Fuente: Instituto de Investigación de Tecnología de Bingjian
Cada vez se cita más una lista reciente sobre IA y banca. La lista clasifica a los 23 bancos más grandes de Europa y Estados Unidos, y los activos totales de al menos US $ 1 billón son elegibles para la selección.
Esta lista se llama "Índice de AI bancario (Índice de AI evidente)", publicado por la empresa de consultoría Evident Insights, está disponible públicamente y es la primera vez que se clasifica la lista de madurez de AI de los bancos (madurez de AI).
Lista de los 10 principales índices bancarios de IA:
Fuente: Evident Insights, compilado por Bingjian Technology Research Institute
Para hacer esta lista, Evident Insights recopiló millones de puntos de datos, basados en informes financieros bancarios y datos públicos de una serie de fuentes de datos de terceros, con la participación de más de 50 expertos líderes en inteligencia artificial y banca, para establecer este lista.
Cada banco se evalúa en 142 indicadores individuales en cuatro dimensiones: talento, innovación, liderazgo y transparencia. El talento acapara el mayor peso, alcanzando el 40%.
Según Evident Insights, la cantidad y calidad de los talentos de IA afectarán en gran medida la competitividad futura de estos bancos principales. JPMorgan Chase, que ocupa el primer lugar, tiene la mayor cantidad de empleados de inteligencia artificial en la industria bancaria, lo que representa más del 10% del número total de empleados y aún está acelerando el reclutamiento. Entre febrero y abril de 2023, JPMorgan Chase publicó al menos el 20 % de los anuncios de trabajo para puestos de inteligencia artificial y núcleo de datos de todos los bancos de la lista.
Después de buscar y analizar la información en sitios web de reclutamiento como LinkedIn, Evident Insights también encontró un fenómeno interesante: en un momento en que la inteligencia artificial generativa está tan de moda, estos 23 bancos *solo tienen menos del 2% de las descripciones de trabajo relacionadas con la IA * Se mencionan explícitamente las habilidades para la IA generativa, como los modelos de lenguaje extenso (LLM) o ChatGPT.
Después de analizar los informes relacionados con Evident y los bancos enumerados, el Instituto de Investigación de Tecnología de Bingjian también descubrió que aunque GPT se ha convertido en una ciencia muy conocida, estos grandes bancos internacionales no creen que pueda curar todas las enfermedades. Debido a la inversión temprana en tecnología de inteligencia artificial y la implementación profunda, muchos bancos** ya han establecido sistemas de gestión de patrimonio de aprendizaje profundo que son bastante maduros y no se han apresurado a ponerse al día con los puntos de acceso GPT. **
Por el contrario, los indicadores de "transparencia" mencionados en la lista son valorados por muchos grandes bancos.
Morgan Stanley: Utilice GPT-4 para la gestión del conocimiento
Morgan Stanley, que apenas se ubicó entre los 10 primeros en la lista del índice de inteligencia artificial bancaria, es el de más alto perfil en términos de aplicaciones GPT, y su subelemento "innovación" ocupa el cuarto lugar. Aun así, la aplicación de GPT de Morgan Stanley aún se encuentra en la etapa experimental y no ha ingresado al entorno de producción, y el campo experimental no es extenso.
Cuando OpenAI lanzó oficialmente GPT-4 en marzo de este año, lanzó la aplicación de gestión de patrimonio de Morgan Stanley como un caso típico.
Específicamente, Morgan Stanley mantiene una biblioteca de cientos de miles de páginas de contenido que cubre estrategias de inversión, investigación y comentarios de mercado y puntos de vista de analistas: tanta información distribuida en muchos sitios internos, gran parte de ella en formato PDF, Requerir un asesor financiero (FA ) navegar a través de una gran cantidad de información para encontrar una respuesta a una pregunta en particular puede ser bastante ineficiente.
A partir del año pasado, la empresa y OpenAI comenzaron a trabajar juntos para explorar cómo utilizar las capacidades de incrustación y recuperación de GPT para maximizar su "capital intelectual": más de 100 000 documentos.
GPT-4 brindará soporte para el chatbot interno de la empresa** (tenga en cuenta que no es externo)**, que puede realizar una búsqueda e integración exhaustivas del contenido de gestión patrimonial y luego brindar a los asesores financieros las respuestas que desean.
