モルガン・スタンレーなどの機関がChatGPTを導入しているが、ジェネレーティブAIの金融分野への応用とは？
金融分野におけるジェネレーティブ AI のアプリケーションは何ですか? 利点は何ですか？どのような課題に直面していますか? 理解
いくつかのビジネス シナリオと実際のケースから、金融分野におけるジェネレーティブ AI のアプリケーションをご覧ください。
ChatGPTはプライバシー機能を開始し、欧州連合は新しい規制の策定を加速し、ジェネレーティブAIは金融分野で明るい未来を持っています
金融セクターにおけるジェネレーティブ AI の適用に対する態度は、現在 2 つの派閥に分かれています。
Bank of America、Citigroup、Goldman Sachs などの大手銀行は、データ侵害やその他の問題のため、2 月下旬に従業員の ChatGPT の使用を直ちに制限しました。
ただし、他の金融会社は、ジェネレーティブ AI を積極的に調査し、適用しようとしています。
たとえば、モルガン・スタンレーは、OpenAI を利用したチャットボットを使用して、会社の内部調査とデータ リポジトリを活用する知識リソースとしてファイナンシャル アドバイザーを支援しています。
ヘッジファンドの Citadel は、ソフトウェア開発と情報分析に使用されるエンタープライズレベルの ChatGPT ライセンスについて交渉中です。
経費管理プラットフォームの Brex も OpenAI と連携して、クライアント向けのチャットベースの支出インサイトとベンチマークを展開しています。ブルームバーグは、センチメント分析、ニュース分類、およびその他の金融タスクのための大規模な金融固有の言語モデルであるブルームバーグ GPT を開発しています。
中国では、早ければ2月に招商銀行が銀行の家族向けクレジットカードの宣伝草案を発表し、その公式マイクロブログでChatGPTが参加しました. 江蘇銀行はChatGPTとCodexテクノロジーを共同で適用して、銀行の情報システムの運用を分析しました. . 関連する提案を行います。
ChatGPT はデータ漏えいを経験していますが、Samsung も ChatGPT の使用による商用データ漏えいの典型例となっています。しかし、金融業界は依然として、ジェネレーティブ AI テクノロジーの姿勢と応用について慎重かつ楽観的です。
また、ほとんどの企業では、プライベートな展開、セキュリティ保護、合成データ、および安定した自動化を通じて、いくつかの要素を制御できます.
特に ChatGPT が数日前に新しいプライバシー機能を開始した後、チャット履歴がオフになっている限り、ユーザーのデータは OpenAI の人工知能 (AI) モデルのトレーニングと改善に使用されません。この機能により、ChatGPTを利用している組織の情報漏えいを効果的に抑制しています。
最近考えておく価値のある情報がもう 1 つあります。それは、Nvidia が NeMo Guardrails などの「ガードレール」ソフトウェアをリリースして、生成 AI の無作為な出力やナンセンスを防止することです。これは、顧客により良いサービスを提供し、市場シェアを拡大するために、より多くの企業がジェネレーティブ AI を制限および最適化するソフトウェア アプリケーションを立ち上げることを意味する可能性があります。
欧州連合は、ジェネレーティブ AI に関する新しいルールの策定を加速しており、ジェネレーティブ AI に対する規制を強化する「AI 生産」ラベルの設定を計画しています。
中国はまた、「生成型人工知能サービス管理措置（コメントのためのドラフト）」を起草し、一般からの意見を公に求めました。「措置」は、国が人工知能のアルゴリズムやフレームワークなどの基盤技術の自主的なイノベーション、促進と応用、国際協力を支援することを明確にしています。したがって、管理策を策定することは、将来の技術をより良く発展させるためのものであり、技術を制限するものではありません。
さまざまな組織のイニシアチブにより、ジェネレーティブ AI は抑制された前向きな軌道に乗っており、これは金融分野におけるジェネレーティブ AI の大きな発展に非常に役立つでしょう。
金融分野におけるジェネレーティブ AI の開発動向についてはこれまで述べてきましたが、金融分野におけるジェネレーティブ AI のアプリケーションは何ですか? 利点は何ですか？どのような課題に直面していますか?
