Source : Institut de recherche technologique de Bingjian
Une liste récente sur l'IA et la banque est de plus en plus citée. La liste classe les 23 plus grandes banques d'Europe et des États-Unis, et les actifs totaux d'au moins 1 billion de dollars américains sont éligibles pour la sélection.
Cette liste s'appelle "Bank AI Index (Evident AI Index)", publiée par la société de conseil Evident Insights, elle est accessible au public et c'est la première fois qu'elle classe la liste de maturité de l'IA (maturité de l'IA) des banques.
Liste des 10 meilleurs indices Bank AI :
Source : Evident Insights, compilé par le Bingjian Technology Research Institute
Afin de dresser cette liste, Evident Insights a collecté des millions de points de données, basés sur des rapports financiers bancaires et des données publiques provenant d'une série de sources de données tierces, avec la participation de plus de 50 experts de premier plan en intelligence artificielle et dans le secteur bancaire, pour construire cette liste liste.
Chaque banque est évaluée sur 142 indicateurs individuels à travers quatre dimensions : talent, innovation, leadership et transparence. Le talent représente le poids le plus élevé, atteignant 40 %.
Selon Evident Insights, la quantité et la qualité des talents en IA affecteront largement la compétitivité future de ces grandes banques. JPMorgan Chase, qui occupe la première place, compte le plus d'employés en intelligence artificielle du secteur bancaire, représentant plus de 10 % du nombre total d'employés et continue d'accélérer ses recrutements. Entre février et avril 2023, JPMorgan Chase a publié au moins 20 % des offres d'emploi pour l'intelligence artificielle et les postes de base de données de toutes les banques de la liste.
Après avoir recherché et analysé les informations sur les sites de recrutement tels que LinkedIn, Evident Insights a également trouvé un phénomène intéressant : à une époque où l'intelligence artificielle générative est si chaude, ces 23 banques ** n'ont que moins de 2 % de descriptions de poste liées à l'IA * *, Les compétences pour l'IA générative telles que les grands modèles de langage (LLM) ou ChatGPT sont explicitement mentionnées.
Après avoir analysé les rapports liés à Evident et les banques répertoriées, le Bingjian Technology Research Institute a également constaté que bien que le GPT soit devenu une science bien connue, ces grandes banques internationales ne pensent pas qu'il puisse guérir toutes les maladies. En raison de l'investissement précoce dans la technologie de l'intelligence artificielle et du déploiement en profondeur, de nombreuses banques ** ont déjà mis en place des systèmes de gestion de patrimoine d'apprentissage en profondeur qui sont assez matures, et elles ne se sont pas précipitées pour rattraper les hotspots GPT. **
Au contraire, les indicateurs de "transparence" mentionnés dans la liste sont valorisés par de nombreuses grandes banques.
Morgan Stanley : Utiliser GPT-4 pour la gestion des connaissances
Morgan Stanley, qui se classe à peine dans le top 10 de la liste de l'indice d'intelligence artificielle des banques, est le plus en vue en termes d'applications GPT, et son sous-élément "innovation" se classe quatrième. Même ainsi, l'application de GPT par Morgan Stanley est encore au stade expérimental et n'est pas entrée dans l'environnement de production, et le champ expérimental n'est pas étendu.
Lorsque OpenAI a officiellement lancé GPT-4 en mars de cette année, il a lancé l'application de gestion de patrimoine de Morgan Stanley comme un cas typique.
Plus précisément, Morgan Stanley gère une bibliothèque de centaines de milliers de pages de contenu couvrant les stratégies d'investissement, les études de marché et les commentaires, ainsi que les points de vue des analystes - autant d'informations réparties sur de nombreux sites internes, la plupart sous forme PDF, Requiring a Financial Advisor ) parcourir une grande quantité d'informations pour trouver une réponse à une question particulière peut être assez inefficace.
Depuis l'année dernière, la société et OpenAI ont commencé à travailler ensemble pour explorer comment utiliser les capacités d'intégration et de récupération de GPT afin de maximiser son "capital intellectuel" - plus de 100 000 documents.
GPT-4 fournira un support au chatbot** interne de l'entreprise (notez qu'il n'est pas externe)**, qui peut effectuer une recherche et une intégration complètes du contenu de la gestion de patrimoine, puis fournir aux conseillers financiers les réponses qu'ils souhaitent.
Morgan Stanley, qui compte plus de 15 000 conseillers financiers, pourrait poser ces questions à son chatbot interne :
* Conseils d'investissement (Quel est notre point de vue sur l'action Alphabet et sa performance future est-elle haussière ou baissière ?)