Morgan Stanley, que tiene más de 15 000 asesores financieros, podría hacerle estas preguntas a su chatbot interno:
*Consejos de inversión (¿Cuál es nuestra opinión sobre las acciones de Alphabet y si su rendimiento futuro es alcista o bajista?)
*Business as usual (¿Quiénes son los cinco principales competidores de IBM?)
* Pregunta de proceso (¿Cómo pongo una cuenta IRA en un fideicomiso irrevocable?).
Morgan Stanley "perfeccionó" GPT-4 en un problema similar usando 100.000 documentos como corpus de entrenamiento.
Según Forbes, 300 de los FA de Morgan Stanley están ayudando a los modelos con "aprendizaje de refuerzo": cuando reciben una respuesta de un chatbot, pueden votar a favor o en contra, o proporcionar más detalles a pedido.
Uno de los problemas ampliamente criticados de ChatGPT es que a menudo produce contenido de "alucinaciones" sin base fáctica, lo que es fatal para los servicios de gestión de patrimonio. En respuesta, Morgan Stanley está limitando los tipos de avisos/preguntas que los FA pueden ingresar al sistema, restringiendo los temas a preguntas relevantes para el negocio, lo que garantiza que el resultado provenga de sus documentos de conocimiento existentes.
Si la FA encuentra que el contenido es incorrecto durante el uso, también puede consultar el código de razón, citando el artículo subyacente vinculado a la fuente del contenido, que es más completo y creíble que la mayoría de los modelos de lenguaje grandes.
Al final, hay auditores de cumplimiento que verifican el contenido.En el proceso normal de gestión del conocimiento de la empresa, hay personal de cumplimiento que revisa el contenido de la investigación de inversiones, sin mencionar el contenido que las FA quieren proporcionar al mundo exterior.
De hecho, el departamento de gestión patrimonial de Morgan Stanley ha pasado muchos años investigando el sistema "Next Best Action" (NBA), que es una herramienta realista para armar 15 000 FA con aprendizaje automático.
El sistema NBA descubre ideas de inversión personalizadas a través del aprendizaje automático y las distribuye a clientes específicos a través de su sistema CRM. El sistema de la NBA tiene tres funciones de objetivos distintas:
Una es brindar a los clientes asesoramiento sobre inversiones y ayudar en la toma de decisiones, no solo brindar inversión pasiva, sino también brindar opciones de inversión en acciones y bonos individuales de acuerdo con los deseos de los clientes;
El segundo son las alertas por operaciones puntuales, tales como alertas por saldos bajos de efectivo y alertas por cambios significativos en el valor de las carteras de inversión de los clientes, etc.;
El tercero es la planificación de eventos de vida. Por ejemplo, si se confirma que el hijo del cliente está enfermo, el sistema puede recomendar el hospital local que es mejor para tratar la enfermedad y la planificación financiera para el tratamiento, a fin de establecer una relación de valor agregado. Con el cliente.
Jeff McMillan, jefe de datos e innovación de Morgan Stanley, que dirige el negocio relacionado con GPT-4, dijo a Forbes que el enfoque de "empuje" del sistema de la NBA puede ser tan bueno como el enfoque de "atracción" basado en respuestas rápidas de GPT para cooperar.
Según el último informe de julio de AdvisorHub, un sitio web vertical para la industria de asesoría patrimonial, Morgan Stanley espera implementar herramientas de IA generativa para sus más de 15,000 asesores financieros en el tercer trimestre de este año.Desde marzo de este año, solo 900 Los FA han estado en juicio.
En la lista del índice de IA del banco, el subelemento de talento de Morgan Stanley ocupa solo el puesto 11. Morgan Stanley ha acelerado el reclutamiento de talento de IA desde la segunda mitad del año. Su última posición de reclutamiento es reclutar nuevos ejecutivos de gestión de patrimonio para plataformas de inteligencia artificial y aprendizaje automático. Según LinkedIn, el salario básico anual de esta posición es entre 180,000 y 260,000 dólares estadounidenses entre.
Campeón de IA y banco subcampeón: mejore el sistema de aprendizaje automático existente
JPMorgan Chase, que se ubica en la parte superior de la lista, tiene algunos planes declarativos para GPT, pero no reveló demasiados detalles de la aplicación, mientras que Royal Bank of Canada (RBC), que apareció como un caballo oscuro en la segunda posición, nunca mencionó GPT.
