కృత్రిమ మేధస్సుకు ఆర్థిక పరిశ్రమ యొక్క విధానం గణనీయమైన వ్యావహారికసత్తావాదం వెల్లడిస్తుంది.
ఉత్పాదక AI యొక్క జనాదరణ పొందిన భావనలు, ఓపెనాయ్ యొక్క చాట్‌గ్ప్ట్ యొక్క పేలుడు పెరుగుదల ద్వారా మార్గనిర్దేశం చేయబడతాయి, తరచూ వినియోగదారుల ఎదుర్కొంటున్న చాట్‌బాట్‌లపై కేంద్రీకరిస్తాయి. కానీ ఆర్థిక సంస్థలు రోజువారీ పనులను క్రమబద్ధీకరించే అంతర్గత AI సాధనాలపై మరింత ఎక్కువగా మొగ్గు చూపుతున్నారు.
దీనికి అవసరం శిక్షణా కార్యక్రమాలు మరియు బ్యాంక్ యొక్క మొత్తం సంస్థకు సహాయపడే వినియోగదారు-అనుభవ రూపకల్పన-రిలేషన్షిప్ బ్యాంకర్లు అధిక-విలువ ఖాతాలను అసోసియేట్‌లకు నిర్దేశిస్తూ-తాజా AI సాంకేతిక పరిజ్ఞానాన్ని అర్థం చేసుకోండి.
AI వర్గీకరణ నుండి AI తరం వరకు
కస్టమర్ సర్వీస్ బాట్స్ మరియు వంటి వివిధ విధుల కోసం బ్యాంకులు చాలాకాలంగా సాంప్రదాయ AI మరియు యంత్ర అభ్యాస పద్ధతులను ఉపయోగించాయి నిర్ణయం అల్గోరిథంలు ఇది మార్కెట్ ings పులకు మానవ కన్నా వేగంగా ప్రతిస్పందనను అందిస్తుంది.
కానీ ఆధునిక ఉత్పాదక AI ముందస్తు AI/ML పద్ధతుల నుండి భిన్నంగా ఉంటుంది మరియు దీనికి దాని స్వంత బలాలు మరియు బలహీనతలు ఉన్నాయి. బ్యాంక్ ఆఫ్ అమెరికా యొక్క చీఫ్ ఇన్ఫర్మేషన్ ఆఫీసర్ మరియు రిటైల్ హెడ్, ఇష్టపడే, చిన్న వ్యాపారం మరియు సంపద సాంకేతికత హరి గోపల్క్‌రిష్నన్, ముందస్తు AI ప్రయత్నాలకు బదులుగా, కొత్త సామర్థ్యాలను అందించే కొత్త సాధనం, జనరేటివ్ AI అని అన్నారు.
“AI కి సంబంధించి మేము ఆలోచించే నాలుగు-పొరల ఫ్రేమ్‌వర్క్ మాకు ఉంది” అని గోపల్క్‌రిష్నాన్ బిజినెస్ ఇన్‌సైడర్‌తో అన్నారు.
మొదటి పొర నిబంధనల-ఆధారిత ఆటోమేషన్, ఇది నిర్దిష్ట పరిస్థితుల ఆధారంగా చర్యలు తీసుకుంటుంది, ఒకటి సంభవించినప్పుడు తిరస్కరించిన క్రెడిట్ కార్డ్ లావాదేవీ గురించి డేటాను సేకరించడం మరియు సంరక్షించడం వంటివి. రెండవది మోసం గుర్తించడానికి ఉపయోగించే విశ్లేషణాత్మక నమూనాలు. మూడవ పొర భాషా వర్గీకరణ, ఇది బ్యాంక్ ఆఫ్ అమెరికా ఎరికాను నిర్మించేదివర్చువల్ ఫైనాన్షియల్ అసిస్టెంట్, 2016 లో.
