Недавній список, присвячений ШІ та банківській справі, цитується все частіше. До списку входять 23 найбільші банки Європи та США, загальні активи яких становлять щонайменше 1 трильйон доларів США.
Цей список називається «Індекс банківського штучного інтелекту (Evident AI Index)», опублікований консалтинговою компанією Evident Insights, він є загальнодоступним, і це перший випадок рейтингу банківського списку зрілості штучного інтелекту (AI maturity).
10 найкращих банківських індексів ШІ:
Джерело: Evident Insights, складений Bingjian Technology Research Institute
Щоб скласти цей список, Evident Insights зібрала мільйони точок даних на основі банківських фінансових звітів і загальнодоступних даних із ряду сторонніх джерел даних за участю понад 50 провідних експертів зі штучного інтелекту та банківської справи, щоб встановити це. список.
Кожен банк оцінюється за 142 окремими показниками за чотирма параметрами: талант, інновації, лідерство та прозорість. Талант має найбільшу вагу, досягаючи 40%.
Згідно з Evident Insights, кількість і якість талантів ШІ значною мірою вплине на майбутню конкурентоспроможність цих провідних банків. JPMorgan Chase, який займає перше місце, має найбільше співробітників зі штучним інтелектом у банківській галузі, що становить понад 10% від загальної кількості працівників, і все ще прискорює набір. У період з лютого по квітень 2023 року JPMorgan Chase опублікував щонайменше 20% оголошень про вакансії на посади в сфері штучного інтелекту та обробки даних у всіх банках зі списку.
Провівши пошук і проаналізувавши інформацію на веб-сайтах з працевлаштування, таких як LinkedIn, Evident Insights також виявив цікавий феномен: у той час, коли генеративний штучний інтелект є таким популярним, ці 23 банки мають менше 2% посадових інструкцій, пов’язаних зі штучним інтелектом**, Skills для генеративного ШІ, такого як великі мовні моделі (LLM) або ChatGPT, явно згадуються.
Проаналізувавши звіти, пов’язані з Evident, і перелічені банки, Bingjian Technology Research Institute також виявив, що хоча GPT став загальновідомою наукою, ці великі міжнародні банки не вважають, що він може вилікувати всі хвороби. Завдяки раннім інвестиціям у технологію штучного інтелекту та глибокому розгортанню багато банків** уже створили системи управління капіталом глибокого навчання, які є досить зрілими, і вони не поспішали наздоганяти гарячі точки GPT. **
Навпаки, зазначені у списку показники «прозорості» оцінюються багатьма великими банками вище.
Morgan Stanley: використовуйте GPT-4 для управління знаннями
Morgan Stanley, яка ледве потрапила в топ-10 банківського списку ШІ-індексу, є найгучнішою за додатками GPT, а її підпункт «інновації» займає четверте місце. Незважаючи на це, застосування GPT від Morgan Stanley все ще знаходиться на експериментальній стадії та ще не вийшло у виробниче середовище, а експериментальне поле невелике.
Коли OpenAI офіційно запустив GPT-4 у березні цього року, він запустив програму управління капіталом Morgan Stanley як типовий випадок.
Зокрема, Morgan Stanley підтримує бібліотеку із сотень тисяч сторінок вмісту, що охоплює інвестиційні стратегії, ринкові дослідження та коментарі, а також погляди аналітиків — стільки інформації розповсюджено на багатьох внутрішніх сайтах, більшість із яких у форматі PDF, Потрібен фінансовий консультант (FA ) переглядати величезну кількість інформації для пошуку відповіді на певне запитання може бути досить неефективним.
Починаючи з минулого року, компанія та OpenAI почали співпрацювати, щоб досліджувати, як використовувати можливості вбудовування та пошуку GPT, щоб максимізувати свій «інтелектуальний капітал» — понад 100 000 документів.
GPT-4 забезпечить підтримку внутрішнього чат-бота компанії** (зауважте, що він не є зовнішнім)**, який може здійснювати всебічний пошук та інтеграцію контенту з управління капіталом, а потім надавати фінансовим консультантам потрібні відповіді.
Morgan Stanley, який має понад 15 000 фінансових консультантів, може поставити своєму внутрішньому чат-боту такі запитання:
*Інвестиційна порада (Як ми ставимося до акцій Alphabet і чи є їх майбутні показники оптимістичними чи ведмежими?)