Según informes de CNBC, JPMorgan Chase está desarrollando un servicio de software similar a ChatGPT. Los documentos presentados por JPMorgan Chase & Co muestran que el banco solicitó el registro de marca para un producto llamado "IndexGPT" en mayo. IndexGPT utilizará "software de computación en la nube que utiliza inteligencia artificial" para "analizar y seleccionar valores que se adapten a las necesidades de los clientes".
El documento de registro de marca señaló que IndexGPT utiliza tecnología de inteligencia artificial representada por ChatGPT. Lori Beer, directora de tecnología global de JPMorgan Chase, dijo que el banco ha contratado a 1500 científicos de datos e ingenieros de aprendizaje automático y está probando "múltiples casos de uso" de la tecnología GPT. . ".
“Este va a ser el santo grial de cómo las personas gestionan sus activos”, dijo Mary Callahan Erdoes, directora ejecutiva de la división de gestión de activos y patrimonio del banco, sobre AI en la conferencia del Día del Inversor de JPMorgan el 22 de mayo.
“Hemos cargado 30 años de datos patentados en cada empresa que hemos analizado”, dijo Erdoes, describiendo el reciente desarrollo de herramientas de su departamento, “y luego lo hemos combinado con los millones de puntos de datos que obtenemos todos los días Coincidiendo, hemos visto un gran aumento ".
Además, reveló que **JPMorgan Chase tiene su propio negocio interno de gestión de activos, y el modelo similar a GPT se ejecuta en su sistema de gestión de cartera Spectrum. **
El subcampeón de la lista del índice de IA del banco es RBC de Canadá. El banco ha estado utilizando tecnología de aprendizaje profundo y aprendizaje reforzado para la gestión de patrimonio durante muchos años, especialmente en los 3 primeros puestos en las subcategorías de "innovación" y "transparencia". clasificaciones del índice.
RBC ha establecido un centro de investigación de inteligencia artificial llamado Borealis AI, que no solo sirve al banco matriz sino que también se dedica a la investigación de vanguardia sobre inteligencia artificial. En una entrevista con KPMG, Kathryn Hume, directora de Borealis AI, detalló cómo su equipo aplicó el aprendizaje por refuerzo al servicio al cliente bancario:
El equipo de Borealis AI y RBC Capital Markets lanzó un sistema de ejecución comercial basado en el aprendizaje de refuerzo. "Queríamos entender cómo se podría usar el aprendizaje automático para ayudar a los clientes con pedidos grandes o masivos a secuenciar mejor las transacciones para obtener los máximos rendimientos. Resulta que los modelos que creamos eran muy dinámicos y respondían en tiempo real con más flexibilidad que los algoritmos comerciales tradicionales. Variaciones en volatilidad".
Borealis AI también ha ayudado con éxito a los bancos minoristas y comerciales a transformar los procesos comerciales de ayer en los productos del futuro del mañana. Por ejemplo, ** creó una herramienta de pronóstico de flujo de efectivo para ayudar a los asesores financieros a interactuar de manera proactiva con los clientes, comprender las próximas necesidades financieras y brindar un asesoramiento más específico. ** También ayudar a los clientes minoristas a administrar sus finanzas creando aplicaciones y beneficiándose de la última tecnología de aprendizaje automático de personalización.
En abril de este año, RBC ganó el Premio a la Mejor Experiencia del Cliente en Inteligencia Artificial de la revista Digital Banker por el sistema NOMI Forecast desarrollado conjuntamente por el banco y Borealis AI.
El sistema NOMI Forecast utiliza aprendizaje profundo para proporcionar pronósticos oportunos y precisos del flujo de efectivo de los clientes. Impulsados por el conjunto de datos único del banco, los modelos están capacitados para personalizar las experiencias de los clientes de RBC, incluidos los pagos de facturas, las transferencias electrónicas, las inversiones y los pagos de nómina.
Modelo vertical grande: adecuado es el mejor
Ya sea el sistema NBA de Morgan Stanley, el sistema Spectrum de Morgan Stanley o el sistema NOMI Forecast desarrollado independientemente por RGB, todos son combinaciones de varios modelos entrenados por los propios datos acumulados del banco. Después de injertar GPT para perfeccionar la capacitación, mejorar la capacidad de interacción general es una elección similar de estos principales bancos internacionales.
Independientemente de los países extranjeros o a nivel nacional, con el número cada vez mayor de modelos grandes de código abierto y la disminución de los costos de capacitación de modelos, la obsesión con los modelos generales de lenguaje grande se ha desvanecido gradualmente. De la recién concluida Conferencia Mundial de Inteligencia Artificial de Shanghai, se puede encontrar que la nueva narrativa es: modelo de industria, modelo vertical y "modelo grande que empodera a miles de industrias".