この記事では、Wang Jiwei Channel がこれらについて説明します。
ジェネレーティブ AI の金融への応用
Generative AI は人工知能技術の一種で、ディープラーニングなどの手法を用いて大量のデータからルールを学習し、与えられた条件や目的に応じて、テキスト、画像、音声などの要件を満たす技術を自動的に生成します。コンテンツ。
ジェネレーティブ AI は、新しいコンテンツを作成する能力において、他の AI 技術と比較して独特です。たとえば、Generative Pretrained Transformer (GPT) は、深層学習を使用して人間のようなテキストを生成する大規模な自然言語技術です。
OpenAI の第 3 世代 GPT (GPT-3) は、それが吸収したトレーニングに基づいて、文の中で最も可能性の高い次の単語を予測することができ、物語、歌、詩、さらにはコンピューター コードを書くことができました。
これらの利点を考慮して、ジェネレーティブ AI は金融分野のさまざまなビジネス シナリオに適用できます。
ロボアドバイザー:リスクの好み、収入目標、資産状況に基づいて、パーソナライズされた投資アドバイスとポートフォリオの最適化を顧客に提供します。ジェネレーティブ AI は、ビッグ データ分析、ディープ ラーニング、強化学習などのテクノロジを使用して、市場のダイナミクスをリアルタイムで監視し、投資戦略を調整し、リターンを増やし、リスクを軽減することができます。
インテリジェントな投資調査:ジェネレーティブ AI テクノロジは、膨大な財務データ、ニュース、ソーシャル メディア、およびその他の情報を分析することにより、株式、ファンド、債券などの金融商品の評価と予測、および投資戦略と提案を投資家に提供できます。
たとえば、モルガン スタンレーの AI モデルは、ニュース レポート、ソーシャル メディアの投稿、財務諸表などを分析して、パターンを特定し、株価を予測することができます。ChatGPT などの AI ツールは、ニュースの見出しが企業の株価に与える影響を分析したり、中央銀行の政策声明が金融市場に及ぼす潜在的な影響を解読したりできます。
インテリジェントなリスク管理:顧客の信用履歴、行動特性、社会的関係などのデータを分析することで、金融機関に正確なリスク評価と不正検出を提供します。ジェネレーティブ AI は、グラフ ニューラル ネットワーク、敵対的生成ネットワーク、異常検出などのテクノロジを使用して、潜在的なリスク要因をマイニングし、異常な動作を特定し、経済的損失を防ぐことができます。
Insurtech: Generative AI は、顧客のニーズ、好み、シナリオに基づいて、カスタマイズされた保険商品とサービスを顧客に提供できます。Generative AI は、条件付き生成ネットワーク、テキスト生成、画像生成などのテクノロジを使用して、さまざまな保険シナリオをシミュレートし、適切な保険プランを生成し、顧客体験と満足度を向上させることができます。
金融分野でのジェネレーティブ AI のアプリケーション シナリオは、これらをはるかに超えています。たとえば、Wenxinyiyan のエコロジカル パートナーの最初のバッチである Industrial Bank は、スマート アウトレット、スマート サービス、スマート リスク管理、スマート オペレーション、スマート マーケティング、スマート投資研究などの金融シナリオで、人工知能の大規模モデル テクノロジの適用を実行しました。 、スマート ウェルス マネジメント、スマート カスタマー サービス。
人工知能技術の継続的な開発と革新により、ジェネレーティブ AI は金融分野でより大きな役割を果たし、金融業界により多くの価値と機会をもたらすでしょう。
ジェネレーティブ AI の金融分野への適用事例
ジェネレーティブ AI の金融分野でのこれまでの適用シナリオを通じて、金融における幅広い適用価値があることがわかります。金融サービスの効率とエクスペリエンスの向上、金融リスクとコストの削減、新しい金融商品とモデルの作成におけるジェネレーティブ AI の役割。