*Business as usual (Qui sont les cinq principaux concurrents d'IBM ?)
* Question de processus (Comment puis-je placer un IRA dans une fiducie irrévocable ?).
Morgan Stanley a "affiné" GPT-4 sur un problème similaire en utilisant 100 000 documents comme corpus de formation.
Selon Forbes, 300 des FA de Morgan Stanley aident les modèles avec "l'apprentissage par renforcement" – lorsqu'ils obtiennent une réponse d'un chatbot, ils peuvent donner un vote positif ou négatif, ou fournir plus de détails sur demande.
L'un des problèmes très critiqués de ChatGPT est qu'il produit souvent des contenus "hallucinants" sans fondement factuel, ce qui est fatal pour les services de gestion de patrimoine. En réponse, Morgan Stanley limite les types d'invites/questions que les FA peuvent entrer dans le système, limitant les sujets aux questions pertinentes pour l'entreprise, ce qui garantit que la sortie provient de leurs documents de connaissances existants.
Si la FA constate que le contenu est erroné lors de l'utilisation, vous pouvez également vous référer au code de raison - citant l'article sous-jacent lié à la source du contenu - qui est plus complet et crédible que la plupart des grands modèles de langage.
En fin de compte, il y a des auditeurs de conformité qui vérifient le contenu.Dans le processus normal de gestion des connaissances de l'entreprise, il y a du personnel de conformité qui examine le contenu de la recherche en investissement, sans parler du contenu que les FA veulent fournir au monde extérieur.
En fait, le département de gestion de patrimoine de Morgan Stanley a passé de nombreuses années à rechercher le système "Next Best Action" (NBA), qui est un outil réaliste pour armer 15 000 FA avec l'apprentissage automatique.
Le système NBA découvre des idées d'investissement personnalisées grâce à l'apprentissage automatique et les distribue à des clients spécifiques via son système CRM. Le système NBA a trois fonctions d'objectif distinctes :
L'une consiste à fournir aux clients des conseils en investissement et à aider à la prise de décision, non seulement en fournissant des investissements passifs, mais également en proposant des options d'investissement individuelles en actions et en obligations selon les souhaits des clients ;
Le second est des alertes pour des opérations rapides, telles que des alertes pour des soldes de trésorerie faibles et des alertes pour des changements importants dans la valeur des portefeuilles d'investissement des clients, etc. ;
Le troisième est la planification des événements de la vie. Par exemple, s'il est confirmé que l'enfant du client est malade, le système peut recommander l'hôpital local le plus apte à traiter la maladie et à planifier financièrement le traitement, afin d'établir une relation à valeur ajoutée. avec le client.
Jeff McMillan, responsable des données et de l'innovation chez Morgan Stanley, qui dirige les activités liées au GPT-4, a déclaré à Forbes que l'approche "push" du système NBA peut être aussi bonne que l'approche "pull" basée sur les réponses rapides du GPT pour coopérer.
Selon le dernier rapport publié en juillet par AdvisorHub, un site Web vertical pour le secteur du conseil en gestion de patrimoine, Morgan Stanley prévoit de déployer des outils d'IA générative à ses plus de 15 000 conseillers financiers au cours du troisième trimestre de cette année. Depuis mars de cette année, seuls 900 Les FA ont été jugés. .
Dans la liste de l'indice de l'IA bancaire, le sous-élément de talent de Morgan Stanley ne se classe qu'au 11e rang. Morgan Stanley a accéléré le recrutement de talents en intelligence artificielle depuis le second semestre de l'année.Son dernier poste de recrutement consiste à recruter de nouveaux cadres en gestion de patrimoine pour les plateformes d'intelligence artificielle et de machine learning.Selon LinkedIn, le salaire annuel de base de ce poste se situe entre 180 000 et 260 000. dollars américains entre.
Champion de l'IA et deuxième banque : améliorez le système d'apprentissage automatique existant
JPMorgan Chase, qui se classe en tête de liste, a des plans déclaratifs pour GPT, mais n'a pas divulgué trop de détails sur l'application ; tandis que la Banque Royale du Canada (RBC), qui est apparue comme un cheval noir en deuxième position, jamais mentionné GPT.