El ejemplo más típico es BloombergGPT lanzado por Bloomberg.Bloomberg hizo el modelo más pequeño, con unos 50 mil millones de parámetros, que es mucho más pequeño que los 175 mil millones de parámetros de GPT-3.Aunque debilita la versatilidad, su desempeño en el campo financiero es significativamente mejor que los modelos grandes de propósito general.
La fuerte supervisión y profesionalismo de la industria financiera determina que sobre la base del Know-How, la formación de datos profesionales acumulados por las entidades financieras puede utilizarse para crear un modelo vertical adecuado a las necesidades de la industria. **Por ejemplo, el modelo grande Origin One lanzado por Bingjian Technology, que se basa en años de experiencia en modelos de algoritmos que atienden a clientes de bancos y seguros, se está esforzando en el servicio al cliente inteligente, el procesamiento de documentos financieros y el análisis de productos de inversión extranjera. **
Las ventajas profesionales del modelo vertical serán cada vez más evidentes en la industria de la gestión de patrimonios. La aparición de GPT cambiará el concepto de que los robo-advisors son "servicios exclusivos" para familias de alto poder adquisitivo en el pasado y permitirán rápido desarrollo del mercado de cola larga. Con la ayuda de GPT-4, ¿cuántas veces se incrementará el número y la eficiencia de los 15 000 asesores financieros de Morgan Stanley que atienden a los clientes?
Además de estos bancos principales, el modelo grande vertical brinda a las nuevas empresas más oportunidades para atender a más clientes en la capa de aplicación. Las empresas de tecnología atraen a más clientes que se hunden a través de bajas barreras de entrada e independencia, mientras que los grandes bancos tradicionales utilizan sus propias ventajas para dirigirse a los clientes existentes y promover varios portafolios de productos.Instituciones de diferentes tamaños determinan diferentes estrategias en el campo de la asesoría robótica.
Desde la perspectiva del mercado estadounidense de robo-advisor, incluye principalmente tres tipos de participantes:
En primer lugar, las empresas emergentes representadas por Wealthfront and Betterment utilizan sus propias ventajas tecnológicas y requisitos de umbral bajo para aprovechar el valor de los clientes de cola larga;
La segunda es que las instituciones financieras a gran escala representadas por Vanguard y Charles Schwab aprovechan sus propias ventajas de capital, las ventajas existentes de los clientes, las ventajas de la marca y las barreras competitivas para lanzar productos inteligentes de asesoría de inversiones;
El tercero es adquirir empresas de terceros para implementar rápidamente el mercado de asesoramiento de inversiones inteligentes, como la adquisición de Future Advisor por parte de BlackRock.
Según el cálculo de la calificadora de riesgo CRISIL GR&A, se espera que la aplicación de modelos a gran escala en el campo de la investigación inteligente de inversiones ahorre un 22,5% del costo, lo que hará que la gestión patrimonial beneficie a más personas.
** Una mayor inclusión también significa más riesgo. ** Vale la pena mencionar que la capacidad de RBC para superar a muchos de los principales bancos europeos y estadounidenses y ocupar el segundo lugar en la lista del índice de IA bancaria también se debe a su acción de IA responsable (Responsible AI). Kathryn Hume cree que las personas son cada vez más conscientes del riesgo moral que la IA puede exacerbar. En todo el mundo se intensifica el debate en torno al uso ético y responsable de la inteligencia artificial.
La inteligencia artificial explicable (XAI) será una tecnología emergente, quizás su contraparte de GPT. Si bien los conocimientos algorítmicos de ChatGPT son completamente "cajas negras", XAI permite a los usuarios y reguladores examinar los fundamentos de cómo funciona la IA e insta a los desarrolladores a perfeccionar los algoritmos para que funcionen según lo previsto. **XAI permite a los administradores de patrimonio y asesores de inversión monitorear y justificar el asesoramiento financiero derivado de la IA y alinearlo con los requisitos regulatorios y los mejores intereses de los clientes. **
Materiales de referencia:
Perspectivas evidentes: Índice de inteligencia artificial evidente para el informe de hallazgos clave de los bancos
FORBES: Cómo Morgan Stanley está capacitando a GPT para ayudar a los asesores financieros
AdvisorHub: Morgan Stanley implementará software de inteligencia artificial para todos los corredores en el tercer trimestre
Ping An Securities: * "Una visión de la transformación digital de los bancos comerciales de AIGC"*
Ver originales
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
AI+Wealth Management: los principales bancos internacionales planean usar GPT de esta manera
Fuente: Instituto de Investigación de Tecnología de Bingjian
Cada vez se cita más una lista reciente sobre IA y banca. La lista clasifica a los 23 bancos más grandes de Europa y Estados Unidos, y los activos totales de al menos US $ 1 billón son elegibles para la selección.