皆様の理解を容易にするために、より具体的な適用事例をいくつかご紹介します。
ケース 1: インテリジェント カスタマー サービスへの適用
インテリジェントな顧客サービスとは、ジェネレーティブ AI テクノロジを使用して、金融ユーザーに音声またはテキストによる 24 時間のオンライン相談、処理、および問題解決サービスを提供することを指します。
インテリジェントなカスタマー サービスは、ChatGPT などの大規模なモデル テクノロジに基づいており、インタラクティブなトレーニングのために金融業界の専門知識とデータを組み合わせて、複数回の複雑な対話、自然言語の理解、および生成を実現できます。感情の認識と適応。スマート カスタマー サービスは、クレジット商品、ウェルス マネジメント商品、保険商品などの複数のビジネス リンクに適用でき、ユーザーの満足度とコンバージョン率を大幅に向上させ、人件費とリスクを削減します。
たとえば、ヨーロッパの主要なモバイル バンクである N26 は、生成 AI テクノロジに基づく Rasa 音声アシスタントをクラウド環境に展開しました。これは、モバイルおよび Web アプリケーションで 5 つの異なる言語で実行でき、紛失を処理できます。または盗まれたクレジット カード レポートなどの複雑なタスク。機械学習モデルを調整することで、N26 は独自のデータ セットで最高のパフォーマンスを実現し、言語アシスタントに対する顧客サービス リクエストの 20% ～ 30% を短期間で達成しました。
ケース 2: インテリジェント リスク コントロールへの適用
インテリジェントなリスク管理とは、社会全体の金融リスクを軽減するために、大量のデータの分析とモデル化を通じて金融機関に効果的なリスク警告と予測を提供するために、ジェネレーティブ AI テクノロジーを使用することを指します。インテリジェントなリスク管理は、LLM などの大規模な言語モデル テクノロジに基づいて、インターネット テキスト データ、行動データ、および信用報告データと組み合わせて、より多くの次元でリスク指標を識別し、中小企業の信用をより適切に評価することができます。小規模事業主のリスク。
インテリジェントなリスク管理は、与信承認、ローン後の管理、不正防止、マネーロンダリング防止などの複数のリンクに適用でき、リスク管理の効率と精度を大幅に向上させ、不良率と損失を削減できます。 .
ケース 3: インテリジェント インタラクションへの適用
インテリジェントなインタラクションとは、ジェネレーティブ AI テクノロジを使用して、金融ユーザーにより豊かで便利なインタラクティブなエクスペリエンスをマルチモーダルな方法で提供することです。
インテリジェントインタラクションは、AutoGPT などのマルチモーダルモデル技術に基づいており、画像、音声、ビデオ、およびその他のメディア情報と組み合わせて理解および生成し、クロスメディア情報の変換と提示を実現できます。インテリジェントなインタラクションは、金融マーケティング、金融教育、金融エンターテイメントなどの複数のシナリオに適用でき、ユーザーの参加と忠誠心を大幅に高め、ユーザーの定着率と収入を高めることができます。
インテリジェントな相互作用は、顧客に適用されるだけでなく、内部の金融開発ビジネスにも適用されます。
たとえば、江蘇銀行の技術チームは ChatGPT の適用において有益な調査を行い、技術担当者は ChatGPT と Codex 技術を共同で適用して銀行内の情報システムの運用を分析し、自動的に分析して関連する提案を得ました。
コードは本番環境で実行され、すべての要件を完全に完了するのに 1 時間もかかりません。関数を記述する時間が大幅に短縮され、メーカーとのコミュニケーションに費やされる時間が数日から数時間に短縮されました。
金融分野におけるジェネレーティブ AI の利点と課題
研究者や関連機関による調査とテストの後、金融分野では、ニュースが株価に与える影響の分析、政策声明の解釈、投資判断の支援など、ChatGPT などのジェネレーティブ AI ツールが広く使用されています。
