Tại sao chỉ có LLMs sẽ không mang lại lợi nhuận đầu tư trong dịch vụ tài chính

Khám phá các tin tức và sự kiện fintech hàng đầu!

Đăng ký nhận bản tin của FinTech Weekly

Được đọc bởi các giám đốc điều hành tại JP Morgan, Coinbase, Blackrock, Klarna và nhiều hơn nữa

Các mô hình ngôn ngữ lớn (LLMs) đã được gọi là nguồn điện của thời đại chúng ta, và sự xuất hiện của chúng đã kích hoạt làn sóng thử nghiệm trong lĩnh vực tài chính. Từ nghiên cứu tự động đến hiểu biết về khách hàng, tiềm năng là vô hạn. Nhưng khi việc áp dụng ngày càng tăng, một thực tế rõ ràng đang nổi lên: Chỉ có LLMs không đủ nếu không có một lớp tác nhân phía trên.

LLMs có thể tạo ra từ ngữ, nhưng chúng cần các tác nhân để đảm bảo tính chính xác. Chúng có thể tóm tắt dữ liệu, nhưng không có lớp tác nhân, chúng không thể quyết định điều gì quan trọng nhất cho doanh nghiệp của bạn. Và trong một lĩnh vực mà sự tin tưởng, tuân thủ và tốc độ là không thể thương lượng, khoảng cách đó là rất quan trọng. Trong khi LLMs mang lại sức mạnh cho hệ thống, AI có tác nhân biết khi nào và cách nào để bật đèn.

Chỉ có LLMs không đủ

LLMs ấn tượng, nhưng chúng phản ứng. Chúng phản hồi theo lệnh, tạo ra văn bản, tóm tắt dữ liệu, nhưng không hoạt động với bối cảnh kinh doanh. Một mình, chúng thiếu nền tảng trong các định nghĩa tổ chức, quy tắc và thời gian. Không có lớp tác nhân và danh mục bối cảnh, các mô hình này mạnh mẽ nhưng chưa hoàn chỉnh. Chúng có thể giao tiếp trôi chảy, nhưng không thể đảm bảo rằng những gì chúng nói phù hợp với cách doanh nghiệp xác định sự thật. Khoảng cách đó trở nên cực kỳ quan trọng trong các môi trường tài chính phức tạp, nơi thông tin phải được tin cậy, tổ chức và chia sẻ nhất quán.

AI có tác nhân, kết hợp với danh mục bối cảnh, cung cấp các yếu tố còn thiếu: bối cảnh kinh doanh để ra quyết định và học hỏi qua vòng lặp con người để cải tiến liên tục. Cùng nhau, chúng bổ sung tính tự chủ, bối cảnh và bộ nhớ. Các tác nhân biết cần tìm gì, danh mục bối cảnh đảm bảo các kết quả phù hợp với các định nghĩa đáng tin cậy, và cả hai hoạt động trong các giới hạn rõ ràng. Trong thực tế, điều này cho phép các tổ chức tài chính:

*   Liên tục quét thị trường, tin tức và các hồ sơ để phát hiện bất thường trước khi con người nhận thấy
*   Theo dõi cảm xúc của khách hàng theo thời gian và kết nối các hiểu biết với các cố vấn và nhóm sản phẩm
*   Tự động hóa quy trình báo cáo và tuân thủ để các hiểu biết chuyển trực tiếp thành quyết định

Các tác nhân kết hợp với lớp siêu dữ liệu biến LLMs từ công cụ phản ứng thành các thành viên tích cực trong hoạt động tài chính, trong khi con người vẫn là những người quyết định chính. Chúng biến tiềm năng thành hiệu suất.

Khi ngày càng nhiều doanh nghiệp áp dụng các công cụ AI, các tổ chức xem AI như một món ăn phụ sang trọng trong chiến lược của họ sẽ không đạt được lợi tức đầu tư như mong đợi. Chiến lược AI thành công nhất khi nó được tích hợp vào cấu trúc của tổ chức, khi nó trở thành một phần của chính tổ chức đó.

Xây dựng trí tuệ dựa trên mô hình

Lịch sử của điện cung cấp một phép ẩn dụ hữu ích. Việc tiếp cận nguồn điện sớm mang lại lợi thế cạnh tranh. Khi điện trở nên phổ biến, lợi thế chuyển sang những người thiết kế hệ thống sử dụng nó hiệu quả. Các nhà máy, dây chuyền lắp ráp và hệ thống chiếu sáng trở thành điểm khác biệt.

LLMs hiện đang ở cùng giai đoạn đó. Chúng phổ biến và dễ tiếp cận. Lợi thế thực sự đến từ cách các tổ chức sử dụng chúng để định hướng quy trình làm việc, điều phối quyết định và hỗ trợ phán đoán của con người. Chỉ triển khai một mô hình như một “giải pháp tất cả” không phải là một chiến lược. Sử dụng trí tuệ để giải quyết hoặc hỗ trợ một mục tiêu cụ thể mới tạo ra ảnh hưởng đo lường được.

Xem xét ba ví dụ:

*   **Nghiên cứu thị trường**: Một LLM có thể tóm tắt tin tức hoặc hồ sơ. Một tác nhân, được hỗ trợ bởi siêu dữ liệu trong danh mục bối cảnh, lọc, ưu tiên và làm nổi bật những gì phù hợp cho quyết định đầu tư phù hợp với nhà đầu tư.
*   **Phân tích cảm xúc khách hàng**: Một LLM đọc các bài đăng trên mạng xã hội hoặc khảo sát. Các tác nhân được bối cảnh hóa bởi danh mục tổng hợp các hiểu biết, theo dõi xu hướng và kết nối kết quả với các quản lý mối quan hệ.
*   **Gian lận và tuân thủ**: LLM phân tích dữ liệu không cấu trúc. Các tác nhân điều phối việc phát hiện bất thường dựa trên các định nghĩa trong danh mục, sau đó tự động hóa báo cáo và các nhiệm vụ theo dõi để ngăn ngừa rủi ro vận hành.

Trong mỗi kịch bản, mô hình cung cấp khả năng mở rộng và trôi chảy, nhưng sự kết hợp của tác nhân và danh mục bối cảnh tạo ra sự phù hợp, tập trung và khả năng hành động.

Hỗ trợ phán đoán của con người

Một số người cho rằng các tác nhân hoặc LLMs sẽ thay thế con người. Trong dịch vụ tài chính, điều này khó xảy ra. Con người cung cấp phán đoán, giám sát và tư duy chiến lược mà không thể tự động hóa. Các tác nhân và danh mục bối cảnh nâng cao khả năng của con người bằng cách đảm bảo thông tin chính xác, có bối cảnh và sẵn sàng cho quyết định. Chúng xử lý các nhiệm vụ lặp đi lặp lại, tốn thời gian hoặc phân tán cao.

Khi kết hợp, LLMs, tác nhân và danh mục bối cảnh tạo thành một vòng phản hồi: Mô hình tạo ra hiểu biết; tác nhân ưu tiên và điều phối nó; danh mục bối cảnh dựa trên sự thật tổ chức. Cuối cùng, con người đưa ra quyết định.

Kết quả là các kết quả nhanh hơn, tự tin hơn và chính xác hơn. Các nhà phân tích và lãnh đạo dành ít thời gian hơn để thu thập thông tin và nhiều thời gian hơn để hành động dựa trên đó.

Yêu cầu cạnh tranh

Các tổ chức tài chính chỉ dựa vào LLMs vẫn còn phản ứng. Những tổ chức tích hợp tác nhân và danh mục bối cảnh sẽ có khả năng chủ động, hiệu quả và có cái nhìn sâu rộng hơn. LLMs là cần thiết nhưng chưa đủ. Các tác nhân biến chúng thành các hệ thống mang lại giá trị thực sự. Danh mục đảm bảo các hệ thống đó hoạt động dựa trên các định nghĩa đáng tin cậy và dữ liệu có thể xác minh.

Ngành dịch vụ tài chính đang ở một bước ngoặt quan trọng. LLMs đã trở thành một tiện ích cơ bản. Lợi thế cạnh tranh hiện nay đến từ việc thiết kế các hệ thống điều phối trí tuệ, cung cấp bối cảnh và tích hợp xuyên suốt các quy trình làm việc. Những ai hiểu rõ thực tế này sẽ định hình thời kỳ tiếp theo của đổi mới fintech.

LLMs cung cấp sức mạnh. Các tác nhân và danh mục bối cảnh hướng dẫn sức mạnh đó và biến nó thành hữu ích. Cùng nhau, chúng cho phép các tổ chức dịch vụ tài chính nhìn rõ ràng, hành động tự tin và đưa ra quyết định thông minh hơn.

Về tác giả

Alexander Walsh là Đồng sáng lập kiêm CEO của Oraion. Với nền tảng đa dạng trong chiến lược, tài chính và mở rộng quốc tế, Alexander đã dành hơn một thập kỷ thúc đẩy tăng trưởng cho các công ty toàn cầu hàng đầu. Trước khi thành lập Oraion, ông từng là Giám đốc Mở rộng Quốc tế tại Via.work, giúp mở rộng hoạt động toàn cầu của công ty và dẫn dắt công ty thành công trong thương vụ mua bán bằng cách bán lại cho JustWorks. Kinh nghiệm của ông bao gồm các vai trò tại Apple, N26 và Silicon Valley Bank, nơi ông chuyên về vận hành, tuân thủ và ra quyết định dựa trên dữ liệu. Chuyên môn của Alexander nằm ở chiến lược kinh doanh, quản lý tài chính và tận dụng tự động hóa để thúc đẩy tăng trưởng và chuyển đổi doanh nghiệp.