Esta lista se llama "Índice de AI bancario (Índice de AI evidente)", publicado por la empresa de consultoría Evident Insights, está disponible públicamente y es la primera vez que se clasifica la lista de madurez de AI de los bancos (madurez de AI).
Lista de los 10 principales índices bancarios de IA:
Para hacer esta lista, Evident Insights recopiló millones de puntos de datos, basados en informes financieros bancarios y datos públicos de una serie de fuentes de datos de terceros, con la participación de más de 50 expertos líderes en inteligencia artificial y banca, para establecer este lista.
Cada banco se evalúa en 142 indicadores individuales en cuatro dimensiones: talento, innovación, liderazgo y transparencia. El talento acapara el mayor peso, alcanzando el 40%.
Según Evident Insights, la cantidad y calidad de los talentos de IA afectarán en gran medida la competitividad futura de estos bancos principales. JPMorgan Chase, que ocupa el primer lugar, tiene la mayor cantidad de empleados de inteligencia artificial en la industria bancaria, lo que representa más del 10% del número total de empleados y aún está acelerando el reclutamiento. Entre febrero y abril de 2023, JPMorgan Chase publicó al menos el 20 % de los anuncios de trabajo para puestos de inteligencia artificial y núcleo de datos de todos los bancos de la lista.
Después de buscar y analizar la información en sitios web de reclutamiento como LinkedIn, Evident Insights también encontró un fenómeno interesante: en un momento en que la inteligencia artificial generativa está tan de moda, estos 23 bancos *solo tienen menos del 2% de las descripciones de trabajo relacionadas con la IA * Se mencionan explícitamente las habilidades para la IA generativa, como los modelos de lenguaje extenso (LLM) o ChatGPT.
Después de analizar los informes relacionados con Evident y los bancos enumerados, el Instituto de Investigación de Tecnología de Bingjian también descubrió que aunque GPT se ha convertido en una ciencia muy conocida, estos grandes bancos internacionales no creen que pueda curar todas las enfermedades. Debido a la inversión temprana en tecnología de inteligencia artificial y la implementación profunda, muchos bancos** ya han establecido sistemas de gestión de patrimonio de aprendizaje profundo que son bastante maduros y no se han apresurado a ponerse al día con los puntos de acceso GPT. **
Por el contrario, los indicadores de "transparencia" mencionados en la lista son valorados por muchos grandes bancos.
Morgan Stanley: Utilice GPT-4 para la gestión del conocimiento
Morgan Stanley, que apenas se ubicó entre los 10 primeros en la lista del índice de inteligencia artificial bancaria, es el de más alto perfil en términos de aplicaciones GPT, y su subelemento "innovación" ocupa el cuarto lugar. Aun así, la aplicación de GPT de Morgan Stanley aún se encuentra en la etapa experimental y no ha ingresado al entorno de producción, y el campo experimental no es extenso.
Cuando OpenAI lanzó oficialmente GPT-4 en marzo de este año, lanzó la aplicación de gestión de patrimonio de Morgan Stanley como un caso típico.
Específicamente, Morgan Stanley mantiene una biblioteca de cientos de miles de páginas de contenido que cubre estrategias de inversión, investigación y comentarios de mercado y puntos de vista de analistas: tanta información distribuida en muchos sitios internos, gran parte de ella en formato PDF, Requerir un asesor financiero (FA ) navegar a través de una gran cantidad de información para encontrar una respuesta a una pregunta en particular puede ser bastante ineficiente.
A partir del año pasado, la empresa y OpenAI comenzaron a trabajar juntos para explorar cómo utilizar las capacidades de incrustación y recuperación de GPT para maximizar su "capital intelectual": más de 100 000 documentos.
GPT-4 brindará soporte para el chatbot interno de la empresa** (tenga en cuenta que no es externo)**, que puede realizar una búsqueda e integración exhaustivas del contenido de gestión patrimonial y luego brindar a los asesores financieros las respuestas que desean.