一般的に、金融分野におけるジェネレーティブ AI の利点は次のとおりです。
効率と品質を向上させます。大量のデータから貴重な情報を迅速に抽出し、高品質のレポート、提案、戦略などを生成し、人員と時間のコストを節約し、金融サービスの効率と品質を向上させます。
イノベーションと競争力を強化します。大量のデータを使用して、潜在的な市場機会、リスク、トレンドを掘り起こし、金融機関に新しいアイデアと戦略を提供し、イノベーション能力と競争力を強化します。
リスクとコストを削減します。データ分析とシミュレーションを使用して、市場の変化とリスク要因を予測し、合理的なリスク管理と対応計画を作成し、金融ビジネスのリスクとコストを削減します。
ユーザー エクスペリエンスと満足度を向上させます。ユーザーの行動とフィードバックに応じて、生成されたコンテンツをリアルタイムで調整および最適化し、ユーザーのニーズと好みにより合致した金融サービスを提供し、ユーザーの経験と満足度を高めます。
イノベーションと競争力を強化します。さまざまなニーズとシナリオに従って、多様化したパーソナライズされたコンテンツを生成して、顧客の多様化したニーズを満たし、金融商品とサービスの革新性と競争力を高めます。
AI ツールの大きな可能性にもかかわらず、いくつかの課題もあります。
AI ツールは、予期しない出来事、市況の変化、人間の介入など、すべての要因を考慮に入れることはできません。さらに、これらのツールが意思決定を行う方法について、透明性を高める必要があります。これらの AI ツールを使用する場合は、それらが提供する推奨事項に偏りや偏りがある可能性があることも考慮する必要があります。
金融分野でのジェネレーティブ AI テクノロジーの適用は、次のように要約できるいくつかの課題に直面しています。
1. データのセキュリティとプライバシーの保護。ジェネレーティブ AI テクノロジは、入力と出力として大量のデータを必要とします。これには、財務データのセキュリティと顧客のプライバシーの保護が含まれます。データの漏えい、改ざん、悪用などをいかに防ぐかが喫緊の課題です。
2. 技術的な信頼性と説明可能性。ジェネレーティブ AI テクノロジーは複雑なアルゴリズムとモデルに依存しており、生成されたコンテンツにはエラー、偏差、矛盾などの問題があり、その信頼性と信頼性に影響を与える可能性があります。同時に、その生成プロセスには透明性と説明可能性が欠けていることが多く、ユーザーがその原則と根拠を理解することが難しくなり、受容性と監視可能性に影響を与えます。
3. 法令および倫理。金融分野でのジェネレーティブ AI 技術の適用には、著作権の帰属、責任の帰属、情報の真正性、公平性と正義など、いくつかの法的および倫理的な問題が伴います。すべての関係者の利益と権利を保護するための合理的な規範と基準をどのように策定するかは、詳細な議論が必要な問題です。
ジェネレーティブ AI テクノロジをより適切に促進および適用するために、メーカーとユーザーの両方がより優れたソリューションを求めています。たとえば、OpenAI は ChatGPT の新しいプライバシー機能を開始しました。これにより、ユーザーはチャット履歴をオフにして、会話をよりプライベートにすることができます。チャット履歴を無効にすると、ユーザーのデータは OpenAI の人工知能 (AI) モデルのトレーニングと改善に使用されなくなります。
将来的には、より多くのメーカーがデータ セキュリティ、技術的信頼性、法律や規制などの対応するソリューションを立ち上げ、さまざまな社会組織の監督や監督と相まって、ジェネレーティブ AI は組織のデジタル トランスフォーメーションとアップグレードを支援する強力なツールになるでしょう。
追記：ジェネレーティブAI技術の導入と有効活用
ジェネレーティブ AI には非常に多くの利点がありますが、金融会社はこのテクノロジーをどのように導入すればよいのでしょうか? これには、企業の特定のニーズと目標に基づいて適切なソリューションを開発することも必要です。