“ఎరికా యొక్క మా ప్రయాణం వర్గీకరణ ప్రయోజనాల కోసం భాషను అర్థం చేసుకోవడంతో ప్రారంభమైంది” అని గోపల్క్‌రిష్నాన్ చెప్పారు. కానీ కంపెనీ ఎరికాతో ఏమీ ఉత్పత్తి చేయలేదు, అతను ఇలా అన్నాడు: “మేము కస్టమర్ ప్రశ్నలను బకెట్ల ఉద్దేశ్యాల బకెట్లుగా వర్గీకరిస్తున్నాము మరియు కస్టమర్లను అనువర్తనం లేదా వెబ్‌సైట్ యొక్క సరైన భాగానికి తీసుకెళ్లడానికి ఆ ఉద్దేశాలను ఉపయోగిస్తున్నాము.”
నాల్గవ పొర, వాస్తవానికి, ఉత్పాదక AI.
మోర్గాన్ స్టాన్లీ మేనేజింగ్ డైరెక్టర్ మరియు వెల్త్ మేనేజ్‌మెంట్ జనరేటివ్ AI అధిపతి కోరెన్ పికారిఎల్లో మాట్లాడుతూ, మోర్గాన్ స్టాన్లీ ఇలాంటి మార్గాన్ని తీసుకున్నారు. 2010 లలో, సంస్థ అనేక ప్రయోజనాల కోసం యంత్ర అభ్యాసాన్ని ఉపయోగించింది పెట్టుబడి అవకాశాలను కోరుతూ ఇది నిర్దిష్ట క్లయింట్ల అవసరాలు మరియు ప్రాధాన్యతలను కలిగిస్తుంది. ఈ పద్ధతులు చాలా ఇప్పటికీ ఉపయోగించబడుతున్నాయి.
“చారిత్రాత్మకంగా, నేను సంపద స్థలంలో విశ్లేషణలు, డేటా మరియు ఆవిష్కరణలలో పని చేస్తున్నాను. ఆ స్థలంలో, మోర్గాన్ స్టాన్లీ మరింత సాంప్రదాయ AI/ML సాధనాలపై దృష్టి పెట్టారు” అని పికారిఎల్లో BI కి చెప్పారు. “అప్పుడు 2022 లో, ఓపెనైతో వారు ఇంటి పేరుగా మారడానికి ముందే మేము ఒక సంభాషణను ప్రారంభించాము. మరియు అది మా జనరేటివ్-ఐ ప్రయాణాన్ని ప్రారంభించింది.”
బ్యాంకులు AI ని ఎలా అమలు చేస్తున్నాయి
చరిత్రను బట్టి చూస్తే, బ్యాంకులు జనరేటివ్-ఐ సాధనాలను కొత్త చాట్‌బాట్‌లుగా మారుస్తాయని అనుకోవడం సహేతుకమైనది, ఇవి బ్యాంక్ ఆఫ్ అమెరికా యొక్క ఎరికా లేదా AS యొక్క మెరుగైన సంస్కరణలుగా పనిచేస్తాయి స్వయంప్రతిపత్త ఆర్థిక సలహాదారులు. కానీ బదులుగా చాలా తక్షణ మార్పులు అంతర్గత ప్రక్రియలు మరియు సాధనాలకు వచ్చాయి.
మోర్గాన్ స్టాన్లీ యొక్క మొట్టమొదటి ప్రధాన జనరేటివ్-ఐ సాధనం, మోర్గాన్ స్టాన్లీ అసిస్టెంట్, సెప్టెంబర్ 2023 లో ప్రారంభించబడింది ఖాతాదారులకు వారి డబ్బును నిర్వహించడానికి సహాయపడే ఆర్థిక సలహాదారులు మరియు సహాయక సిబ్బంది వంటి ఉద్యోగుల కోసం. ఓపెనాయ్ యొక్క జిపిటి -4 చేత ఆధారితమైన, ఇది 100,000 పరిశోధన నివేదికలు మరియు పత్రాల సంస్థ యొక్క లైబ్రరీలో స్పందనలను ఇవ్వడానికి రూపొందించబడింది.
రెండవ సాధనం, మోర్గాన్ స్టాన్లీ డెబ్రీఫ్జూన్లో ప్రారంభించబడింది. ఇది ఆర్థిక సలహాదారులకు ఖాతాదారులతో సమావేశాల నుండి గమనికలను సృష్టించడానికి, సమీక్షించడానికి మరియు సంగ్రహించడానికి సహాయపడుతుంది.