Morgan Stanley, que tiene más de 15 000 asesores financieros, podría hacerle estas preguntas a su chatbot interno:
*Consejos de inversión (¿Cuál es nuestra opinión sobre las acciones de Alphabet y si su rendimiento futuro es alcista o bajista?)
*Business as usual (¿Quiénes son los cinco principales competidores de IBM?)
* Pregunta de proceso (¿Cómo pongo una cuenta IRA en un fideicomiso irrevocable?).
Morgan Stanley "perfeccionó" GPT-4 en un problema similar usando 100.000 documentos como corpus de entrenamiento.
Según Forbes, 300 de los FA de Morgan Stanley están ayudando a los modelos con "aprendizaje de refuerzo": cuando reciben una respuesta de un chatbot, pueden votar a favor o en contra, o proporcionar más detalles a pedido.
Uno de los problemas ampliamente criticados de ChatGPT es que a menudo produce contenido de "alucinaciones" sin base fáctica, lo que es fatal para los servicios de gestión de patrimonio. En respuesta, Morgan Stanley está limitando los tipos de avisos/preguntas que los FA pueden ingresar al sistema, restringiendo los temas a preguntas relevantes para el negocio, lo que garantiza que el resultado provenga de sus documentos de conocimiento existentes.
Si la FA encuentra que el contenido es incorrecto durante el uso, también puede consultar el código de razón, citando el artículo subyacente vinculado a la fuente del contenido, que es más completo y creíble que la mayoría de los modelos de lenguaje grandes.
Al final, hay auditores de cumplimiento que verifican el contenido.En el proceso normal de gestión del conocimiento de la empresa, hay personal de cumplimiento que revisa el contenido de la investigación de inversiones, sin mencionar el contenido que las FA quieren proporcionar al mundo exterior.
De hecho, el departamento de gestión patrimonial de Morgan Stanley ha pasado muchos años investigando el sistema "Next Best Action" (NBA), que es una herramienta realista para armar 15 000 FA con aprendizaje automático.
El sistema NBA descubre ideas de inversión personalizadas a través del aprendizaje automático y las distribuye a clientes específicos a través de su sistema CRM. El sistema de la NBA tiene tres funciones de objetivos distintas:
Una es brindar a los clientes asesoramiento sobre inversiones y ayudar en la toma de decisiones, no solo brindar inversión pasiva, sino también brindar opciones de inversión en acciones y bonos individuales de acuerdo con los deseos de los clientes;
El segundo son las alertas por operaciones puntuales, tales como alertas por saldos bajos de efectivo y alertas por cambios significativos en el valor de las carteras de inversión de los clientes, etc.;
El tercero es la planificación de eventos de vida. Por ejemplo, si se confirma que el hijo del cliente está enfermo, el sistema puede recomendar el hospital local que es mejor para tratar la enfermedad y la planificación financiera para el tratamiento, a fin de establecer una relación de valor agregado. Con el cliente.
Jeff McMillan, jefe de datos e innovación de Morgan Stanley, que dirige el negocio relacionado con GPT-4, dijo a Forbes que el enfoque de "empuje" del sistema de la NBA puede ser tan bueno como el enfoque de "atracción" basado en respuestas rápidas de GPT para cooperar.
Según el último informe de julio de AdvisorHub, un sitio web vertical para la industria de asesoría patrimonial, Morgan Stanley espera implementar herramientas de IA generativa para sus más de 15,000 asesores financieros en el tercer trimestre de este año.Desde marzo de este año, solo 900 Los FA han estado en juicio.
En la lista del índice de IA del banco, el subelemento de talento de Morgan Stanley ocupa solo el puesto 11. Morgan Stanley ha acelerado el reclutamiento de talento de IA desde la segunda mitad del año. Su última posición de reclutamiento es reclutar nuevos ejecutivos de gestión de patrimonio para plataformas de inteligencia artificial y aprendizaje automático. Según LinkedIn, el salario básico anual de esta posición es entre 180,000 y 260,000 dólares estadounidenses entre.
Campeón de IA y banco subcampeón: mejore el sistema de aprendizaje automático existente
JPMorgan Chase, que se ubica en la parte superior de la lista, tiene algunos planes declarativos para GPT, pero no reveló demasiados detalles de la aplicación, mientras que Royal Bank of Canada (RBC), que apareció como un caballo oscuro en la segunda posición, nunca mencionó GPT.