Selon les rapports de CNBC, JPMorgan Chase développe un service logiciel similaire à ChatGPT. Les documents soumis par JPMorgan Chase & Co montrent que la banque a demandé l'enregistrement d'une marque pour un produit appelé "IndexGPT" en mai. IndexGPT utilisera "un logiciel de cloud computing utilisant l'intelligence artificielle" pour "analyser et sélectionner des titres qui répondent aux besoins des clients".
Le document d'enregistrement de la marque a souligné qu'IndexGPT utilise la technologie d'intelligence artificielle représentée par ChatGPT. Lori Beer, directrice technologique mondiale de JPMorgan Chase, a déclaré que la banque avait embauché 1 500 scientifiques des données et ingénieurs en apprentissage automatique et testait des "cas d'utilisation multiples" de la technologie GPT. . ".
"Ce sera le Saint Graal de la façon dont les gens gèrent leurs actifs", a déclaré Mary Callahan Erdoes, directrice générale de la division de gestion des actifs et du patrimoine de la banque, à propos de l'IA lors de la conférence Investor Day de JPMorgan le 22 mai.
"Nous avons ** chargé 30 ans de données propriétaires ** sur chaque entreprise que nous avons examinée", a déclaré Erdoes, décrivant le développement récent d'outils de son département, "et nous les avons ensuite combinés avec les millions de points de données que nous obtenons tous les jours. Correspondant, nous avons vu un tel ascenseur énorme.
Elle a en outre révélé que ** JPMorgan Chase possède sa propre entreprise de gestion d'actifs interne et que le modèle de type GPT fonctionne sur son système de gestion de portefeuille Spectrum. **
Le deuxième de la liste de l'indice d'intelligence artificielle des banques est RBC du Canada.La banque utilise la technologie d'apprentissage en profondeur et d'apprentissage par renforcement pour la gestion de patrimoine depuis de nombreuses années, en particulier dans les trois premiers classements dans les sous-catégories "innovation" et "transparence". classements indiciels.
RBC a mis en place un centre de recherche sur l'intelligence artificielle appelé Borealis AI, qui non seulement sert la banque mère, mais s'engage également dans des recherches de pointe sur l'intelligence artificielle. Dans une interview avec KPMG, Kathryn Hume, responsable de Borealis AI, a détaillé comment son équipe a appliqué l'apprentissage par renforcement au service client bancaire :
Borealis AI et l'équipe RBC Capital Markets ont lancé un système d'exécution des transactions basé sur l'apprentissage par renforcement. "Nous voulions comprendre comment l'apprentissage automatique pouvait être utilisé pour aider les clients avec des commandes importantes ou groupées à mieux séquencer les transactions pour un rendement maximal. Il s'avère que les modèles que nous avons créés étaient très dynamiques, répondant en temps réel avec plus de flexibilité que les algorithmes de trading traditionnels. Variations dans la volatilité."
Borealis AI a également aidé avec succès les banques de détail et commerciales à transformer les processus commerciaux d'hier en produits de demain. Par exemple, ** a créé un outil de prévision des flux de trésorerie pour aider les conseillers financiers à interagir de manière proactive avec les clients, à comprendre les besoins financiers à venir et à fournir des conseils plus ciblés. ** Aide également les clients de détail à gérer leurs finances en créant des applications et en bénéficiant de la dernière technologie d'apprentissage automatique de personnalisation.
En avril de cette année, RBC a remporté le prix de la meilleure expérience client en intelligence artificielle du magazine Digital Banker pour le système NOMI Forecast développé conjointement par la banque et Borealis AI.
Le système NOMI Forecast utilise un apprentissage en profondeur pour fournir des prévisions précises et opportunes des flux de trésorerie des clients. Alimentés par l'ensemble de données unique de la banque, les modèles sont formés pour personnaliser les expériences des clients de RBC, y compris les paiements de factures, les virements électroniques, les investissements et les paiements de paie.
Grand modèle vertical : adapté est le meilleur
Qu'il s'agisse du système NBA de Morgan Stanley, du système Spectrum de Morgan Stanley ou du système NOMI Forecast développé indépendamment par RGB, ce sont tous des combinaisons de divers modèles entraînés par les propres données de la banque accumulées. Après avoir greffé GPT pour affiner la formation, l'amélioration de la capacité d'interaction générale est un choix similaire de ces grandes banques internationales.
Indépendamment des pays étrangers ou nationaux, avec le nombre croissant de grands modèles open source et la baisse des coûts de formation des modèles, l'obsession des grands modèles de langage généraux s'est progressivement estompée. D'après la conférence mondiale sur l'intelligence artificielle de Shanghai qui vient de s'achever, on peut constater que le nouveau récit est le suivant : modèle industriel, modèle vertical et « le grand modèle permet à des milliers d'industries ».
L'exemple le plus typique est BloombergGPT lancé par Bloomberg. Bloomberg a rendu le modèle plus petit, avec environ 50 milliards de paramètres, ce qui est beaucoup plus petit que les 175 milliards de paramètres de GPT-3. Bien qu'il affaiblisse la polyvalence, ses performances dans le domaine financier sont significativement meilleures. que les grands modèles à usage général.
La forte supervision et le professionnalisme de l'industrie financière déterminent que sur la base du savoir-faire, la formation professionnelle aux données accumulée par les institutions financières peut être utilisée pour créer un modèle vertical adapté aux besoins de l'industrie. ** Par exemple, le grand modèle Origin One lancé par Bingjian Technology, s'appuyant sur des années d'expérience dans les modèles d'algorithmes au service des clients des banques et des assurances, fait des efforts dans le service client intelligent, le traitement des documents financiers et l'analyse des produits d'investissement étrangers. **
Les avantages professionnels du modèle vertical vont devenir de plus en plus évidents dans l'industrie de la gestion de patrimoine.L'émergence de GPT va changer le concept selon lequel les robo-advisors étaient des "services exclusifs" pour les familles fortunées dans le passé, et permettre aux développement rapide du marché de la longue traîne. Avec l'aide de GPT-4, combien de fois le nombre et l'efficacité des 15 000 conseillers financiers de Morgan Stanley au service des clients seront-ils augmentés ?
En plus de ces grandes banques, le grand modèle vertical donne aux startups plus d'opportunités de servir plus de clients au niveau de la couche applicative. Les entreprises technologiques attirent davantage de clients en perte de vitesse grâce à de faibles barrières à l'entrée et à l'indépendance, tandis que les grandes banques traditionnelles utilisent leurs propres avantages pour cibler les clients existants et promouvoir divers portefeuilles de produits.Des institutions de différentes tailles déterminent différentes stratégies dans le domaine du robo-advisory.
Du point de vue du marché américain du robo-advisory, il comprend principalement trois types de participants :
Premièrement, les start-up représentées par Wealthfront et Betterment utilisent leurs propres avantages technologiques et leurs exigences de seuil bas pour exploiter la valeur des clients à longue traîne ;
La seconde est que les institutions financières à grande échelle représentées par Vanguard et Charles Schwab tirent parti de leurs propres avantages en matière de capital, des avantages des clients existants, des avantages de la marque et des barrières concurrentielles pour lancer des produits de conseil en investissement intelligents ;
Le troisième consiste à acquérir des sociétés tierces pour déployer rapidement le marché du conseil en investissement intelligent, comme l'acquisition de Future Advisor par BlackRock.
Selon les calculs de la société de notation de crédit CRISIL GR&A, l'application de modèles à grande échelle dans le domaine de la recherche intelligente en investissement devrait permettre d'économiser 22,5 % des coûts, ce qui fera que la gestion de patrimoine profitera à davantage de personnes.
** Une plus grande inclusion signifie également plus de risques. ** Il convient de mentionner que la capacité de RBC à surpasser de nombreuses grandes banques européennes et américaines et à se classer deuxième dans la liste de l'indice de l'IA des banques est également due à son action en IA responsable (IA responsable). Kathryn Hume pense que les gens sont de plus en plus conscients du risque moral que l'IA peut exacerber. Partout dans le monde, le débat autour de l'utilisation éthique et responsable de l'intelligence artificielle s'intensifie.
L'intelligence artificielle explicable (XAI) sera une technologie émergente, peut-être son homologue de GPT. Alors que les informations algorithmiques de ChatGPT sont complètement des "boîtes noires", XAI permet aux utilisateurs et aux régulateurs d'examiner les principes fondamentaux du fonctionnement de l'IA et exhorte les développeurs à affiner les algorithmes afin qu'ils fonctionnent comme prévu. **XAI permet aux gestionnaires de patrimoine et aux conseillers en investissement de surveiller et de justifier les conseils financiers dérivés de l'IA et de les aligner sur les exigences réglementaires et les meilleurs intérêts des clients. **
Matériel de référence:
* Evident Insights : Index Evident AI pour le rapport sur les principales conclusions des banques
FORBES : Comment Morgan Stanley forme GPT pour aider les conseillers financiers
AdvisorHub : * Morgan Stanley déploiera le logiciel d'IA à tous les courtiers au troisième trimestre*
Ping An Securities : * "Une vision de la transformation numérique des banques commerciales d'AIGC"*
Voir l'original
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
AI+Wealth Management : les plus grandes banques internationales envisagent d'utiliser GPT de cette manière
Source : Institut de recherche technologique de Bingjian
Une liste récente sur l'IA et la banque est de plus en plus citée. La liste classe les 23 plus grandes banques d'Europe et des États-Unis, et les actifs totaux d'au moins 1 billion de dollars américains sont éligibles pour la sélection.
