Morgan Stanley 및 기타 기관에서 ChatGPT를 도입했습니다.금융 분야에서 생성 AI의 응용 프로그램은 무엇입니까?
금융 분야에서 생성 AI의 응용 프로그램은 무엇입니까? 장점은 무엇입니까? 당신은 어떤 도전에 직면하고 있습니까? 이해하다
여러 비즈니스 시나리오 및 실제 사례에서 금융 분야의 생성 AI 적용 보기
ChatGPT는 개인 정보 보호 기능을 시작했고, 유럽 연합은 새로운 규정 제정을 가속화했으며, 생성 AI는 금융 분야에서 밝은 미래를 가지고 있습니다.
금융 부문에서 생성 AI의 적용에 대한 태도는 이제 두 가지 파벌로 나뉩니다.
Bank of America, Citigroup 및 Goldman Sachs와 같은 대형 은행은 데이터 유출 및 기타 문제로 인해 2월 말 직원들의 ChatGPT 사용을 신속하게 제한했습니다.
하지만 다른 금융회사들은 여전히 적극적으로 제너럴 AI를 발굴하고 적용하려고 하고 있다.
예를 들어 Morgan Stanley는 OpenAI 기반 챗봇을 사용하여 회사의 내부 연구 및 데이터 저장소를 활용하는 지식 자원으로 재무 고문을 지원합니다 .
헤지펀드 Citadel은 소프트웨어 개발 및 정보 분석에 사용될 엔터프라이즈급 ChatGPT 라이선스를 협상하고 있습니다.
비용 관리 플랫폼인 Brex는 또한 OpenAI와 협력하여 고객을 위한 채팅 기반 지출 통찰력과 벤치마크를 출시하고 있습니다. Bloomberg는 정서 분석, 뉴스 분류 및 기타 재무 작업을 위한 대규모 재무 관련 언어 모델인 BloombergGPT를 개발하고 있습니다.
중국에서 초상은행은 빠르면 2월 초 공식 마이크로블로그에 ChatGPT가 참여해 은행 가족 신용카드에 대한 홍보 초안을 공개했다. . 관련 제안을 합니다.
ChatGPT는 데이터 유출을 경험했지만 삼성도 ChatGPT 사용으로 인한 상용 데이터 유출의 전형적인 사례가 되었습니다. 하지만 금융권은 여전히 제너레이티브 AI 기술의 태도와 적용에 대해 신중하고 낙관적이다.
그리고 대부분의 기업에서는 개인 배포, 보안 보호, 합성 데이터 및 안정적인 자동화를 통해 일부 요소를 여전히 제어할 수 있습니다.
특히 ChatGPT가 며칠 전 새로운 개인 정보 보호 기능을 출시한 후 채팅 기록이 꺼져 있는 한 사용자 데이터는 OpenAI의 인공 지능(AI) 모델 을 교육하고 개선하는 데 사용되지 않습니다. 이 기능은 ChatGPT를 사용하는 조직의 데이터 유출을 효과적으로 억제했습니다.
최근에 생각해 볼 가치가 있는 또 다른 정보가 있습니다. 즉, Nvidia는 NeMo Guardrails와 같은 "가드레일" 소프트웨어를 출시하여 무작위 출력과 생성 AI의 넌센스를 방지했습니다. 이는 고객에게 더 나은 서비스를 제공하고 시장 점유율을 확대하기 위해 더 많은 회사가 생성 AI를 제한하고 최적화하는 소프트웨어 애플리케이션을 출시할 것임을 의미할 수 있습니다.
유럽 연합은 생성 AI에 대한 새로운 규칙의 공식화를 가속화하고 있으며 생성 AI에 더 많은 규제를 부여하는 "AI 프로덕션" 레이블을 설정할 계획입니다.
중국은 또한 "Generative Artificial Intelligence Service Management Measures (Draft for Comment)" 초안을 작성하고 공개적으로 대중의 의견을 구했습니다. "조치"는 국가가 인공 지능 알고리즘 및 프레임워크와 같은 기본 기술의 독립적인 혁신, 촉진 및 적용, 국제 협력을 지원한다고 명시합니다. 따라서 관리 방안을 마련하는 것은 기술을 제한하는 것이 아니라 미래에 더 나은 기술을 개발하기 위한 것입니다.
다양한 조직의 이니셔티브는 제너레이티브 AI를 제한된 긍정적 트랙으로 추진하고 있으며, 이는 금융 분야에서 제너레이티브 AI의 큰 발전에 매우 도움이 될 것입니다.