Según informes de CNBC, JPMorgan Chase está desarrollando un servicio de software similar a ChatGPT. Los documentos presentados por JPMorgan Chase & Co muestran que el banco solicitó el registro de marca para un producto llamado "IndexGPT" en mayo. IndexGPT utilizará "software de computación en la nube que utiliza inteligencia artificial" para "analizar y seleccionar valores que se adapten a las necesidades de los clientes".
El documento de registro de marca señaló que IndexGPT utiliza tecnología de inteligencia artificial representada por ChatGPT. Lori Beer, directora de tecnología global de JPMorgan Chase, dijo que el banco ha contratado a 1500 científicos de datos e ingenieros de aprendizaje automático y está probando "múltiples casos de uso" de la tecnología GPT. . ".
“Este va a ser el santo grial de cómo las personas gestionan sus activos”, dijo Mary Callahan Erdoes, directora ejecutiva de la división de gestión de activos y patrimonio del banco, sobre AI en la conferencia del Día del Inversor de JPMorgan el 22 de mayo.
“Hemos cargado 30 años de datos patentados en cada empresa que hemos analizado”, dijo Erdoes, describiendo el reciente desarrollo de herramientas de su departamento, “y luego lo hemos combinado con los millones de puntos de datos que obtenemos todos los días Coincidiendo, hemos visto un gran aumento ".
Además, reveló que **JPMorgan Chase tiene su propio negocio interno de gestión de activos, y el modelo similar a GPT se ejecuta en su sistema de gestión de cartera Spectrum. **
El subcampeón de la lista del índice de IA del banco es RBC de Canadá. El banco ha estado utilizando tecnología de aprendizaje profundo y aprendizaje reforzado para la gestión de patrimonio durante muchos años, especialmente en los 3 primeros puestos en las subcategorías de "innovación" y "transparencia". clasificaciones del índice.
RBC ha establecido un centro de investigación de inteligencia artificial llamado Borealis AI, que no solo sirve al banco matriz sino que también se dedica a la investigación de vanguardia sobre inteligencia artificial. En una entrevista con KPMG, Kathryn Hume, directora de Borealis AI, detalló cómo su equipo aplicó el aprendizaje por refuerzo al servicio al cliente bancario:
El equipo de Borealis AI y RBC Capital Markets lanzó un sistema de ejecución comercial basado en el aprendizaje de refuerzo. "Queríamos entender cómo se podría usar el aprendizaje automático para ayudar a los clientes con pedidos grandes o masivos a secuenciar mejor las transacciones para obtener los máximos rendimientos. Resulta que los modelos que creamos eran muy dinámicos y respondían en tiempo real con más flexibilidad que los algoritmos comerciales tradicionales. Variaciones en volatilidad".
Borealis AI también ha ayudado con éxito a los bancos minoristas y comerciales a transformar los procesos comerciales de ayer en los productos del futuro del mañana. Por ejemplo, ** creó una herramienta de pronóstico de flujo de efectivo para ayudar a los asesores financieros a interactuar de manera proactiva con los clientes, comprender las próximas necesidades financieras y brindar un asesoramiento más específico. ** También ayudar a los clientes minoristas a administrar sus finanzas creando aplicaciones y beneficiándose de la última tecnología de aprendizaje automático de personalización.
En abril de este año, RBC ganó el Premio a la Mejor Experiencia del Cliente en Inteligencia Artificial de la revista Digital Banker por el sistema NOMI Forecast desarrollado conjuntamente por el banco y Borealis AI.
El sistema NOMI Forecast utiliza aprendizaje profundo para proporcionar pronósticos oportunos y precisos del flujo de efectivo de los clientes. Impulsados por el conjunto de datos único del banco, los modelos están capacitados para personalizar las experiencias de los clientes de RBC, incluidos los pagos de facturas, las transferencias electrónicas, las inversiones y los pagos de nómina.
Modelo vertical grande: adecuado es el mejor
Ya sea el sistema NBA de Morgan Stanley, el sistema Spectrum de Morgan Stanley o el sistema NOMI Forecast desarrollado independientemente por RGB, todos son combinaciones de varios modelos entrenados por los propios datos acumulados del banco. Después de injertar GPT para perfeccionar la capacitación, mejorar la capacidad de interacción general es una elección similar de estos principales bancos internacionales.