“మోర్గాన్ స్టాన్లీలో ఎక్కువ సమాచారం ఉన్న వ్యక్తిని మీ పక్కన కూర్చోబెట్టడం లాంటిది” అని పికారిఎల్లో చెప్పారు. “ఎందుకంటే మీ వద్ద ఉన్న ఏదైనా ప్రశ్న, ప్రకృతిలో లేదా ప్రకృతిలో పరిశోధన అయినా, మేము మోడల్‌ను చేయమని అడిగినది మా అంతర్గత కంటెంట్ ఆధారంగా వినియోగదారుకు సమాధానం.”
బ్యాంక్ ఆఫ్ అమెరికా ఇలాంటి అనువర్తనాలను అనుసరిస్తోంది, వీటితో సహా కాల్ సెంటర్ సాధనం ఇది కస్టమర్ అసోసియేట్స్ సమయాన్ని ఆదా చేస్తుంది కస్టమర్ సంభాషణలను లిప్యంతరీకరించడం నిజ సమయంలో, కస్టమర్ యొక్క అవసరాలను వర్గీకరించడం మరియు ఏజెంట్ కోసం సారాంశాన్ని రూపొందించడం.
మానవులను లూప్‌లో ఉంచడం
ఉత్పాదక AI ని బాహ్యంగా కాకుండా అంతర్గతంగా అమలు చేయాలనే నిర్ణయం కొంతవరకు ఉత్పాదక AI యొక్క అత్యంత ముఖ్యమైన బలహీనత కారణంగా ఉంది: భ్రాంతులు.
ఉత్పాదక AI లో, ఒక భ్రమ అనేది ప్రాంప్ట్‌కు సరికాని లేదా అర్ధంలేని ప్రతిస్పందన, గూగుల్ సెర్చ్ యొక్క AI అపఖ్యాతి పాలైనప్పుడు ఇంటి చెఫ్‌లు ఉపయోగించాలని సిఫారసు చేసినప్పుడు జున్ను పిజ్జా నుండి జారకుండా ఉంచడానికి జిగురు.
వినియోగదారుల ఎదుర్కొంటున్న బ్యాంకులు జాగ్రత్తగా ఉన్నాయి ఇలాంటి లోపాలు చేయగల AI చాట్‌బాట్‌లు బ్యాంక్ ఉత్పత్తులు మరియు విధానాల గురించి.
ఉత్పాదక AI ని మోహరించడం అంతర్గతంగా ఆందోళనను తగ్గిస్తుంది. ఇది బ్యాంక్ కస్టమర్లు మరియు క్లయింట్‌లకు స్వయంప్రతిపత్తితో సేవ చేయడానికి ఉపయోగించబడదు కాని బ్యాంక్ ఉద్యోగులకు సహాయం చేయడానికి, దాని సలహా లేదా సహాయాన్ని అంగీకరించడానికి లేదా తిరస్కరించే అవకాశం ఉన్న బ్యాంక్ ఉద్యోగులకు.
బ్యాంక్ ఆఫ్ అమెరికా క్లయింట్‌తో సమావేశం కోసం రిలేషన్షిప్ బ్యాంకర్స్ ప్రిపరేషన్‌కు సహాయపడే AI సాధనాలను అందిస్తుంది, అయితే ఇది బ్యాంక్-క్లయింట్ సంబంధాన్ని ఆటోమేట్ చేయడమే లక్ష్యంగా లేదు, గోపాల్క్‌రిష్నాన్ BI కి చెప్పారు.
పికారిఎల్లో మాట్లాడుతూ మోర్గాన్ స్టాన్లీ ఖచ్చితత్వాన్ని కొనసాగిస్తూ ఉత్పాదక AI ని ఉపయోగించటానికి ఇలాంటి విధానాన్ని తీసుకుంటాడు. సంస్థ యొక్క AI- సృష్టించిన సమావేశ సారాంశాలను స్వయంచాలకంగా ఖాతాదారులతో పంచుకోవచ్చు, కాని అవి కాదు. బదులుగా, ఆర్థిక సలహాదారులు పంపే ముందు వాటిని సమీక్షిస్తారు.
AI కోసం ఫైనాన్స్ వర్క్‌ఫోర్స్‌కు శిక్షణ ఇవ్వడం
బ్యాంక్ ఆఫ్ అమెరికా మరియు మోర్గాన్ స్టాన్లీ కూడా బ్యాంక్ ఉద్యోగులకు శిక్షణ ఇస్తున్నాయి జనరేటివ్-ఐ సాధనాలను ఎలా ఉపయోగించాలివారి వ్యూహాలు వేరుగా ఉన్నప్పటికీ.
గోపల్క్‌రిష్నాన్ మాట్లాడుతూ, బ్యాంక్ ఆఫ్ అమెరికా ఉత్పత్తి AI యొక్క సంభావ్యత మరియు నష్టాల గురించి సీనియర్ నాయకత్వానికి అవగాహన కల్పించడానికి టాప్-డౌన్ విధానాన్ని తీసుకుంటుంది.
సుమారు రెండు సంవత్సరాల క్రితం, అతను BI కి చెప్పాడు, అతను బ్యాంకు వద్ద ఉన్నత స్థాయి సిబ్బంది AI తో సాధ్యమయ్యే వాటి గురించి “బాగా తెలుసు” అని చెప్పాడు. సంస్థ యొక్క సీనియర్ నాయకత్వం ఉత్పాదక AI యొక్క ప్రోత్సాహకాలపై వివరించబడింది, అలాగే దాని పరిమితులు సంస్థ అంతటా సమాచార నిర్ణయాలు తీసుకోవటానికి ముఖ్యమైనవి.
ఇంతలో, మోర్గాన్ స్టాన్లీ సంస్థ యొక్క AI సాధనాలను సులభంగా అర్థం చేసుకోవడంపై దృష్టి పెడుతున్నాడు.
“ఈ సాధనాలతో అనుబంధించబడిన UX ద్వారా మేము చాలా సమయం గడిపాము, వాటిని ఉపయోగించడానికి స్పష్టంగా కనబరచడానికి మరియు ఉత్పాదక AI తో పనిచేసే ప్రక్రియ మరియు చక్రం ద్వారా వినియోగదారులను తీసుకోవడం” అని పికారిఎల్లో చెప్పారు. “చాలా శిక్షణ వర్క్‌ఫ్లో మరియు వినియోగదారు అనుభవంలో నిర్మించబడింది.” ఉదాహరణకు, మోర్గాన్ స్టాన్లీ యొక్క సాధనాలు మెరుగైన ప్రతిస్పందనను ఇవ్వడానికి ప్రాంప్ట్‌ను ఎలా రీఫ్రేమ్ చేయాలో లేదా ఎలా మార్చాలో ఉద్యోగులకు సలహా ఇవ్వగలవు.
ప్రస్తుతానికి, కస్టమర్ అనుభవాన్ని లక్ష్యంగా చేసుకుని వన్-ఆఫ్ అనువర్తనాలను అభివృద్ధి చేయకుండా సంస్థలలో మరింత క్లిష్టమైన మరియు సూక్ష్మమైన పనులను గుర్తించడం మరియు ఆటోమేట్ చేయడంపై బ్యాంకులు AI చొరవలను కేంద్రీకరిస్తున్నాయి.
“మేము సమస్యలను సాంకేతిక సమస్యగా కాకుండా వ్యాపార సమస్యగా సంప్రదించడానికి ప్రయత్నిస్తాము. మరియు వ్యాపార సమస్య ఏమిటంటే బ్యాంక్ ఆఫ్ అమెరికా ఉద్యోగులు అందరూ సంస్థలో చాలా పనులు చేస్తారు” అని గోపల్క్‌రిష్నన్ అన్నారు. “అవకాశం మరింత సమగ్రంగా ఆలోచించడం, పనులను అర్థం చేసుకోవడం మరియు అతిపెద్ద అవకాశాలను కనుగొనడం, తద్వారా ఇప్పటి నుండి ఐదు మరియు 10 సంవత్సరాలు, మేము చాలా సమర్థవంతమైన సంస్థ.”