Cette liste s'appelle "Bank AI Index (Evident AI Index)", publiée par la société de conseil Evident Insights, elle est accessible au public et c'est la première fois qu'elle classe la liste de maturité de l'IA (maturité de l'IA) des banques.
Liste des 10 meilleurs indices Bank AI :
Afin de dresser cette liste, Evident Insights a collecté des millions de points de données, basés sur des rapports financiers bancaires et des données publiques provenant d'une série de sources de données tierces, avec la participation de plus de 50 experts de premier plan en intelligence artificielle et dans le secteur bancaire, pour construire cette liste liste.
Chaque banque est évaluée sur 142 indicateurs individuels à travers quatre dimensions : talent, innovation, leadership et transparence. Le talent représente le poids le plus élevé, atteignant 40 %.
Selon Evident Insights, la quantité et la qualité des talents en IA affecteront largement la compétitivité future de ces grandes banques. JPMorgan Chase, qui occupe la première place, compte le plus d'employés en intelligence artificielle du secteur bancaire, représentant plus de 10 % du nombre total d'employés et continue d'accélérer ses recrutements. Entre février et avril 2023, JPMorgan Chase a publié au moins 20 % des offres d'emploi pour l'intelligence artificielle et les postes de base de données de toutes les banques de la liste.
Après avoir recherché et analysé les informations sur les sites de recrutement tels que LinkedIn, Evident Insights a également trouvé un phénomène intéressant : à une époque où l'intelligence artificielle générative est si chaude, ces 23 banques ** n'ont que moins de 2 % de descriptions de poste liées à l'IA * *, Les compétences pour l'IA générative telles que les grands modèles de langage (LLM) ou ChatGPT sont explicitement mentionnées.
Après avoir analysé les rapports liés à Evident et les banques répertoriées, le Bingjian Technology Research Institute a également constaté que bien que le GPT soit devenu une science bien connue, ces grandes banques internationales ne pensent pas qu'il puisse guérir toutes les maladies. En raison de l'investissement précoce dans la technologie de l'intelligence artificielle et du déploiement en profondeur, de nombreuses banques ** ont déjà mis en place des systèmes de gestion de patrimoine d'apprentissage en profondeur qui sont assez matures, et elles ne se sont pas précipitées pour rattraper les hotspots GPT. **
Au contraire, les indicateurs de "transparence" mentionnés dans la liste sont valorisés par de nombreuses grandes banques.
Morgan Stanley : Utiliser GPT-4 pour la gestion des connaissances
Morgan Stanley, qui se classe à peine dans le top 10 de la liste de l'indice d'intelligence artificielle des banques, est le plus en vue en termes d'applications GPT, et son sous-élément "innovation" se classe quatrième. Même ainsi, l'application de GPT par Morgan Stanley est encore au stade expérimental et n'est pas entrée dans l'environnement de production, et le champ expérimental n'est pas étendu.
Lorsque OpenAI a officiellement lancé GPT-4 en mars de cette année, il a lancé l'application de gestion de patrimoine de Morgan Stanley comme un cas typique.
Plus précisément, Morgan Stanley gère une bibliothèque de centaines de milliers de pages de contenu couvrant les stratégies d'investissement, les études de marché et les commentaires, ainsi que les points de vue des analystes - autant d'informations réparties sur de nombreux sites internes, la plupart sous forme PDF, Requiring a Financial Advisor ) parcourir une grande quantité d'informations pour trouver une réponse à une question particulière peut être assez inefficace.
Depuis l'année dernière, la société et OpenAI ont commencé à travailler ensemble pour explorer comment utiliser les capacités d'intégration et de récupération de GPT afin de maximiser son "capital intellectuel" - plus de 100 000 documents.
GPT-4 fournira un support au chatbot** interne de l'entreprise (notez qu'il n'est pas externe)**, qui peut effectuer une recherche et une intégration complètes du contenu de la gestion de patrimoine, puis fournir aux conseillers financiers les réponses qu'ils souhaitent.