금융 분야에서 제너레이티브 AI의 발전 추세에 대해 많이 말했는데, 금융 분야에서 제너레이티브 AI의 적용은 무엇입니까? 장점은 무엇입니까? 어떤 문제에 직면해 있습니까?
이 기사에서는 Wang Jiwei Channel이 이에 대해 이야기합니다.
금융 분야의 제너레이티브 AI 적용
제너레이티브 AI는 인공지능 기술의 일종으로 딥러닝 등의 방법을 통해 대량의 데이터에서 규칙을 학습하고 주어진 조건이나 목표에 따라 텍스트, 이미지, 오디오 등의 요구사항을 충족하는 기술을 자동으로 생성하는 기술이다. 콘텐츠.
Generative AI는 새로운 콘텐츠를 생성하는 능력에서 다른 AI 기술과 비교할 때 고유합니다. 예를 들어 GPT(Generative Pretrained Transformer)는 인간과 유사한 텍스트를 생성하기 위해 딥 러닝을 사용하는 대규모 자연어 기술입니다.
OpenAI의 3세대 GPT(GPT-3)는 흡수한 훈련을 기반으로 문장에서 가장 가능성이 높은 다음 단어를 예측할 수 있었고 이야기, 노래, 시, 심지어 컴퓨터 코드까지 쓸 수 있었습니다.
이러한 장점으로 인해 제너레이티브 AI는 금융 분야의 다양한 비즈니스 시나리오에 적용될 수 있으며, 대표적인 애플리케이션은 다음과 같다.
Robo-advisor: 위험 선호, 소득 목표 및 자산 상태를 기반으로 고객에게 개인화된 투자 조언 및 포트폴리오 최적화를 제공합니다. Generative AI는 빅 데이터 분석, 딥 러닝 및 강화 학습과 같은 기술을 사용하여 시장 역학을 실시간으로 모니터링하고 투자 전략을 조정하며 수익을 높이고 위험을 줄일 수 있습니다.
지능형 투자 연구: Generative AI 기술은 방대한 금융 데이터, 뉴스, 소셜 미디어 및 기타 정보를 분석하여 투자자에게 주식, 펀드, 채권과 같은 금융 상품에 대한 평가 및 예측은 물론 투자 전략 및 제안을 제공할 수 있습니다.
예를 들어 Morgan Stanley의 AI 모델은 무엇보다도 뉴스 보고서, 소셜 미디어 게시물 및 재무제표를 분석하여 패턴을 식별하고 주가를 예측할 수 있습니다. ChatGPT와 같은 AI 도구는 뉴스 헤드라인이 회사 주가에 미치는 영향을 분석하거나 중앙 은행 정책 발표가 금융 시장에 미치는 잠재적 영향을 해독할 수 있습니다.
지능형 위험 관리: 고객 신용 기록, 행동 특성 및 사회적 관계와 같은 데이터를 분석하여 금융 기관에 정확한 위험 평가 및 사기 적발 기능을 제공합니다. 제너레이티브 AI는 그래프 신경망, 적대적 제너레이티브 네트워크, 이상 탐지와 같은 기술을 사용하여 잠재적인 위험 요소를 발굴하고 비정상적인 행동을 식별하며 재정적 손실을 방지할 수 있습니다.
인슈어테크(Insurtech): 제너레이티브 AI는 고객의 니즈, 선호도, 시나리오에 따라 맞춤형 보험 상품과 서비스를 제공할 수 있습니다. Generative AI는 조건부 생성 네트워크, 텍스트 생성 및 이미지 생성과 같은 기술을 사용하여 다양한 보험 시나리오를 시뮬레이션하고 적절한 보험 계획을 생성하며 고객 경험과 만족도를 향상할 수 있습니다.
금융 분야에서 제너레이티브 AI의 적용 시나리오는 이보다 훨씬 많습니다. 예를 들어, Wenxinyiyan의 첫 번째 생태 파트너인 Industrial Bank는 스마트 아웃렛, 스마트 서비스, 스마트 위험 제어, 스마트 운영, 스마트 마케팅, 스마트 투자 연구와 같은 금융 시나리오에서 인공 지능 대규모 모델 기술을 적용했습니다. , 스마트한 자산관리, 스마트한 고객서비스 .
인공지능 기술의 지속적인 개발과 혁신으로 제너레이티브 AI는 금융 분야에서 더 큰 역할을 하고 금융 산업에 더 많은 가치와 기회를 가져올 것입니다.
