在金融科技领域,目前没有绝对意义上的“最好”AI 模型。然而,生成式 AI 在金融服务行业的应用正带来重大变革。
对于客户服务代表,经过过去 10 年银行部门客户服务通话训练的大语言模型,能帮助新代表快速生成正确答案,减少培训时间。
对于贷款员,在多个系统数据上训练的生成式 AI 模型,能让贷款员更高效准确地生成贷款文件。
对于质量保证,生成式 AI 可加速确保符合监管要求的过程。
金融服务公司利用大量历史金融数据微调大型语言模型,能迅速回答各类金融问题。比如,用公司客户聊天记录和产品规格数据训练的模型能回答产品问题,用可疑活动报告训练的模型能识别洗钱计划交易。
金融服务行业准备利用生成式人工智能实现五个目标:个性化的消费者体验、成本效益高的运营、更好的合规性、改进的风险管理以及动态的预测和报告。
在现有企业与初创公司的竞争中,现有企业因拥有专有金融数据访问权限在使用 AI 时有初始优势,但受准确性和隐私高标准限制;新进入者最初用公开金融数据训练模型,随后会生成自己的数据并将 AI 作为产品分销突破口。
[title]金融服务业将比你想象得更快地接纳生成式AI[heading2]具有成本效益的运营客户服务代表:在每家银行,成千上万的客户服务代表都必须对银行的产品和相关的合规要求进行痛苦的培训,以便回答客户的问题。现在想象一下,一个新的客户服务代表开始工作,他们可以使用已经经过过去10年所有银行部门客户服务通话训练的大语言模型。代表可以使用该模型快速生成任何问题的正确答案,并帮助他们更聪明地谈论更广泛的产品,同时减少培训他们所需的时间。现有公司会希望确保他们的专有数据和客户特定的个人身份信息没有被用于改进其他公司可能使用的通用大语言模型。新进入者将必须在如何启动数据集方面具有创意。贷款员:贷款员目前从近十个不同的系统中提取数据来生成贷款文件。一个生成式AI模型可以在这些系统的所有数据上进行训练,这样贷款员只需提供客户名称,贷款文件就会立即为他们生成。贷款员可能仍然需要确保100%的准确性,但他们的数据收集过程将更加高效和准确。质量保证:银行和金融科技公司的大部分质量保证工作都涉及确保完全符合众多监管机构的要求。生成式AI可以大大加速这个过程。例如,[Vesta](https://www.usevesta.com/)可以整合一个经过Fannie Mae销售指南训练的生成式AI模型,以便立即提醒抵押贷款员合规问题。由于许多监管指南都是公开的,这可能为新的市场参与者提供了一个有趣的入口。然而,真正的价值仍然将归属于拥有工作流引擎的公司。这些都是迈向一个世界的步骤,在这个世界里,Sally可以即时获得可能的抵押贷款。-- Angela Strange,Alex Rampell,和Marc Andrusko
[title]金融服务业将比你想象得更快地接纳生成式AI原文地址:https://a16z.com/2023/04/19/financial-services-will-embrace-generative-ai-faster-than-you-think/原文作者:Angela Strange,Anish Acharya,Sumeet Singh,Alex Rampell,Marc Andrusko,Joe Schmidt,David Haber,Seema Amble发表时间:2023年4月19日译者:通往AGI之路,若有瑕疵之处,请在段落评论中斧正,谨此致谢人工智能和机器学习在金融服务行业的应用已经有十多年的历史,它们已经促成了从更好的信贷评估到更精确的基础欺诈评分等一系列的改进。大型语言模型(LLMs)通过生成式人工智能,代表着一次重大的飞跃,正在改变[教育](https://a16z.com/2023/02/08/the-future-of-learning-education-knowledge-in-the-age-of-ai/)、[游戏](https://a16z.com/2022/11/17/the-generative-ai-revolution-in-games/)、[商业](https://a16z.com/2023/02/07/everyday-ai-consumer/)等多个领域。与传统的AI/ML主要侧重于基于现有数据进行预测或分类不同,生成式人工智能可以创造全新的内容。这种能力,结合了对大量非结构化数据的训练和实际上无限的计算能力,可能将带来金融服务市场数十年来最大的变革。与其他平台转变——如互联网、移动设备、云计算——不同,在这些转变中金融服务行业的采用速度较慢,在这里,我们预计最优秀的新公司和现有企业将立即开始接纳生成式人工智能。
[title]金融服务业将比你想象得更快地接纳生成式AI金融服务公司拥有大量的历史金融数据;如果他们使用这些数据来微调大型语言模型(或者像[BloombergGPT](https://www.cnbc.com/2023/04/13/bloomberg-plans-to-integrate-gpt-style-ai-into-its-terminal.html)那样从零开始训练模型),他们将能够迅速地回答几乎任何金融问题。例如,一个经过公司客户聊天记录和一些额外产品规格数据训练的LLM,应该能够立即回答有关公司产品的所有问题,而一个经过公司十年可疑活动报告(SARs)训练的LLM,应该能够识别出一组表明存在洗钱计划的交易。我们相信金融服务行业已经准备好使用生成式人工智能来实现五个目标:个性化的消费者体验、成本效益高的运营、更好的合规性、改进的风险管理、以及动态的预测和报告。在[现有企业与初创公司之间的竞争](https://a16z.com/2015/11/05/distribution-v-innovation/)中,由于拥有对专有金融数据的访问权限,现有企业在使用AI推出新产品和改进运营时将拥有初始优势,但他们最终将受到对准确性和隐私的高标准的限制。另一方面,新进入者最初可能需要使用公开的金融数据来训练他们的模型,但他们将迅速开始生成自己的数据,并逐渐使用AI作为新产品分销的突破口。让我们深入了解这五个目标,看看现有企业和初创公司如何利用生成式AI。