Independientemente de los países extranjeros o a nivel nacional, con el número cada vez mayor de modelos grandes de código abierto y la disminución de los costos de capacitación de modelos, la obsesión con los modelos generales de lenguaje grande se ha desvanecido gradualmente. De la recién concluida Conferencia Mundial de Inteligencia Artificial de Shanghai, se puede encontrar que la nueva narrativa es: modelo de industria, modelo vertical y "modelo grande que empodera a miles de industrias".
El ejemplo más típico es BloombergGPT lanzado por Bloomberg.Bloomberg hizo el modelo más pequeño, con unos 50 mil millones de parámetros, que es mucho más pequeño que los 175 mil millones de parámetros de GPT-3.Aunque debilita la versatilidad, su desempeño en el campo financiero es significativamente mejor que los modelos grandes de propósito general.
La fuerte supervisión y profesionalismo de la industria financiera determina que sobre la base del Know-How, la formación de datos profesionales acumulados por las entidades financieras puede utilizarse para crear un modelo vertical adecuado a las necesidades de la industria. **Por ejemplo, el modelo grande Origin One lanzado por Bingjian Technology, que se basa en años de experiencia en modelos de algoritmos que atienden a clientes de bancos y seguros, se está esforzando en el servicio al cliente inteligente, el procesamiento de documentos financieros y el análisis de productos de inversión extranjera. **
Las ventajas profesionales del modelo vertical serán cada vez más evidentes en la industria de la gestión de patrimonios. La aparición de GPT cambiará el concepto de que los robo-advisors son "servicios exclusivos" para familias de alto poder adquisitivo en el pasado y permitirán rápido desarrollo del mercado de cola larga. Con la ayuda de GPT-4, ¿cuántas veces se incrementará el número y la eficiencia de los 15 000 asesores financieros de Morgan Stanley que atienden a los clientes?
Además de estos bancos principales, el modelo grande vertical brinda a las nuevas empresas más oportunidades para atender a más clientes en la capa de aplicación. Las empresas de tecnología atraen a más clientes que se hunden a través de bajas barreras de entrada e independencia, mientras que los grandes bancos tradicionales utilizan sus propias ventajas para dirigirse a los clientes existentes y promover varios portafolios de productos.Instituciones de diferentes tamaños determinan diferentes estrategias en el campo de la asesoría robótica.
Desde la perspectiva del mercado estadounidense de robo-advisor, incluye principalmente tres tipos de participantes:
En primer lugar, las empresas emergentes representadas por Wealthfront and Betterment utilizan sus propias ventajas tecnológicas y requisitos de umbral bajo para aprovechar el valor de los clientes de cola larga;
La segunda es que las instituciones financieras a gran escala representadas por Vanguard y Charles Schwab aprovechan sus propias ventajas de capital, las ventajas existentes de los clientes, las ventajas de la marca y las barreras competitivas para lanzar productos inteligentes de asesoría de inversiones;
El tercero es adquirir empresas de terceros para implementar rápidamente el mercado de asesoramiento de inversiones inteligentes, como la adquisición de Future Advisor por parte de BlackRock.
Según el cálculo de la calificadora de riesgo CRISIL GR&A, se espera que la aplicación de modelos a gran escala en el campo de la investigación inteligente de inversiones ahorre un 22,5% del costo, lo que hará que la gestión patrimonial beneficie a más personas.
** Una mayor inclusión también significa más riesgo. ** Vale la pena mencionar que la capacidad de RBC para superar a muchos de los principales bancos europeos y estadounidenses y ocupar el segundo lugar en la lista del índice de IA bancaria también se debe a su acción de IA responsable (Responsible AI). Kathryn Hume cree que las personas son cada vez más conscientes del riesgo moral que la IA puede exacerbar. En todo el mundo se intensifica el debate en torno al uso ético y responsable de la inteligencia artificial.
La inteligencia artificial explicable (XAI) será una tecnología emergente, quizás su contraparte de GPT. Si bien los conocimientos algorítmicos de ChatGPT son completamente "cajas negras", XAI permite a los usuarios y reguladores examinar los fundamentos de cómo funciona la IA e insta a los desarrolladores a perfeccionar los algoritmos para que funcionen según lo previsto. **XAI permite a los administradores de patrimonio y asesores de inversión monitorear y justificar el asesoramiento financiero derivado de la IA y alinearlo con los requisitos regulatorios y los mejores intereses de los clientes. **
Materiales de referencia: