Recientemente, la capacidad de una computadora para generar texto en prosa se ha vuelto lo suficientemente buena como para considerarla para un uso comercial práctico. Entonces, ¿por qué la mayoría de las empresas no lo utilizan todavía? Veamos algunos desafíos en la implementación de estos métodos. Mientras que la IA generativa (GenAI)
También puede generar imágenes, audio o video, aquí nos centraremos en su capacidad para generar texto.
En el corazón de GenAI se encuentra un modelo que transforma un fragmento de texto en otro. El texto de entrada suele ser una pregunta o una orden dada por un usuario humano. Es de esperar que el texto resultante sea una respuesta correcta y significativa. La mayoría de nosotros hemos jugado con
uno o más de estos modelos en línea en un entorno de mensajes de texto que recuerda a una conversación. A pesar de parecer una conversación, aparecen grietas que nos indican que no estamos hablando con un ser humano.
El primer grupo de desafíos radica en cómo se fabricaron estos modelos. Se basan en enormes colecciones de texto de Internet. Gran parte de este texto es ficticio o contiene discursos inapropiados, como discriminación. Gran parte de este texto también está sujeto a derechos de autor.
ley, lo que hace que la legalidad de los modelos sea algo confusa.
El siguiente grupo de desafíos tiene que ver con la naturaleza misma de estos modelos. Representan una gigantesca matriz de probabilidad de qué palabra es más probable que siga una secuencia inicial determinada de palabras. Como tales, no son capaces de razonamiento lógico, causal
argumentación o sentido común. El resultado práctico es que en ocasiones dan respuestas incorrectas o imposibles, algo que se llama alucinación.
Además, en la práctica empresarial estos modelos no pueden vivir por sí solos, sino que deben integrarse en una variedad de otras herramientas de software, a menudo fabricadas por otros proveedores. Los modelos GenAI pueden luego representar una interfaz de lenguaje para estas herramientas de software para optimizar
muchas tareas. Sin embargo, el trabajo de integrar modelos GenAI con software heredado apenas ha comenzado y se vuelve complejo debido al panorama diverso y rápidamente cambiante de los propios proveedores.
Suponiendo que GenAI estuviera completamente integrada en las utilidades de software comunes utilizadas en la industria de servicios financieros, aún enfrentaríamos el desafío de la capacitación y la gestión del cambio en la fuerza laboral de una industria que se enorgullece de la inteligencia humana.
Todos estos son desafíos en principio. Dejémoslos de lado por ahora y preguntémonos para qué emplearíamos GenAI en los servicios financieros.
Algunos usos son comunes en otras industrias, como la automatización del servicio al cliente para responder preguntas o realizar tareas rutinarias, como una línea directa automatizada inteligente. Se pueden enviar correos electrónicos de marketing a muchos clientes, diseñados específicamente para el comportamiento de cada individuo.
patrón para anunciar productos y servicios específicos verdaderamente adecuados para esa persona.
Se vuelve más interesante cuando nos damos cuenta de que GenAI no solo habla lenguajes humanos sino también lenguajes informáticos. Puede traducir una pregunta planteada en inglés a SQL, el lenguaje de las bases de datos, o a JavaScript, el lenguaje de las páginas web. Un financiero
El analista puede hacer una pregunta en inglés, colocarla en una base de datos en SQL perfecto y transformar la respuesta en una página de JavaScript que se muestra como un gráfico analítico. Para el analista financiero, el gráfico aparece instantáneamente con datos numéricos confiables.
Es confiable porque GenAI no creó el contenido numérico sino que lo recuperó de una base de datos bien formada. La respuesta instantánea es una ganancia significativa ya que se ahorra todo el trabajo humano y los retrasos.
GenAI puede escribir texto en prosa de forma nativa y, por lo tanto, puede proporcionar un primer borrador de un análisis o informe financiero para que lo corrija un ser humano. Está bien documentado que la automatización del primer borrador puede ahorrar hasta un 40% del esfuerzo total de mano de obra humana.
para el informe
En resumen, los principales desafíos residen en los propios modelos y su integración en otras herramientas. Una vez integrados, deben ser utilizados correctamente por una fuerza laboral que esté dispuesta y capacitada para hacerlo.
Esto nos lleva al último obstáculo para la adopción de servicios financieros: la confianza. Los profesionales financieros, los ejecutivos corporativos y los reguladores gubernamentales todavía no confían del todo en que estas tecnologías sean tan confiables como nos gustaría que fueran.
una industria regulada en la que se pueden perder grandes sumas de dinero en un momento. Esto debe lograrse con integraciones como la mencionada anteriormente para controlar GenAI con bases de datos precisas, y también con una mejor defensa de la propia industria de la IA para que la comprensión
vence la falta de confianza.
- Distribución de relaciones públicas y contenido potenciado por SEO. Consiga amplificado hoy.
- PlatoData.Network Vertical Generativo Ai. Empodérate. Accede Aquí.
- PlatoAiStream. Inteligencia Web3. Conocimiento amplificado. Accede Aquí.
- PlatoESG. Carbón, tecnología limpia, Energía, Ambiente, Solar, Gestión de residuos. Accede Aquí.
- PlatoSalud. Inteligencia en Biotecnología y Ensayos Clínicos. Accede Aquí.
- Fuente: https://www.finextra.com/blogposting/25582/implementation-challenges-of-genai-in-financial-services?utm_medium=rssfinextra&utm_source=finextrablogs