*Бізнес як завжди (Хто є п’ятьма основними конкурентами IBM?)
* Запитання щодо процесу (Як перевести IRA в безвідкличний траст?).
Morgan Stanley "доопрацював" GPT-4 на аналогічну проблему, використовуючи 100 000 документів як навчальний корпус.
За даними Forbes, 300 експертів Morgan Stanley допомагають моделям у «навчанні з підкріпленням» — коли вони отримують відповідь від чат-бота, вони можуть проголосувати «за» або «проти» або надати більше деталей на вимогу.
Однією з широко критикованих проблем ChatGPT є те, що він часто створює «галюцинаційний» контент без фактичної основи, що є фатальним для служб управління капіталом. У відповідь Morgan Stanley обмежує типи підказок/запитань, які FA можуть вводити в систему, обмежуючи теми питаннями, що мають відношення до бізнесу, що гарантує, що результати надходять із їхніх наявних документів знань.
Якщо FA виявить, що вміст є неправильним під час використання, ви також можете звернутися до коду причини - посилаючись на основну статтю, пов'язану з джерелом вмісту - який є більш повним і надійним, ніж більшість великих мовних моделей.
Зрештою, існують аудитори з комплаєнсу, які перевіряють контент.У звичайному процесі управління знаннями компанії є персонал з комплаєнсу, який переглядає зміст інвестиційних досліджень, не кажучи вже про контент, який FA хочуть надати зовнішньому світу.
Насправді відділ управління капіталом Morgan Stanley витратив багато років на дослідження системи «Наступна найкраща дія» (NBA), яка є реалістичним інструментом для озброєння 15 000 FA машинним навчанням.
Система NBA виявляє персоналізовані інвестиційні ідеї за допомогою машинного навчання та розповсюджує їх конкретним клієнтам через свою систему CRM. Система НБА має три чіткі цільові функції:
Одна з них полягає в тому, щоб надавати клієнтам консультації щодо інвестування та сприяти прийняттю рішень, не лише забезпечувати пасивне інвестування, але й надавати індивідуальні варіанти інвестування в акції та облігації відповідно до побажань клієнтів;
По-друге, сповіщення про оперативні операції, такі як сповіщення про низькі залишки готівки та сповіщення про значні зміни у вартості інвестиційних портфелів клієнтів тощо;
По-третє, це планування життєвих подій. Наприклад, якщо підтверджено, що дитина клієнта хвора, система може порекомендувати місцеву лікарню, яка найкраще лікує цю хворобу, і фінансове планування лікування, щоб налагодити стосунки з доданою вартістю. із замовником.
Джефф Макміллан, голова відділу даних та інновацій у Morgan Stanley, який очолює бізнес, пов’язаний з GPT-4, сказав Forbes, що підхід системи NBA «виштовхнути» може бути таким же хорошим, як і підхід «витягнути», заснований на швидких відповідях GPT про співпрацю.
Відповідно до останнього липневого звіту AdvisorHub, вертикального веб-сайту для індустрії консультування багатства, Morgan Stanley розраховує розгорнути генеративні інструменти штучного інтелекту для своїх понад 15 000 фінансових консультантів у третьому кварталі цього року. З березня цього року лише 900 FA були під судом.
У рейтингу банківського штучного інтелекту підпункт таланту Morgan Stanley займає лише 11 місце. Morgan Stanley прискорив набір талантів у сфері штучного інтелекту з другої половини року. Його остання вакансія для набору нових керівників з управління капіталом для платформ штучного інтелекту та машинного навчання. За даними LinkedIn, базова річна зарплата на цій посаді становить від 180 000 до 260 000 доларів США між.
Чемпіон і другий банк ШІ: вдосконаліть існуючу систему машинного навчання
JPMorgan Chase, який очолює список, має деякі декларативні плани щодо GPT, але не розкриває надто багато деталей заявки; тоді як Королівський банк Канади (RBC), який виявився темною конячкою на другому місці, ніколи не згадував GPT.