Morgan Stanley, qui compte plus de 15 000 conseillers financiers, pourrait poser ces questions à son chatbot interne :
* Conseils d'investissement (Quel est notre point de vue sur l'action Alphabet et sa performance future est-elle haussière ou baissière ?)
*Business as usual (Qui sont les cinq principaux concurrents d'IBM ?)
* Question de processus (Comment puis-je placer un IRA dans une fiducie irrévocable ?).
Morgan Stanley a "affiné" GPT-4 sur un problème similaire en utilisant 100 000 documents comme corpus de formation.
Selon Forbes, 300 des FA de Morgan Stanley aident les modèles avec "l'apprentissage par renforcement" – lorsqu'ils obtiennent une réponse d'un chatbot, ils peuvent donner un vote positif ou négatif, ou fournir plus de détails sur demande.
L'un des problèmes très critiqués de ChatGPT est qu'il produit souvent des contenus "hallucinants" sans fondement factuel, ce qui est fatal pour les services de gestion de patrimoine. En réponse, Morgan Stanley limite les types d'invites/questions que les FA peuvent entrer dans le système, limitant les sujets aux questions pertinentes pour l'entreprise, ce qui garantit que la sortie provient de leurs documents de connaissances existants.
Si la FA constate que le contenu est erroné lors de l'utilisation, vous pouvez également vous référer au code de raison - citant l'article sous-jacent lié à la source du contenu - qui est plus complet et crédible que la plupart des grands modèles de langage.
En fin de compte, il y a des auditeurs de conformité qui vérifient le contenu.Dans le processus normal de gestion des connaissances de l'entreprise, il y a du personnel de conformité qui examine le contenu de la recherche en investissement, sans parler du contenu que les FA veulent fournir au monde extérieur.
En fait, le département de gestion de patrimoine de Morgan Stanley a passé de nombreuses années à rechercher le système "Next Best Action" (NBA), qui est un outil réaliste pour armer 15 000 FA avec l'apprentissage automatique.
Le système NBA découvre des idées d'investissement personnalisées grâce à l'apprentissage automatique et les distribue à des clients spécifiques via son système CRM. Le système NBA a trois fonctions d'objectif distinctes :
L'une consiste à fournir aux clients des conseils en investissement et à aider à la prise de décision, non seulement en fournissant des investissements passifs, mais également en proposant des options d'investissement individuelles en actions et en obligations selon les souhaits des clients ;
Le second est des alertes pour des opérations rapides, telles que des alertes pour des soldes de trésorerie faibles et des alertes pour des changements importants dans la valeur des portefeuilles d'investissement des clients, etc. ;
Le troisième est la planification des événements de la vie. Par exemple, s'il est confirmé que l'enfant du client est malade, le système peut recommander l'hôpital local le plus apte à traiter la maladie et à planifier financièrement le traitement, afin d'établir une relation à valeur ajoutée. avec le client.
Jeff McMillan, responsable des données et de l'innovation chez Morgan Stanley, qui dirige les activités liées au GPT-4, a déclaré à Forbes que l'approche "push" du système NBA peut être aussi bonne que l'approche "pull" basée sur les réponses rapides du GPT pour coopérer.
Selon le dernier rapport publié en juillet par AdvisorHub, un site Web vertical pour le secteur du conseil en gestion de patrimoine, Morgan Stanley prévoit de déployer des outils d'IA générative à ses plus de 15 000 conseillers financiers au cours du troisième trimestre de cette année. Depuis mars de cette année, seuls 900 Les FA ont été jugés. .
Dans la liste de l'indice de l'IA bancaire, le sous-élément de talent de Morgan Stanley ne se classe qu'au 11e rang. Morgan Stanley a accéléré le recrutement de talents en intelligence artificielle depuis le second semestre de l'année.Son dernier poste de recrutement consiste à recruter de nouveaux cadres en gestion de patrimoine pour les plateformes d'intelligence artificielle et de machine learning.Selon LinkedIn, le salaire annuel de base de ce poste se situe entre 180 000 et 260 000. dollars américains entre.
Champion de l'IA et deuxième banque : améliorez le système d'apprentissage automatique existant
JPMorgan Chase, qui se classe en tête de liste, a des plans déclaratifs pour GPT, mais n'a pas divulgué trop de détails sur l'application ; tandis que la Banque Royale du Canada (RBC), qui est apparue comme un cheval noir en deuxième position, jamais mentionné GPT.