금융 분야의 제너레이티브 AI 적용 사례
금융 분야에서 제너레이티브 AI의 이전 응용 시나리오를 통해 금융 분야에서 광범위한 응용 가치를 가지고 있음을 알 수 있습니다. 금융 서비스의 효율성과 경험을 개선하고 금융 위험과 비용을 줄이며 새로운 금융 상품과 모델을 창출하는 제너레이티브 AI의 역할.
모든 사람의 이해를 돕기 위해 다음은 몇 가지 더 구체적인 적용 사례입니다.
사례 1: 지능형 고객 서비스에 적용
지능형 고객 서비스는 제너레이티브 AI 기술을 활용해 금융이용자들에게 음성이나 문자를 통해 24시간 온라인 상담, 처리, 문제해결 서비스를 제공하는 것을 말한다.
지능적인 고객 서비스는 ChatGPT 등과 같은 대규모 모델 기술을 기반으로 금융 산업의 전문 지식 및 데이터와 결합하여 대화식 교육을 통해 여러 라운드의 복잡한 대화, 자연어 이해 및 생성을 달성할 수 있습니다. 감정 인식 및 적응. 스마트한 고객 서비스는 신용 상품, 자산 관리 상품, 보험 상품과 같은 여러 비즈니스 링크에 적용될 수 있어 사용자 만족도와 전환율을 크게 향상시키고 인건비와 위험을 줄입니다.
예를 들어, 유럽의 선도적인 모바일 은행인 N26은 클라우드 환경에 생성 AI 기술을 기반으로 하는 Rasa 음성 비서를 배치했습니다. 또는 도난당한 신용 카드 보고와 같은 복잡한 작업. N26은 기계 학습 모델을 조정하여 자체 데이터 세트가 최고의 성능을 달성하도록 했으며 단기간에 언어 도우미에 대한 고객 서비스 요청의 20%-30%를 달성했습니다.
사례 2: 지능형 위험 관리에 적용
지능적 위험 관리는 생성적 AI 기술을 사용하여 방대한 데이터의 분석 및 모델링을 통해 금융 기관에 효과적인 위험 경고 및 예측을 제공하여 전체 사회의 금융 위험을 줄이는 것을 말합니다. 지능형 위험 통제는 LLM 등과 같은 대규모 언어 모델 기술을 기반으로 인터넷 텍스트 데이터, 행동 데이터 및 신용 보고 데이터를 결합하여 더 많은 차원에서 위험 지표를 식별하고 소규모 신용을 더 잘 평가할 수 있습니다. 소상공인.위험.
지능형 위험 통제는 신용 승인, 대출 후 관리, 사기 방지, 자금 세탁 방지와 같은 여러 링크에 적용할 수 있어 위험 통제의 효율성과 정확성을 크게 향상시키고 부실률과 손실을 줄일 수 있습니다. .
사례 3: 지능형 인터랙션에 적용
지능적 상호작용은 제너레이티브 AI 기술을 사용하여 금융 사용자에게 다중 모드 방식으로 보다 풍부하고 편리한 상호작용 경험을 제공하는 것을 말합니다.
지능형 상호 작용은 AutoGPT 등과 같은 다중 모드 모델 기술을 기반으로 이미지, 음성, 비디오 및 기타 미디어 정보를 이해하고 생성하여 교차 미디어 정보 변환 및 프레젠테이션을 실현할 수 있습니다. 지능형 상호 작용은 금융 마케팅, 금융 교육 및 금융 엔터테인먼트와 같은 여러 시나리오에 적용할 수 있으며, 이를 통해 사용자 참여 및 충성도를 크게 높이고 사용자 충성도 및 수입을 높일 수 있습니다.
지능형 상호 작용은 고객에게만 적용되는 것이 아니라 내부 금융 개발 사업에도 적용됩니다.
예를 들어, 강소성 은행의 기술 팀은 ChatGPT 응용에서 유익한 탐색을 수행했으며 기술 인력은 ChatGPT와 Codex 기술을 공동으로 적용하여 은행의 정보 시스템 운영을 분석하고 관련 제안을 자동으로 분석하고 얻었습니다.
코드는 프로덕션 환경에서 실행되며 모든 요구 사항을 완벽하게 완료하는 데 1시간도 채 걸리지 않습니다. 함수를 작성하는 시간이 크게 단축되었으며, 제조업체와의 통신에 소요되는 시간이 며칠에서 몇 시간으로 단축되었습니다.
금융 분야에서 제너레이티브 AI의 장점과 과제
금융 분야에서는 연구원 및 관련 기관의 탐색 및 테스트를 거쳐 뉴스가 주가에 미치는 영향 분석, 정책 설명 해석 및 투자 결정 지원과 같은 ChatGPT와 같은 생성 AI 도구가 널리 사용되었습니다.