一般的に言えば、ジェネレーティブ AI テクノロジーを導入する際には、次の側面を考慮する必要があります。
まずはデータの準備。データはジェネレーティブ AI テクノロジーの基盤であり、企業はジェネレーティブ AI モデルのトレーニングとテストのために、高品質で代表的なデータを十分に収集して整理する必要があります。データのソースは、企業自体のビジネス データ、または公開チャネルまたはサード パーティ チャネルから取得したデータです。データの形式とタイプも、テキスト、画像、オーディオ、ビデオなどのさまざまな生成タスクに従って選択および変換する必要があります。
第二に、モデルの選択。モデルはジェネレーティブ AI テクノロジーの中核であり、企業は、独自の生成タスクとデータ特性に応じて、適切なモデル アーキテクチャとパラメーターを選択する必要があります。モデルの選択は、既存の調査結果やオープン ソース コードを参照することも、自分でモデルを開発またはカスタマイズすることもできます。モデルの選択では、モデルのパフォーマンス、効率、安定性、解釈可能性、およびその他の要因を考慮する必要があります。
3 つ目は、モデルのトレーニングです。モデルのトレーニングは、ジェネレーティブ AI テクノロジの重要なステップです.企業は、既存のデータを使用してモデルをトレーニングおよび最適化し、データの法則と特性を学習し、入力条件に従って要件を満たす新しいコンテンツを生成できるようにする必要があります. モデルのトレーニングには多くのコンピューティング リソースと時間が必要ですが、企業はモデルのトレーニングにクラウド コンピューティング プラットフォームまたは専門の AI サービス プロバイダーを使用できます。
4 つ目は、モデルの展開です。モデルの展開は、ジェネレーティブ AI テクノロジの適用段階です.企業は、トレーニングされたモデルを運用環境に展開し、他のシステムまたはプラットフォームと接続して統合し、ユーザーまたは顧客にジェネレーティブ AI サービスを提供する必要があります. モデルの展開では、モデルの互換性、スケーラビリティ、セキュリティなどの要素を考慮する必要があります. 企業は、コンテナー化やマイクロサービスなどのテクノロジを使用して、モデルの展開を実装できます.
最後に、モデルの評価。モデル評価は、生成 AI 技術の継続的な改善プロセスであり、企業はモデルの生成効果を定期的に評価および監視し、ユーザーまたは顧客からのフィードバックと提案を収集し、モデルの長所と短所を分析し、モデルを更新または更新する必要があります。実際の状況に応じて調整。モデルの評価には、手動評価、自動評価、比較実験などの合理的な評価指標と方法を使用する必要があります。
ジェネレーティブ AI の技術的特徴、長所と短所を理解した後、次に検討する必要があるのは、ジェネレーティブ AI を効果的に適用する方法です。以下の点は、金融を含むすべての業界に当てはまります。
目標とニーズを明確にします。アプリケーション シナリオが異なれば、目標と要件も異なります。最適な結果を得るには、適切な生成 AI モデルとパラメーターを選択する必要があります。
高品質のデータを選択します。データはジェネレーティブ AI テクノロジーの基盤であり、生成されたコンテンツの品質と信頼性を向上させるには、高品質、高関連性、高多様性のデータを選択する必要があります。
結果を評価して最適化します。ジェネレーティブ AI テクノロジは完全ではなく、誤ったコンテンツや不合理なコンテンツを生成する可能性があります.生成された結果を評価して最適化し、生成されたコンテンツの精度と適用性を向上させる必要があります.
倫理的および法的規範を遵守します。ジェネレーティブ AI テクノロジーには、著作権、プライバシー、セキュリティなどのデリケートな問題が含まれる可能性があり、ジェネレーティブ AI テクノロジーの悪用や誤用を防ぐために、倫理的および法的規範に従う必要があります。