Selon les rapports de CNBC, JPMorgan Chase développe un service logiciel similaire à ChatGPT. Les documents soumis par JPMorgan Chase & Co montrent que la banque a demandé l'enregistrement d'une marque pour un produit appelé "IndexGPT" en mai. IndexGPT utilisera "un logiciel de cloud computing utilisant l'intelligence artificielle" pour "analyser et sélectionner des titres qui répondent aux besoins des clients".
Le document d'enregistrement de la marque a souligné qu'IndexGPT utilise la technologie d'intelligence artificielle représentée par ChatGPT. Lori Beer, directrice technologique mondiale de JPMorgan Chase, a déclaré que la banque avait embauché 1 500 scientifiques des données et ingénieurs en apprentissage automatique et testait des "cas d'utilisation multiples" de la technologie GPT. . ".
"Ce sera le Saint Graal de la façon dont les gens gèrent leurs actifs", a déclaré Mary Callahan Erdoes, directrice générale de la division de gestion des actifs et du patrimoine de la banque, à propos de l'IA lors de la conférence Investor Day de JPMorgan le 22 mai.
"Nous avons ** chargé 30 ans de données propriétaires ** sur chaque entreprise que nous avons examinée", a déclaré Erdoes, décrivant le développement récent d'outils de son département, "et nous les avons ensuite combinés avec les millions de points de données que nous obtenons tous les jours. Correspondant, nous avons vu un tel ascenseur énorme.
Elle a en outre révélé que ** JPMorgan Chase possède sa propre entreprise de gestion d'actifs interne et que le modèle de type GPT fonctionne sur son système de gestion de portefeuille Spectrum. **
Le deuxième de la liste de l'indice d'intelligence artificielle des banques est RBC du Canada.La banque utilise la technologie d'apprentissage en profondeur et d'apprentissage par renforcement pour la gestion de patrimoine depuis de nombreuses années, en particulier dans les trois premiers classements dans les sous-catégories "innovation" et "transparence". classements indiciels.
RBC a mis en place un centre de recherche sur l'intelligence artificielle appelé Borealis AI, qui non seulement sert la banque mère, mais s'engage également dans des recherches de pointe sur l'intelligence artificielle. Dans une interview avec KPMG, Kathryn Hume, responsable de Borealis AI, a détaillé comment son équipe a appliqué l'apprentissage par renforcement au service client bancaire :
Borealis AI et l'équipe RBC Capital Markets ont lancé un système d'exécution des transactions basé sur l'apprentissage par renforcement. "Nous voulions comprendre comment l'apprentissage automatique pouvait être utilisé pour aider les clients avec des commandes importantes ou groupées à mieux séquencer les transactions pour un rendement maximal. Il s'avère que les modèles que nous avons créés étaient très dynamiques, répondant en temps réel avec plus de flexibilité que les algorithmes de trading traditionnels. Variations dans la volatilité."
Borealis AI a également aidé avec succès les banques de détail et commerciales à transformer les processus commerciaux d'hier en produits de demain. Par exemple, ** a créé un outil de prévision des flux de trésorerie pour aider les conseillers financiers à interagir de manière proactive avec les clients, à comprendre les besoins financiers à venir et à fournir des conseils plus ciblés. ** Aide également les clients de détail à gérer leurs finances en créant des applications et en bénéficiant de la dernière technologie d'apprentissage automatique de personnalisation.
En avril de cette année, RBC a remporté le prix de la meilleure expérience client en intelligence artificielle du magazine Digital Banker pour le système NOMI Forecast développé conjointement par la banque et Borealis AI.
Le système NOMI Forecast utilise un apprentissage en profondeur pour fournir des prévisions précises et opportunes des flux de trésorerie des clients. Alimentés par l'ensemble de données unique de la banque, les modèles sont formés pour personnaliser les expériences des clients de RBC, y compris les paiements de factures, les virements électroniques, les investissements et les paiements de paie.
Grand modèle vertical : adapté est le meilleur
Qu'il s'agisse du système NBA de Morgan Stanley, du système Spectrum de Morgan Stanley ou du système NOMI Forecast développé indépendamment par RGB, ce sont tous des combinaisons de divers modèles entraînés par les propres données de la banque accumulées. Après avoir greffé GPT pour affiner la formation, l'amélioration de la capacité d'interaction générale est un choix similaire de ces grandes banques internationales.