일반적으로 금융 분야에서 생성적 AI의 장점은 다음과 같습니다.
효율성과 품질을 향상시킵니다. 방대한 데이터에서 가치 있는 정보를 빠르게 추출하고, 고품질 보고서, 제안, 전략 등을 생성하고, 인력과 시간 비용을 절감하고, 금융 서비스의 효율성과 품질을 향상시킵니다.
혁신과 경쟁력을 강화합니다. 방대한 데이터를 사용하여 잠재적인 시장 기회, 위험 및 동향을 파악하고 금융 기관에 새로운 아이디어와 전략을 제공하며 혁신 역량과 경쟁력을 강화하십시오.
위험과 비용을 줄입니다 . 데이터 분석 및 시뮬레이션을 사용하여 시장 변화 및 위험 요소를 예측하고 합리적인 위험 제어 및 대응 계획을 생성하며 금융 비즈니스 위험 및 비용을 줄입니다.
사용자 경험과 만족을 풍부하게 합니다. 사용자 행동 및 피드백에 따라 생성된 콘텐츠를 실시간으로 조정 및 최적화하고, 사용자의 요구와 선호도에 보다 부합하는 금융 서비스를 제공하며, 사용자 경험과 만족을 풍부하게 합니다.
혁신과 경쟁력을 강화합니다. 다양한 요구와 시나리오에 따라 다양하고 개인화된 콘텐츠를 생성하여 고객의 다양한 요구를 충족하고 금융 상품 및 서비스의 혁신과 경쟁력을 강화합니다.
AI 도구의 엄청난 잠재력에도 불구하고 몇 가지 과제도 있습니다.
AI 도구는 예상치 못한 이벤트, 시장 상황의 변화, 인간의 개입 등 모든 요소를 고려할 수 없습니다. 또한 이러한 도구가 의사 결정을 내리는 방식에 대해 더 큰 투명성이 필요합니다. 이러한 AI 도구를 사용할 때 제공하는 권장 사항이 편향되거나 편향될 수 있음을 고려해야 합니다.
금융 분야에서 제너레이티브 AI 기술의 적용은 다음과 같이 요약할 수 있는 몇 가지 과제에 직면해 있습니다.
1. 데이터 보안 및 개인 정보 보호. 제너레이티브 AI 기술은 입력 및 출력으로 많은 양의 데이터를 필요로 하며, 이는 금융 데이터의 보안 및 고객 개인 정보 보호와 관련됩니다. 데이터 유출, 변조, 남용 등을 방지하는 방법은 해결해야 할 시급한 문제입니다.
2. 기술적 신뢰성 및 설명 가능성. 제너레이티브 AI 기술은 복잡한 알고리즘과 모델에 의존하며, 생성된 콘텐츠에는 오류, 편차, 불일치 등의 문제가 있어 신뢰성과 신뢰성에 영향을 미칠 수 있습니다. 동시에 그 생성 프로세스는 종종 투명성과 설명 가능성이 부족하여 사용자가 그 원칙과 근거를 이해하기 어렵게 만들어 수용 가능성과 모니터링 가능성에 영향을 미칩니다.
3. 법령과 윤리. 제너레이티브 AI 기술을 금융 분야에 적용하는 데는 저작권 귀속, 책임 귀속, 정보 진정성, 공정성 및 정의 등과 같은 법적, 윤리적 문제가 수반됩니다. 모든 당사자의 이익과 권리를 보호하기 위해 합리적인 규범과 기준을 어떻게 공식화하는지는 심도 있는 논의가 필요한 문제입니다.
생성 AI 기술을 더 잘 홍보하고 적용하기 위해 제조업체와 사용자 모두 더 나은 솔루션을 찾고 있습니다. 예를 들어 OpenAI는 ChatGPT를 위한 새로운 개인 정보 보호 기능을 출시했습니다. 이 기능을 사용하면 사용자가 채팅 기록을 꺼서 대화를 더 비공개로 만들 수 있습니다. 채팅 기록이 비활성화되면 사용자 데이터는 OpenAI의 인공 지능(AI) 모델을 훈련하고 개선하는 데 사용되지 않습니다.
앞으로 더 많은 제조업체가 다양한 사회 조직의 감독 및 감독과 함께 데이터 보안, 기술 신뢰성, 법률 및 규정과 같은 해당 솔루션을 출시함에 따라 생성 AI는 조직이 디지털 방식으로 전환하고 업그레이드하는 데 도움이 되는 강력한 도구가 될 것입니다.
후기: 제너레이티브 AI 기술을 도입하고 효과적으로 활용하기
생성 AI의 많은 이점을 가진 금융 회사는 이 기술을 어떻게 도입해야 할까요? 이를 위해서는 기업의 특정 요구 사항과 목표에 따라 적절한 솔루션을 개발해야 합니다.
일반적으로 제너레이티브 AI 기술을 도입할 때 다음과 같은 측면을 고려해야 합니다.
첫째, 데이터 준비. 데이터는 제너레이티브 AI 기술의 기반입니다.기업은 제너레이티브 AI 모델의 교육 및 테스트를 위해 충분한 고품질의 대표 데이터를 수집하고 구성해야 합니다. 데이터 소스는 기업 자체의 비즈니스 데이터이거나 공개 또는 타사 채널에서 얻은 데이터일 수 있습니다. 데이터의 형식과 유형은 텍스트, 이미지, 오디오 또는 비디오 등과 같은 다양한 생성 작업에 따라 선택되고 변환되어야 합니다.
둘째, 모델 선택. 모델은 제너레이티브 AI 기술의 핵심이며, 기업은 자체 생성 작업 및 데이터 특성에 따라 적절한 모델 아키텍처와 매개변수를 선택해야 합니다. 모델의 선택은 기존 연구 결과 및 오픈 소스 코드를 참고할 수도 있고, 직접 모델을 개발하거나 커스터마이즈할 수도 있습니다. 모델의 선택은 모델의 성능, 효율성, 안정성, 해석 가능성 및 기타 요소를 고려해야 합니다.
셋째, 모델 교육입니다. 모델 훈련은 제너레이티브 AI 기술의 핵심 단계로, 기업은 기존 데이터를 활용해 모델을 훈련하고 최적화하여 데이터의 법칙과 특성을 학습하고 입력 조건에 따라 요구 사항을 충족하는 새로운 콘텐츠를 생성할 수 있도록 해야 한다. 모델 교육에는 많은 컴퓨팅 리소스와 시간이 필요하며 기업은 클라우드 컴퓨팅 플랫폼 또는 전문 AI 서비스 공급자를 모델 교육에 사용할 수 있습니다.
넷째, 모델 전개. 모델 배포는 제너레이티브 AI 기술의 응용 단계로, 기업은 훈련된 모델을 프로덕션 환경에 배포하고 다른 시스템이나 플랫폼과 연결 및 통합하며 사용자 또는 고객에게 제너레이티브 AI 서비스를 제공해야 합니다. 모델 배포는 모델 호환성, 확장성 및 보안과 같은 요소를 고려해야 하며 기업은 컨테이너화 또는 마이크로 서비스와 같은 기술을 사용하여 모델 배포를 구현할 수 있습니다.
마지막으로 모델 평가입니다. 모델 평가는 제너레이티브 AI 기술의 지속적인 개선 프로세스로, 기업은 정기적으로 모델의 생성 효과를 평가 및 모니터링하고, 사용자 또는 고객의 피드백 및 제안을 수집하고, 모델의 장단점을 분석하고, 모델을 업데이트 또는 업데이트해야 합니다. 실제 상황에 따라 조정. 모델 평가는 수동 평가, 자동 평가, 비교 실험 등 합리적인 평가 지표와 방법을 사용해야 합니다.
제너레이티브 AI의 기술적 특성과 장단점을 이해한 후, 제너레이티브 AI를 어떻게 효과적으로 적용할 수 있는지 탐색해야 한다. 다음 사항은 금융을 포함한 모든 산업에 적용됩니다.
목표와 요구 사항을 명확히 합니다. 응용 프로그램 시나리오마다 목표와 요구 사항이 다르며 최상의 결과를 얻으려면 적절한 생성 AI 모델과 매개 변수를 선택해야 합니다.
고품질 데이터를 선택하십시오. 데이터는 제너레이티브 AI 기술의 기반이며, 생성된 콘텐츠의 품질과 신뢰도를 높이기 위해서는 고품질, 고관련성, 고다양성 데이터를 선택해야 한다.
결과를 평가하고 최적화합니다. 제너레이티브 AI 기술은 완벽하지 않으며, 틀리거나 불합리한 콘텐츠를 생성할 수 있으며, 생성된 결과를 평가하고 최적화하여 생성된 콘텐츠의 정확성과 적용 가능성을 개선해야 합니다.
윤리적, 법적 규범을 준수합니다. 제너레이티브 AI 기술은 저작권, 프라이버시, 보안 등 민감한 이슈가 포함될 수 있으며, 제너레이티브 AI 기술의 남용이나 오용을 방지하기 위해 윤리적, 법적 규범을 준수해야 합니다.