Згідно з повідомленнями CNBC, JPMorgan Chase розробляє програмне забезпечення, схоже на ChatGPT. Документи, представлені JPMorgan Chase & Co, показують, що банк подав заявку на реєстрацію торгової марки для продукту під назвою «IndexGPT» у травні. IndexGPT використовуватиме «програмне забезпечення для хмарних обчислень із використанням штучного інтелекту» для «аналізу та вибору цінних паперів, які відповідають потребам клієнтів».
У документі про реєстрацію торгової марки вказується, що IndexGPT використовує технологію штучного інтелекту, представлену ChatGPT Лорі Бір, глобальний технологічний директор JPMorgan Chase, сказала, що банк найняв 1500 науковців з обробки даних та інженерів машинного навчання та тестує «кілька випадків використання» технології GPT. . ".
«Це стане святим Граалем того, як люди керують своїми активами», — сказала Мері Каллахан Ердоес, виконавчий директор відділу управління активами та капіталом банку, про AI на конференції JPMorgan Investor Day 22 травня.
«Ми завантажили власні дані за 30 років про кожну компанію, яку ми розглядали, — сказав Ердоес, описуючи нещодавню розробку інструментів свого відділу, — а потім об’єднали їх із мільйонами точок даних, які ми отримуємо. кожен день. Збіг, ми бачили такий величезний підйом».
Крім того, вона розповіла, що **JPMorgan Chase має власний внутрішній бізнес з управління активами, а GPT-подібна модель працює на її системі управління портфелем Spectrum. **
Друге місце в рейтингу банківського штучного інтелекту займає канадський РБК, який уже багато років використовує технологію глибокого навчання та навчання з підкріпленням для управління капіталом, особливо в першій трійці рейтингів у підкатегоріях «інновації» та «прозорість». індексні рейтинги.
РБК створив дослідницький центр штучного інтелекту під назвою Borealis AI, який не тільки обслуговує материнський банк, але й займається передовими дослідженнями штучного інтелекту. В інтерв’ю KPMG Кетрін Х’юм, керівник Borealis AI, детально розповіла, як її команда застосувала навчання з підкріпленням для банківського обслуговування клієнтів:
Команда Borealis AI і RBC Capital Markets запустили систему виконання торгів на основі підкріпленого навчання. "Ми хотіли зрозуміти, як можна використовувати машинне навчання, щоб допомогти клієнтам із великими або масовими замовленнями краще здійснювати послідовні угоди для отримання максимального прибутку. Виявилося, що створені нами моделі були дуже динамічними, реагуючи в реальному часі з більшою гнучкістю, ніж традиційні торгові алгоритми. у нестабільності».
ШІ Borealis також успішно допоміг роздрібним і комерційним банкам перетворити вчорашні бізнес-процеси на продукти майбутнього. Наприклад, ** створив інструмент прогнозування грошових потоків, щоб допомогти фінансовим консультантам активно взаємодіяти з клієнтами, розуміти майбутні фінансові потреби та надавати більш цілеспрямовані поради. ** Також допомагає роздрібним клієнтам керувати своїми фінансами, створюючи програми та користуючись перевагами новітньої технології машинного навчання персоналізації.
У квітні цього року РБК виграв нагороду «Кращий досвід роботи зі штучним інтелектом» від журналу Digital Banker за систему NOMI Forecast, яку спільно розробили банк і Borealis AI.
Система NOMI Forecast використовує глибоке навчання для надання своєчасних і точних прогнозів грошових потоків клієнтів. Завдяки унікальному набору даних банку моделі навчені персоналізувати досвід для клієнтів RBC, включаючи оплату рахунків, електронні перекази, інвестиції та виплати заробітної плати.
Вертикальна велика модель: підходить найкраще
Незалежно від того, чи це система NBA від Morgan Stanley, система Spectrum від Morgan Stanley або система NOMI Forecast, незалежно розроблена RGB, усі вони являють собою комбінації різних моделей, навчених власними даними банку. Після прищеплення GPT для тонкого налаштування навчання, підвищення загальної здатності взаємодії є подібним вибором цих провідних міжнародних банків.
Незалежно від іноземних чи внутрішніх країн, зі збільшенням кількості великих моделей із відкритим кодом і зниженням витрат на навчання моделей, одержимість загальними великими мовними моделями поступово зникла. З Всесвітньої конференції штучного інтелекту в Шанхаї, що щойно завершилася, можна дізнатися, що новий наратив такий: галузева модель, вертикальна модель і «велика модель розширює можливості для тисяч галузей».
Найбільш типовим прикладом є BloombergGPT, запущений Bloomberg. Bloomberg зробив модель меншою, приблизно з 50 мільярдами параметрів, що набагато менше, ніж 175 мільярдів параметрів GPT-3. Хоча це послаблює універсальність, її продуктивність у фінансовій сфері значно краща ніж великі моделі загального призначення.
Суворий нагляд і професіоналізм фінансової індустрії визначають, що на основі ноу-хау професійне навчання даних, накопичених фінансовими установами, може бути використано для створення вертикальної моделі, яка відповідає потребам галузі. **Наприклад, велика модель Origin One, запущена компанією Bingjian Technology, спираючись на багаторічний досвід роботи з моделями алгоритмів, що обслуговують банків і страхових клієнтів, докладає зусиль для інтелектуального обслуговування клієнтів, обробки фінансових документів та аналізу іноземних інвестиційних продуктів. **
Професійні переваги вертикальної моделі ставатимуть все більш очевидними в індустрії управління капіталом. Поява GPT змінить уявлення про те, що робо-консультанти були «ексклюзивними послугами» для заможних сімей у минулому, і дозволить стрімкий розвиток ринку довгого хвоста. За допомогою GPT-4, у скільки разів збільшиться кількість і ефективність 15 000 фінансових радників Morgan Stanley, які обслуговують клієнтів?
На додаток до цих найкращих банків, вертикальна велика модель дає стартапам більше можливостей обслуговувати більше клієнтів на прикладному рівні. Технологічні компанії залучають більше клієнтів, що пропадають, через низькі бар’єри для входу та незалежність, тоді як традиційні великі банки використовують власні переваги, щоб орієнтуватися на наявних клієнтів і просувати різноманітні портфелі продуктів.Установи різного розміру визначають різні стратегії у сфері робо-консультування.
З точки зору ринку робо-консалтингу США, він включає три типи учасників:
По-перше, компанії-початківці, представлені Wealthfront і Betterment, використовують власні технологічні переваги та низькі порогові вимоги, щоб отримати цінність клієнтів з довгим хвостом;
По-друге, великі фінансові установи, представлені Vanguard і Charles Schwab, використовують переваги власного капіталу, переваги існуючих клієнтів, переваги брендів і конкурентні бар’єри для запуску інтелектуальних інвестиційних консалтингових продуктів;
По-третє, це придбання сторонніх компаній для швидкого розгортання ринку інтелектуального інвестиційного консультування, наприклад, придбання Future Advisor компанією BlackRock.
Згідно з розрахунками кредитно-рейтингової компанії CRISIL GR&A, очікується, що застосування великомасштабних моделей у сфері інтелектуальних інвестиційних досліджень дозволить заощадити 22,5% вартості, завдяки чому управління капіталом принесе користь більшій кількості людей.
** Більша інклюзивність також означає більший ризик. **Варто зазначити, що здатність РБК випередити багато великих європейських і американських банків і посісти друге місце в списку індексу банківського штучного інтелекту також зумовлена його відповідальною діяльністю в галузі штучного інтелекту (Responsible AI). Кетрін Юм вважає, що люди все більше усвідомлюють моральну небезпеку, яку ШІ може посилити. У всьому світі дебати навколо етичного та відповідального використання штучного інтелекту посилюються.
Пояснюваний штучний інтелект (XAI) стане новою технологією, можливо, її аналогом GPT. У той час як алгоритмічна ідея ChatGPT є повністю «чорними скриньками», XAI дозволяє користувачам і регуляторам ретельно досліджувати основи роботи штучного інтелекту та спонукає розробників відточувати алгоритми, щоб вони працювали належним чином. **XAI дає змогу менеджерам з управління активами та інвестиційним консультантам контролювати та обґрунтовувати фінансові поради, отримані за допомогою ШІ, і узгоджувати їх із нормативними вимогами та найкращими інтересами клієнтів. **
Довідкові матеріали:
Evident Insights: Evident AI Index for Banks Key Findings Report
FORBES: Як Morgan Stanley навчає GPT допомагати фінансовим консультантам
AdvisorHub: Morgan Stanley розгорне програмне забезпечення ШІ для всіх брокерів у третьому кварталі
Ping An Securities: * «Погляд на цифрову трансформацію комерційних банків від AIGC»*
Переглянути оригінал
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
AI+Wealth Management: провідні міжнародні банки планують використовувати GPT таким чином
Джерело: Bingjian Technology Research Institute
Недавній список, присвячений ШІ та банківській справі, цитується все частіше. До списку входять 23 найбільші банки Європи та США, загальні активи яких становлять щонайменше 1 трильйон доларів США.
Цей список називається «Індекс банківського штучного інтелекту (Evident AI Index)», опублікований консалтинговою компанією Evident Insights, він є загальнодоступним, і це перший випадок рейтингу банківського списку зрілості штучного інтелекту (AI maturity).
10 найкращих банківських індексів ШІ:
Щоб скласти цей список, Evident Insights зібрала мільйони точок даних на основі банківських фінансових звітів і загальнодоступних даних із ряду сторонніх джерел даних за участю понад 50 провідних експертів зі штучного інтелекту та банківської справи, щоб встановити це. список.
Кожен банк оцінюється за 142 окремими показниками за чотирма параметрами: талант, інновації, лідерство та прозорість. Талант має найбільшу вагу, досягаючи 40%.
Згідно з Evident Insights, кількість і якість талантів ШІ значною мірою вплине на майбутню конкурентоспроможність цих провідних банків. JPMorgan Chase, який займає перше місце, має найбільше співробітників зі штучним інтелектом у банківській галузі, що становить понад 10% від загальної кількості працівників, і все ще прискорює набір. У період з лютого по квітень 2023 року JPMorgan Chase опублікував щонайменше 20% оголошень про вакансії на посади в сфері штучного інтелекту та обробки даних у всіх банках зі списку.
Провівши пошук і проаналізувавши інформацію на веб-сайтах з працевлаштування, таких як LinkedIn, Evident Insights також виявив цікавий феномен: у той час, коли генеративний штучний інтелект є таким популярним, ці 23 банки мають менше 2% посадових інструкцій, пов’язаних зі штучним інтелектом**, Skills для генеративного ШІ, такого як великі мовні моделі (LLM) або ChatGPT, явно згадуються.
Проаналізувавши звіти, пов’язані з Evident, і перелічені банки, Bingjian Technology Research Institute також виявив, що хоча GPT став загальновідомою наукою, ці великі міжнародні банки не вважають, що він може вилікувати всі хвороби. Завдяки раннім інвестиціям у технологію штучного інтелекту та глибокому розгортанню багато банків** уже створили системи управління капіталом глибокого навчання, які є досить зрілими, і вони не поспішали наздоганяти гарячі точки GPT. **
Навпаки, зазначені у списку показники «прозорості» оцінюються багатьма великими банками вище.
Morgan Stanley: використовуйте GPT-4 для управління знаннями
Morgan Stanley, яка ледве потрапила в топ-10 банківського списку ШІ-індексу, є найгучнішою за додатками GPT, а її підпункт «інновації» займає четверте місце. Незважаючи на це, застосування GPT від Morgan Stanley все ще знаходиться на експериментальній стадії та ще не вийшло у виробниче середовище, а експериментальне поле невелике.
Коли OpenAI офіційно запустив GPT-4 у березні цього року, він запустив програму управління капіталом Morgan Stanley як типовий випадок.
Зокрема, Morgan Stanley підтримує бібліотеку із сотень тисяч сторінок вмісту, що охоплює інвестиційні стратегії, ринкові дослідження та коментарі, а також погляди аналітиків — стільки інформації розповсюджено на багатьох внутрішніх сайтах, більшість із яких у форматі PDF, Потрібен фінансовий консультант (FA ) переглядати величезну кількість інформації для пошуку відповіді на певне запитання може бути досить неефективним.
Починаючи з минулого року, компанія та OpenAI почали співпрацювати, щоб досліджувати, як використовувати можливості вбудовування та пошуку GPT, щоб максимізувати свій «інтелектуальний капітал» — понад 100 000 документів.
GPT-4 забезпечить підтримку внутрішнього чат-бота компанії** (зауважте, що він не є зовнішнім)**, який може здійснювати всебічний пошук та інтеграцію контенту з управління капіталом, а потім надавати фінансовим консультантам потрібні відповіді.
Morgan Stanley, який має понад 15 000 фінансових консультантів, може поставити своєму внутрішньому чат-боту такі запитання:
*Інвестиційна порада (Як ми ставимося до акцій Alphabet і чи є їх майбутні показники оптимістичними чи ведмежими?)
*Бізнес як завжди (Хто є п’ятьма основними конкурентами IBM?)
* Запитання щодо процесу (Як перевести IRA в безвідкличний траст?).
Morgan Stanley "доопрацював" GPT-4 на аналогічну проблему, використовуючи 100 000 документів як навчальний корпус.
За даними Forbes, 300 експертів Morgan Stanley допомагають моделям у «навчанні з підкріпленням» — коли вони отримують відповідь від чат-бота, вони можуть проголосувати «за» або «проти» або надати більше деталей на вимогу.
Однією з широко критикованих проблем ChatGPT є те, що він часто створює «галюцинаційний» контент без фактичної основи, що є фатальним для служб управління капіталом. У відповідь Morgan Stanley обмежує типи підказок/запитань, які FA можуть вводити в систему, обмежуючи теми питаннями, що мають відношення до бізнесу, що гарантує, що результати надходять із їхніх наявних документів знань.
Якщо FA виявить, що вміст є неправильним під час використання, ви також можете звернутися до коду причини - посилаючись на основну статтю, пов'язану з джерелом вмісту - який є більш повним і надійним, ніж більшість великих мовних моделей.
Зрештою, існують аудитори з комплаєнсу, які перевіряють контент.У звичайному процесі управління знаннями компанії є персонал з комплаєнсу, який переглядає зміст інвестиційних досліджень, не кажучи вже про контент, який FA хочуть надати зовнішньому світу.
Насправді відділ управління капіталом Morgan Stanley витратив багато років на дослідження системи «Наступна найкраща дія» (NBA), яка є реалістичним інструментом для озброєння 15 000 FA машинним навчанням.
Система NBA виявляє персоналізовані інвестиційні ідеї за допомогою машинного навчання та розповсюджує їх конкретним клієнтам через свою систему CRM. Система НБА має три чіткі цільові функції:
Одна з них полягає в тому, щоб надавати клієнтам консультації щодо інвестування та сприяти прийняттю рішень, не лише забезпечувати пасивне інвестування, але й надавати індивідуальні варіанти інвестування в акції та облігації відповідно до побажань клієнтів;
По-друге, сповіщення про оперативні операції, такі як сповіщення про низькі залишки готівки та сповіщення про значні зміни у вартості інвестиційних портфелів клієнтів тощо;
По-третє, це планування життєвих подій. Наприклад, якщо підтверджено, що дитина клієнта хвора, система може порекомендувати місцеву лікарню, яка найкраще лікує цю хворобу, і фінансове планування лікування, щоб налагодити стосунки з доданою вартістю. із замовником.
Джефф Макміллан, голова відділу даних та інновацій у Morgan Stanley, який очолює бізнес, пов’язаний з GPT-4, сказав Forbes, що підхід системи NBA «виштовхнути» може бути таким же хорошим, як і підхід «витягнути», заснований на швидких відповідях GPT про співпрацю.
Відповідно до останнього липневого звіту AdvisorHub, вертикального веб-сайту для індустрії консультування багатства, Morgan Stanley розраховує розгорнути генеративні інструменти штучного інтелекту для своїх понад 15 000 фінансових консультантів у третьому кварталі цього року. З березня цього року лише 900 FA були під судом.
У рейтингу банківського штучного інтелекту підпункт таланту Morgan Stanley займає лише 11 місце. Morgan Stanley прискорив набір талантів у сфері штучного інтелекту з другої половини року. Його остання вакансія для набору нових керівників з управління капіталом для платформ штучного інтелекту та машинного навчання. За даними LinkedIn, базова річна зарплата на цій посаді становить від 180 000 до 260 000 доларів США між.
Чемпіон і другий банк ШІ: вдосконаліть існуючу систему машинного навчання
JPMorgan Chase, який очолює список, має деякі декларативні плани щодо GPT, але не розкриває надто багато деталей заявки; тоді як Королівський банк Канади (RBC), який виявився темною конячкою на другому місці, ніколи не згадував GPT.
Згідно з повідомленнями CNBC, JPMorgan Chase розробляє програмне забезпечення, схоже на ChatGPT. Документи, представлені JPMorgan Chase & Co, показують, що банк подав заявку на реєстрацію торгової марки для продукту під назвою «IndexGPT» у травні. IndexGPT використовуватиме «програмне забезпечення для хмарних обчислень із використанням штучного інтелекту» для «аналізу та вибору цінних паперів, які відповідають потребам клієнтів».
У документі про реєстрацію торгової марки вказується, що IndexGPT використовує технологію штучного інтелекту, представлену ChatGPT Лорі Бір, глобальний технологічний директор JPMorgan Chase, сказала, що банк найняв 1500 науковців з обробки даних та інженерів машинного навчання та тестує «кілька випадків використання» технології GPT. . ".
«Це стане святим Граалем того, як люди керують своїми активами», — сказала Мері Каллахан Ердоес, виконавчий директор відділу управління активами та капіталом банку, про AI на конференції JPMorgan Investor Day 22 травня.
«Ми завантажили власні дані за 30 років про кожну компанію, яку ми розглядали, — сказав Ердоес, описуючи нещодавню розробку інструментів свого відділу, — а потім об’єднали їх із мільйонами точок даних, які ми отримуємо. кожен день. Збіг, ми бачили такий величезний підйом».
Крім того, вона розповіла, що **JPMorgan Chase має власний внутрішній бізнес з управління активами, а GPT-подібна модель працює на її системі управління портфелем Spectrum. **
Друге місце в рейтингу банківського штучного інтелекту займає канадський РБК, який уже багато років використовує технологію глибокого навчання та навчання з підкріпленням для управління капіталом, особливо в першій трійці рейтингів у підкатегоріях «інновації» та «прозорість». індексні рейтинги.
РБК створив дослідницький центр штучного інтелекту під назвою Borealis AI, який не тільки обслуговує материнський банк, але й займається передовими дослідженнями штучного інтелекту. В інтерв’ю KPMG Кетрін Х’юм, керівник Borealis AI, детально розповіла, як її команда застосувала навчання з підкріпленням для банківського обслуговування клієнтів:
Команда Borealis AI і RBC Capital Markets запустили систему виконання торгів на основі підкріпленого навчання. "Ми хотіли зрозуміти, як можна використовувати машинне навчання, щоб допомогти клієнтам із великими або масовими замовленнями краще здійснювати послідовні угоди для отримання максимального прибутку. Виявилося, що створені нами моделі були дуже динамічними, реагуючи в реальному часі з більшою гнучкістю, ніж традиційні торгові алгоритми. у нестабільності».
ШІ Borealis також успішно допоміг роздрібним і комерційним банкам перетворити вчорашні бізнес-процеси на продукти майбутнього. Наприклад, ** створив інструмент прогнозування грошових потоків, щоб допомогти фінансовим консультантам активно взаємодіяти з клієнтами, розуміти майбутні фінансові потреби та надавати більш цілеспрямовані поради. ** Також допомагає роздрібним клієнтам керувати своїми фінансами, створюючи програми та користуючись перевагами новітньої технології машинного навчання персоналізації.
У квітні цього року РБК виграв нагороду «Кращий досвід роботи зі штучним інтелектом» від журналу Digital Banker за систему NOMI Forecast, яку спільно розробили банк і Borealis AI.
Система NOMI Forecast використовує глибоке навчання для надання своєчасних і точних прогнозів грошових потоків клієнтів. Завдяки унікальному набору даних банку моделі навчені персоналізувати досвід для клієнтів RBC, включаючи оплату рахунків, електронні перекази, інвестиції та виплати заробітної плати.
Вертикальна велика модель: підходить найкраще
Незалежно від того, чи це система NBA від Morgan Stanley, система Spectrum від Morgan Stanley або система NOMI Forecast, незалежно розроблена RGB, усі вони являють собою комбінації різних моделей, навчених власними даними банку. Після прищеплення GPT для тонкого налаштування навчання, підвищення загальної здатності взаємодії є подібним вибором цих провідних міжнародних банків.
Незалежно від іноземних чи внутрішніх країн, зі збільшенням кількості великих моделей із відкритим кодом і зниженням витрат на навчання моделей, одержимість загальними великими мовними моделями поступово зникла. З Всесвітньої конференції штучного інтелекту в Шанхаї, що щойно завершилася, можна дізнатися, що новий наратив такий: галузева модель, вертикальна модель і «велика модель розширює можливості для тисяч галузей».
Найбільш типовим прикладом є BloombergGPT, запущений Bloomberg. Bloomberg зробив модель меншою, приблизно з 50 мільярдами параметрів, що набагато менше, ніж 175 мільярдів параметрів GPT-3. Хоча це послаблює універсальність, її продуктивність у фінансовій сфері значно краща ніж великі моделі загального призначення.
Суворий нагляд і професіоналізм фінансової індустрії визначають, що на основі ноу-хау професійне навчання даних, накопичених фінансовими установами, може бути використано для створення вертикальної моделі, яка відповідає потребам галузі. **Наприклад, велика модель Origin One, запущена компанією Bingjian Technology, спираючись на багаторічний досвід роботи з моделями алгоритмів, що обслуговують банків і страхових клієнтів, докладає зусиль для інтелектуального обслуговування клієнтів, обробки фінансових документів та аналізу іноземних інвестиційних продуктів. **
Професійні переваги вертикальної моделі ставатимуть все більш очевидними в індустрії управління капіталом. Поява GPT змінить уявлення про те, що робо-консультанти були «ексклюзивними послугами» для заможних сімей у минулому, і дозволить стрімкий розвиток ринку довгого хвоста. За допомогою GPT-4, у скільки разів збільшиться кількість і ефективність 15 000 фінансових радників Morgan Stanley, які обслуговують клієнтів?
На додаток до цих найкращих банків, вертикальна велика модель дає стартапам більше можливостей обслуговувати більше клієнтів на прикладному рівні. Технологічні компанії залучають більше клієнтів, що пропадають, через низькі бар’єри для входу та незалежність, тоді як традиційні великі банки використовують власні переваги, щоб орієнтуватися на наявних клієнтів і просувати різноманітні портфелі продуктів.Установи різного розміру визначають різні стратегії у сфері робо-консультування.
З точки зору ринку робо-консалтингу США, він включає три типи учасників:
По-перше, компанії-початківці, представлені Wealthfront і Betterment, використовують власні технологічні переваги та низькі порогові вимоги, щоб отримати цінність клієнтів з довгим хвостом;
По-друге, великі фінансові установи, представлені Vanguard і Charles Schwab, використовують переваги власного капіталу, переваги існуючих клієнтів, переваги брендів і конкурентні бар’єри для запуску інтелектуальних інвестиційних консалтингових продуктів;
По-третє, це придбання сторонніх компаній для швидкого розгортання ринку інтелектуального інвестиційного консультування, наприклад, придбання Future Advisor компанією BlackRock.
Згідно з розрахунками кредитно-рейтингової компанії CRISIL GR&A, очікується, що застосування великомасштабних моделей у сфері інтелектуальних інвестиційних досліджень дозволить заощадити 22,5% вартості, завдяки чому управління капіталом принесе користь більшій кількості людей.
** Більша інклюзивність також означає більший ризик. **Варто зазначити, що здатність РБК випередити багато великих європейських і американських банків і посісти друге місце в списку індексу банківського штучного інтелекту також зумовлена його відповідальною діяльністю в галузі штучного інтелекту (Responsible AI). Кетрін Юм вважає, що люди все більше усвідомлюють моральну небезпеку, яку ШІ може посилити. У всьому світі дебати навколо етичного та відповідального використання штучного інтелекту посилюються.
Пояснюваний штучний інтелект (XAI) стане новою технологією, можливо, її аналогом GPT. У той час як алгоритмічна ідея ChatGPT є повністю «чорними скриньками», XAI дозволяє користувачам і регуляторам ретельно досліджувати основи роботи штучного інтелекту та спонукає розробників відточувати алгоритми, щоб вони працювали належним чином. **XAI дає змогу менеджерам з управління активами та інвестиційним консультантам контролювати та обґрунтовувати фінансові поради, отримані за допомогою ШІ, і узгоджувати їх із нормативними вимогами та найкращими інтересами клієнтів. **
Довідкові матеріали: