金融业在哪些方面是不能被AI所代替的

除了能够帮助回答财务问题外，LLMs还可以帮助金融服务团队改进自己的内部流程，简化财务团队的日常工作流程。尽管金融的几乎每个其他方面都取得了进展，但现代财务团队的日常工作流程仍然依赖于像Excel、电子邮件和需要人工输入的商业智能工具这样的手动流程。由于缺乏数据科学资源，基本任务尚未被自动化，CFO及其直接报告人因此在繁琐的记录和报告任务上花费太多时间，而他们应该专注于[金字塔顶端](https://a16z.com/2020/04/15/new-cfo-tools/)的战略决策。总体而言，生成式AI可以帮助这些团队从更多的数据源中获取数据，并自动化突出趋势、生成预测和报告的过程。以下是一些例子：预测：生成式AI可以帮助编写Excel、SQL和BI工具中的公式和查询，从而实现分析的自动化。此外，这些工具可以帮助发现模式，并从更广泛、更复杂的数据集中为预测建议输入（例如，考虑宏观经济因素），并建议如何更容易地适应这些模型，以便为公司决策提供依据。报告：生成式AI可以帮助自动创建文本、图表、图形等内容，并根据不同的示例调整此类报告，而无需手动将数据和分析整合到外部和内部报告中（例如，董事会材料、投资者报告、周报表）。会计和税务：会计和税务团队需要花时间咨询规则并了解如何应用它们。生成式AI可以帮助综合、总结，并就税法和潜在的扣除项提出可能的答案。采购和应付账款：生成式AI可以帮助自动生成和调整合同、采购订单和发票以及提醒。

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。

在一个[充斥着](https://www.imdb.com/title/tt2294677/)生成式AI工具的银行世界里，Sally应该持续得到信贷审批，以便在她决定购房时，她已经获得了预先批准的抵押贷款。不幸的是，这样的世界尚未存在，主要有三个原因：首先，消费者信息存在于多个不同的数据库中。这使得交叉销售和预测消费者需求变得极具挑战性。其次，金融服务被认为是情感购买，通常具有复杂且难以自动化的决策树。这意味着银行必须聘请大型客户服务团队，根据客户的个人情况回答客户关于哪种金融产品最适合他们的许多问题。第三，金融服务是高度受监管的。这意味着像贷款员和处理员这样的人类员工必须参与每一个可用的产品（例如，抵押贷款）的流程，以确保符合复杂但非结构化的法律。生成式AI将使从多个位置获取数据、理解非结构化的个性化情境和非结构化的合规法律的劳动密集型功能效率提高1000倍。例如：