลาดมีความเสี่ยง การลงทุนจำเป็นต้องระมัดระวัง เนื้อหาของบทความนี้มีไว้สำหรับอ้างอิงเท่านั้น และไม่ได้ถือเป็นคำแนะนำในการลงทุนส่วนบุคคล และไม่ได้คำนึงถึงเป้าหมายการลงทุนพิเศษ สถานะทางการเงินหรืออื่นๆของบุคคล ลงทุนตามนั้น ต้องรับผิดชอบความเสี่ยงของคุณเอง