Indépendamment des pays étrangers ou nationaux, avec le nombre croissant de grands modèles open source et la baisse des coûts de formation des modèles, l'obsession des grands modèles de langage généraux s'est progressivement estompée. D'après la conférence mondiale sur l'intelligence artificielle de Shanghai qui vient de s'achever, on peut constater que le nouveau récit est le suivant : modèle industriel, modèle vertical et « le grand modèle permet à des milliers d'industries ».
L'exemple le plus typique est BloombergGPT lancé par Bloomberg. Bloomberg a rendu le modèle plus petit, avec environ 50 milliards de paramètres, ce qui est beaucoup plus petit que les 175 milliards de paramètres de GPT-3. Bien qu'il affaiblisse la polyvalence, ses performances dans le domaine financier sont significativement meilleures. que les grands modèles à usage général.
La forte supervision et le professionnalisme de l'industrie financière déterminent que sur la base du savoir-faire, la formation professionnelle aux données accumulée par les institutions financières peut être utilisée pour créer un modèle vertical adapté aux besoins de l'industrie. ** Par exemple, le grand modèle Origin One lancé par Bingjian Technology, s'appuyant sur des années d'expérience dans les modèles d'algorithmes au service des clients des banques et des assurances, fait des efforts dans le service client intelligent, le traitement des documents financiers et l'analyse des produits d'investissement étrangers. **
Les avantages professionnels du modèle vertical vont devenir de plus en plus évidents dans l'industrie de la gestion de patrimoine.L'émergence de GPT va changer le concept selon lequel les robo-advisors étaient des "services exclusifs" pour les familles fortunées dans le passé, et permettre aux développement rapide du marché de la longue traîne. Avec l'aide de GPT-4, combien de fois le nombre et l'efficacité des 15 000 conseillers financiers de Morgan Stanley au service des clients seront-ils augmentés ?
En plus de ces grandes banques, le grand modèle vertical donne aux startups plus d'opportunités de servir plus de clients au niveau de la couche applicative. Les entreprises technologiques attirent davantage de clients en perte de vitesse grâce à de faibles barrières à l'entrée et à l'indépendance, tandis que les grandes banques traditionnelles utilisent leurs propres avantages pour cibler les clients existants et promouvoir divers portefeuilles de produits.Des institutions de différentes tailles déterminent différentes stratégies dans le domaine du robo-advisory.
Du point de vue du marché américain du robo-advisory, il comprend principalement trois types de participants :
Premièrement, les start-up représentées par Wealthfront et Betterment utilisent leurs propres avantages technologiques et leurs exigences de seuil bas pour exploiter la valeur des clients à longue traîne ;
La seconde est que les institutions financières à grande échelle représentées par Vanguard et Charles Schwab tirent parti de leurs propres avantages en matière de capital, des avantages des clients existants, des avantages de la marque et des barrières concurrentielles pour lancer des produits de conseil en investissement intelligents ;
Le troisième consiste à acquérir des sociétés tierces pour déployer rapidement le marché du conseil en investissement intelligent, comme l'acquisition de Future Advisor par BlackRock.
Selon les calculs de la société de notation de crédit CRISIL GR&A, l'application de modèles à grande échelle dans le domaine de la recherche intelligente en investissement devrait permettre d'économiser 22,5 % des coûts, ce qui fera que la gestion de patrimoine profitera à davantage de personnes.
** Une plus grande inclusion signifie également plus de risques. ** Il convient de mentionner que la capacité de RBC à surpasser de nombreuses grandes banques européennes et américaines et à se classer deuxième dans la liste de l'indice de l'IA des banques est également due à son action en IA responsable (IA responsable). Kathryn Hume pense que les gens sont de plus en plus conscients du risque moral que l'IA peut exacerber. Partout dans le monde, le débat autour de l'utilisation éthique et responsable de l'intelligence artificielle s'intensifie.
L'intelligence artificielle explicable (XAI) sera une technologie émergente, peut-être son homologue de GPT. Alors que les informations algorithmiques de ChatGPT sont complètement des "boîtes noires", XAI permet aux utilisateurs et aux régulateurs d'examiner les principes fondamentaux du fonctionnement de l'IA et exhorte les développeurs à affiner les algorithmes afin qu'ils fonctionnent comme prévu. **XAI permet aux gestionnaires de patrimoine et aux conseillers en investissement de surveiller et de justifier les conseils financiers dérivés de l'IA et de les aligner sur les exigences réglementaires et les meilleurs intérêts des clients. **
Matériel de référence:
* Evident Insights : Index Evident AI pour le rapport sur les principales conclusions des banques