Fuente: "Flor de mayo financiera" (ID: Caijing-MayFlower), autor: Qu Xiangjun Han Feng
Fuente de la imagen: Generada por IA ilimitada
Si observamos la lista de las principales tendencias estratégicas tecnológicas nacionales y extranjeras y áreas de inversión en el primer semestre de 2023, no hay duda de que la inteligencia artificial generativa (en lo sucesivo, "IA generativa") es una de las tecnologías más llamativas. . Con la aparición de ChatGPT, esta tecnología emergente ha entrado en una locura sin precedentes. Todos los ámbitos de la vida están discutiendo temas relacionados, sin mencionar la desaparición de los gigantes tecnológicos y los fabricantes de inteligencia artificial. Por temor a perderse esta fiesta tecnológica, algunas industrias Los líderes y los medios han comparó la ola de IA generativa con las oportunidades de Internet móvil del pasado, destacando aún más su enorme valor e influencia potencial.
**En comparación con la IA tradicional, la IA generativa tiene cuatro ventajas principales que la hacen atractiva, incluida la automatización y la mejora de la eficiencia, la personalización, la creatividad y las capacidades de innovación, y la explicabilidad y la transparencia. **Esto es particularmente importante para áreas como las finanzas y la atención médica que requieren explicabilidad, ayudar a generar confianza, cumplir con los requisitos regulatorios y facilitar que las personas acepten y adopten decisiones sobre el sistema.
En resumen, la IA generativa puede crear un enorme valor para diversas industrias de todo el mundo al mejorar la eficiencia de la producción, promover las capacidades de innovación y cambiar el panorama competitivo.
**McKinsey predice que la IA en su conjunto traerá un impacto económico positivo de hasta 25,6 billones de dólares estadounidenses a la economía global, de los cuales la contribución de la IA generativa asciende a 7,9 billones de dólares estadounidenses, equivalente al PIB total actual de la economía mundial (producto interno bruto) el 8% del volumen. **
Escenario: Nuevos cambios en la industria financiera con IA generativa
La IA generativa ha captado la atención y la imaginación de personas de todo el mundo gracias a su amplia practicidad: su superpoder de comprender el lenguaje natural y crear contenido puede ser utilizado por casi cualquier persona, lo que hace que la IA generativa tenga ventajas significativas para mejorar la eficiencia de la producción industrial y promover productos. innovación, y se espera que subvierta la estructura existente de varias industrias en todo el mundo en el futuro.
**Desde una perspectiva industrial, las tres industrias donde la IA generativa genera el mayor valor son la alta tecnología, la banca y el comercio minorista. **McKinsey estima que para 2032, la IA generativa aportará aproximadamente entre 200.000 y 340.000 millones de dólares en nuevo valor a la industria bancaria mundial (incluida la gestión de activos y patrimonio, en adelante denominada colectivamente "gestión de activos") cada año, lo que representa El 10% del total del sector bancario y la proporción de ingresos anuales alcanzan entre el 2,8% y el 4,7%. Sumado al valor agregado anual esperado de 50 mil millones de dólares a 70 mil millones de dólares generado por la IA generativa en la industria de seguros (que representa aproximadamente entre el 1,8% y el 2,0% de los ingresos anuales de la industria), esperamos que los casos de uso de la IA generativa se utilicen en (la industria financiera (banca, seguros, etc.) y la gestión de activos), el conjunto de valor es de aproximadamente entre 250.000 y 410.000 millones de dólares.
**Se puede ver que la industria financiera es una de las industrias con mayor potencial para casos de uso de IA generativa, tanto en términos de valor absoluto como de potencial de crecimiento relativo. **Entonces, ¿cómo se combina la deslumbrante IA generativa con las características de la industria para crear valor? McKinsey ha observado que actualmente existen cuatro métodos de aplicación más comunes, que en conjunto contribuirán con el 75% de los beneficios totales generados por la IA generativa en la industria financiera. Los resumimos como "4C", a saber: refinamiento de contenido/expertos virtuales (Concision) ), interacción del usuario (Customer engagement), generación de contenidos (Content Generation) y aceleración de la programación (Coding).
En términos de industrias, en la industria bancaria, en términos de refinamiento de contenido/expertos virtuales, las tareas repetitivas y tediosas en el campo financiero se pueden automatizar a través de IA generativa, mejorando así la eficiencia de los profesionales financieros, reduciendo costos y liberando empleados. El tiempo se utiliza para trabajos de mayor valor y, a través de expertos virtuales, el personal de primera línea del banco puede extraer información de datos no estructurados, interpretar texto y acceder rápidamente a toda la información relevante, como guías y políticas de productos, para satisfacer instantáneamente las solicitudes de los clientes y La eficiencia del trabajo se puede aumentar en un 60%.
Otros casos de uso típicos incluyen: procesamiento de transacciones: procesamiento automatizado de transacciones financieras, incluido el procesamiento, liquidación y compensación de órdenes, etc.; generación de estados financieros: recopilación, organización y análisis automáticos de datos financieros, y generación de estados financieros precisos y oportunos que cumplan con estándares contables, lo que ayuda a reducir el tiempo de preparación de informes y los errores manuales; evaluación de riesgos y controles de cumplimiento: analiza automáticamente grandes cantidades de datos financieros, identifica posibles factores de riesgo y realiza controles de cumplimiento.
**En términos de interacción del usuario, los sistemas de IA generativa brindan a los usuarios soluciones personalizadas y soporte al aprender y analizar una gran cantidad de conocimiento profesional y experiencia humana. **Las empresas financieras pueden ofrecer servicios más personalizados, eficientes y satisfactorios en consecuencia. Por ejemplo, al utilizar chatbots para completar el contacto con el cliente y la recopilación de datos, al menos el 80% de las interacciones con los clientes se podrán automatizar en los próximos 5 a 10 años. Otros casos de uso típicos incluyen: asistentes inteligentes, recomendaciones personalizadas y servicios personalizados, análisis de sentimientos y monitoreo de emociones.
**En términos de generación de contenido, la IA generativa puede generar contenido nuevo, como texto e ilustraciones visuales, aprendiendo y analizando grandes cantidades de datos de texto, imágenes y audio, acelerando el proceso de desarrollo de contenido de las empresas de la industria financiera. **Por ejemplo, puede generar informes de análisis del mercado financiero e información de inversión personalizada; puede usarse para redactar documentos importantes como contratos y licitaciones; también puede usarse para redactar textos promocionales y materiales de marketing para bancos, seguros y gestión de activos. y sociedades de valores, etc.
**En el campo financiero, especialmente en el comercio cuantitativo y la gestión de riesgos, la redacción de códigos eficiente y precisa es crucial. **En términos de aceleración de la programación, la IA generativa puede interpretar y generar código. Al generar automáticamente fragmentos de código, plantillas y algoritmos, puede acelerar el proceso de desarrollo de software y reducir los errores manuales.
Desde una perspectiva funcional bancaria, los casos de uso de IA generativa tienen el mayor impacto en cuatro funciones: distribución de primera línea, operaciones con clientes, tecnología y legal, riesgo, cumplimiento y fraude, lo que representa aproximadamente el 1% del conjunto potencial de valor total del banco. %. El uso de herramientas de IA generativa puede mejorar la satisfacción del cliente, mejorar la toma de decisiones y la experiencia de los empleados, y reducir el riesgo al monitorear mejor el fraude y otros comportamientos.
**Desde la perspectiva de la industria de seguros, como parte importante de la industria financiera, y también desde la perspectiva de 4C, la IA generativa aportará un enorme valor a los seguros de propiedad y de vida. **
Estos incluyen: mejoras en la velocidad y calidad del desarrollo de software, mejoras significativas en la eficiencia de los ajustadores de reclamaciones de seguros, mejoras en la eficiencia de los corredores de seguros y la propuesta de valor para el cliente, y mejoras significativas en la experiencia del cliente de seguros, etc.
En términos de efectividad de los casos de uso, McKinsey observó que el costo de compensación de reclamaciones complejas (como demandas judiciales) se puede ahorrar en aproximadamente un 25 %, la precisión de la identificación de fraudes y seguros fraudulentos se puede aumentar en aproximadamente un 18 % y el 99 % de El proceso de suscripción puede ser respaldado por IA generativa. Con soluciones automatizadas, se espera que las compañías de seguros reduzcan los costos de suscripción entre un 10% y un 20%.
**Desde la perspectiva de la industria de gestión de activos, McKinsey también observó y resumió las aplicaciones 4C de la IA generativa. **Por ejemplo, en términos de refinamiento de contenidos y expertos virtuales, se pueden generar conocimientos basados en datos no estructurados y promover acciones de inversión, como la búsqueda de objetivos de inversión. Por ejemplo, un proveedor global de información comercial, financiera y financiera en los Estados Unidos ha desarrollado su propio GPT: un gran modelo entrenado en una combinación de datos en campos financieros específicos y datos generales; centrado en responder preguntas financieras y análisis de informes.
Para otro ejemplo, en términos de aceleración de la programación, un banco de inversión multinacional y una empresa de servicios financieros de EE. UU. utiliza herramientas de inteligencia artificial tipo ChatGPT internamente para ayudar a los desarrolladores a escribir código; en términos de generación de contenido, una empresa norteamericana de gestión de activos utiliza ChatGPT para acelerar el contenido. de garantía de marketing. Crear, además de crear herramientas de visualización o selección de datos; en la interacción del usuario, una de las empresas de gestión de fondos más grandes de los Estados Unidos lanzó un negocio de tecnología de registro asistido por IA que permite a las instituciones financieras crear, revisar y aprobar información pública. Comunicaciones utilizando modelos propietarios de PNL. Todos los casos de uso de IA generativa anteriores abarcan funciones comerciales de gestión de activos y tienen en cuenta las necesidades de los inversores y empleados internos de las empresas de gestión de activos.
En última instancia, la IA generativa puede desempeñar un papel enorme en la industria financiera debido a cuatro características que se han formado en la industria durante mucho tiempo. Tomando como ejemplo a los bancos: en primer lugar, está relacionada con la arquitectura de TI tradicional. han estado invirtiendo en tecnología, han acumulado una gran cantidad de "deuda técnica" y una arquitectura de TI aislada y compleja; en segundo lugar, desde la perspectiva de una gran fuerza laboral orientada al cliente, la industria bancaria depende de una gran cantidad de representantes de servicios comerciales; En tercer lugar, la parte bancaria del papeleo es pesada y generativa. El impacto de la IA puede abarcar a toda la organización, ayudando a todos los empleados a escribir correos electrónicos, crear presentaciones comerciales y otras tareas; además, como industria altamente regulada, la banca tiene un riesgo sustancial. , cumplimiento y necesidades legales.
**En resumen, para las instituciones financieras, las aplicaciones de IA generativa pueden mejorar la eficiencia de la producción y ahorrar tiempo y recursos al reducir los errores humanos; al mismo tiempo, mejoran las capacidades de innovación y brindan a los usuarios finales mejores productos y mejores experiencias de servicio. **
Inversión: Perspectivas industriales desde una perspectiva financiera
Debido al floreciente desarrollo de la IA generativa, su escala industrial también está creciendo rápidamente, lo que atrae a inversores para unirse a la industria. Según datos de Bloomberg, los ingresos del mercado de IA generativa serán de 40 mil millones de dólares en 2022, y se espera que alcancen los 399 mil millones de dólares y 1,304 mil millones de dólares en 2027 y 2032, respectivamente. La tasa de crecimiento compuesta de 2022 a 2032 alcanzará el 42%.
En cuanto al mercado chino, según datos de "China AI Digital Outlook 2021-2025", la escala en 2022 será de aproximadamente 66 mil millones de yuanes y la tasa de crecimiento compuesto de 2020 a 2025 alcanzará el 84%. Representa el 10% del tamaño del mercado global (217 mil millones de dólares estadounidenses) el 14%. Desde este punto de vista, la IA generativa no sólo está creando un enorme valor para la economía global, sino que la propia industria también tiene enormes oportunidades de inversión.
**La cadena de valor de la IA generativa consta de seis eslabones, a saber, hardware dedicado, plataforma en la nube, modelo básico, centro de modelos y MLOps, aplicaciones y servicios. **Con la prosperidad de la tecnología, toda la cadena de valor contiene enormes oportunidades. Sin embargo, las investigaciones muestran que existen diferencias significativas en las oportunidades de mercado en cada eslabón. La inversión en recursos, el conocimiento profesional y las ventajas de ser el primero en actuar en algunos eslabones han formado barreras industriales. y convertirse en nuevos participantes, un fuerte impedimento para que los inversores y las pequeñas empresas expandan sus negocios.
El aumento en el tamaño del mercado global de 2022 a 2035 provendrá principalmente del hardware de capacitación, las aplicaciones publicitarias y el software. Entre ellos, la tasa de crecimiento anual compuesta de los servicios de infraestructura alcanzará el 60%, con un aumento de 244.800 millones de dólares. La tasa de crecimiento anual compuesta de las aplicaciones publicitarias alcanzó el 125%, con un aumento de 192.400 millones de dólares.
En la cadena de valor de la IA generativa, existen las siguientes oportunidades de mercado dignas de atención:
** 1. Hardware dedicado: ** La infraestructura de potencia informática utilizada en el proceso de inferencia y entrenamiento del modelo tiene altas barreras de mercado y está básicamente ocupada por grandes jugadores. El núcleo del hardware de potencia informática son los chips informáticos representados por GPU y TPU.
**2. Plataforma en la nube: **Una plataforma para acceder a la infraestructura informática y ejecutar cargas de trabajo de IA generativas, con una cuota de mercado relativamente concentrada.
** 3. Modelo básico: ** El eslabón central de la cadena de valor de la IA generativa está impulsado por el conocimiento profesional y la inversión de costos. La tendencia general de los modelos grandes está concentrada y todavía existe una brecha de mercado en los modelos grandes de la industria. pista.
**4. Model Center y MLOps: ** Herramientas para alojar, ajustar e implementar modelos. Gigantes y proveedores independientes forman una competencia diferenciada. Model Center y MLOps llevan a cabo dos tareas necesarias para crear aplicaciones sobre modelos básicos: Primero, model El almacén proporciona un espacio para almacenar y acceder a modelos básicos; el segundo es una herramienta MLOps especializada para ajustar e implementar modelos básicos en aplicaciones.
**5. Aplicaciones: **Las aplicaciones terminales basadas en el ajuste de modelos grandes son el camino donde las empresas emergentes tienen las mayores oportunidades. Aproximadamente la mitad de las empresas unicornio de IA generativa nacieron en este mercado. Esperamos que en el corto plazo A largo plazo, para las categorías verticales Industria y desarrollo de funciones específicas, las aplicaciones creadas en base a modelos ajustados pueden ser las primeras en destacarse.
** 6. Servicio: ** Los grandes fabricantes monopolizan los proveedores de soluciones generales que brindan servicios de valor agregado basados en productos modelo, pero todavía hay espacio de mercado para que los pequeños y medianos actores participen en el campo vertical.
Combate práctico: cómo las empresas implementan la IA generativa
**El primero es el cambio de modelo operativo. **La promoción a gran escala de GenAI requiere que las empresas lleven a cabo una transformación integral de sus modelos operativos e integren la IA en todos los aspectos de sus negocios. Al implementar aplicaciones GenAI a gran escala, un modelo operativo exitoso debe cubrir seis aspectos principales: hoja de ruta estratégica, talento, modelo operativo, tecnología, datos y aplicación de tecnología y gestión del cambio.
La IA generativa está evolucionando rápidamente y los directores ejecutivos también están explorando su valor comercial y sus riesgos potenciales. Los directores ejecutivos desempeñan un papel importante a la hora de impulsar a las empresas a centrarse en la IA generativa. Muchas de las estrategias que los directores ejecutivos deben tener en cuenta al embarcarse en este viaje son consistentes con la forma en que los ejecutivos de negocios han respondido a oleadas tecnológicas pasadas.
Sin embargo, la IA generativa también plantea desafíos únicos, incluida su velocidad de desarrollo sin precedentes más allá de los cambios tecnológicos anteriores y la consiguiente dificultad de respuesta.
Con este fin, proporcionamos un resumen básico de la IA generativa para referencia de los directores ejecutivos (consulte la figura anterior).
Antes de decidirse a aplicar la IA generativa, considere los enormes costos de inversión de tiempo y recursos que implica comenzar desde cero y el ensayo y error. Las empresas también pueden aprovechar adecuadamente el poder de las instituciones profesionales para acelerar el despliegue de la IA generativa y utilizar tecnología y conocimientos de terceros. y Experiencia, evitar desvíos y trampas, y lograr el objetivo de creación de valor de forma más rápida y económica.
**Además, vale la pena señalar que la IA generativa proporciona un nuevo impulso de crecimiento para todos los ámbitos de la vida, pero también tiene ciertos impactos negativos. Las instituciones financieras deben prestar especial atención a la ilusión de modelos, el uso malicioso y la fuga de información al aplicar la IA generativa. IA y otros tres riesgos clave. **Las empresas deben concederle gran importancia y tomar activamente medidas para prevenirlo y gestionarlo adecuadamente, minimizar sus riesgos potenciales y maximizar su valor.
(El autor Qu Xiangjun es socio principal de McKinsey y director del negocio de consultoría de instituciones financieras de China; Han Feng es socio global de McKinsey; los miembros del equipo de McKinsey Hu Yirong, Fang Haoxiang, Fang Xiyuan, Li Jingyao, Song Ge, y Qiu Waishan, Wang Zhechen, Jiang Zixiang, Lu Zhijuan, etc. también contribuyeron a este artículo; el investigador de Caijing, Ding Yan, también contribuyó a este artículo)
Ver originales
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
El futuro de la gestión patrimonial con IA generativa
Fuente: "Flor de mayo financiera" (ID: Caijing-MayFlower), autor: Qu Xiangjun Han Feng
Si observamos la lista de las principales tendencias estratégicas tecnológicas nacionales y extranjeras y áreas de inversión en el primer semestre de 2023, no hay duda de que la inteligencia artificial generativa (en lo sucesivo, "IA generativa") es una de las tecnologías más llamativas. . Con la aparición de ChatGPT, esta tecnología emergente ha entrado en una locura sin precedentes. Todos los ámbitos de la vida están discutiendo temas relacionados, sin mencionar la desaparición de los gigantes tecnológicos y los fabricantes de inteligencia artificial. Por temor a perderse esta fiesta tecnológica, algunas industrias Los líderes y los medios han comparó la ola de IA generativa con las oportunidades de Internet móvil del pasado, destacando aún más su enorme valor e influencia potencial.
**En comparación con la IA tradicional, la IA generativa tiene cuatro ventajas principales que la hacen atractiva, incluida la automatización y la mejora de la eficiencia, la personalización, la creatividad y las capacidades de innovación, y la explicabilidad y la transparencia. **Esto es particularmente importante para áreas como las finanzas y la atención médica que requieren explicabilidad, ayudar a generar confianza, cumplir con los requisitos regulatorios y facilitar que las personas acepten y adopten decisiones sobre el sistema.
En resumen, la IA generativa puede crear un enorme valor para diversas industrias de todo el mundo al mejorar la eficiencia de la producción, promover las capacidades de innovación y cambiar el panorama competitivo.
**McKinsey predice que la IA en su conjunto traerá un impacto económico positivo de hasta 25,6 billones de dólares estadounidenses a la economía global, de los cuales la contribución de la IA generativa asciende a 7,9 billones de dólares estadounidenses, equivalente al PIB total actual de la economía mundial (producto interno bruto) el 8% del volumen. **
Escenario: Nuevos cambios en la industria financiera con IA generativa
La IA generativa ha captado la atención y la imaginación de personas de todo el mundo gracias a su amplia practicidad: su superpoder de comprender el lenguaje natural y crear contenido puede ser utilizado por casi cualquier persona, lo que hace que la IA generativa tenga ventajas significativas para mejorar la eficiencia de la producción industrial y promover productos. innovación, y se espera que subvierta la estructura existente de varias industrias en todo el mundo en el futuro.
**Se puede ver que la industria financiera es una de las industrias con mayor potencial para casos de uso de IA generativa, tanto en términos de valor absoluto como de potencial de crecimiento relativo. **Entonces, ¿cómo se combina la deslumbrante IA generativa con las características de la industria para crear valor? McKinsey ha observado que actualmente existen cuatro métodos de aplicación más comunes, que en conjunto contribuirán con el 75% de los beneficios totales generados por la IA generativa en la industria financiera. Los resumimos como "4C", a saber: refinamiento de contenido/expertos virtuales (Concision) ), interacción del usuario (Customer engagement), generación de contenidos (Content Generation) y aceleración de la programación (Coding).
Otros casos de uso típicos incluyen: procesamiento de transacciones: procesamiento automatizado de transacciones financieras, incluido el procesamiento, liquidación y compensación de órdenes, etc.; generación de estados financieros: recopilación, organización y análisis automáticos de datos financieros, y generación de estados financieros precisos y oportunos que cumplan con estándares contables, lo que ayuda a reducir el tiempo de preparación de informes y los errores manuales; evaluación de riesgos y controles de cumplimiento: analiza automáticamente grandes cantidades de datos financieros, identifica posibles factores de riesgo y realiza controles de cumplimiento.
**En términos de interacción del usuario, los sistemas de IA generativa brindan a los usuarios soluciones personalizadas y soporte al aprender y analizar una gran cantidad de conocimiento profesional y experiencia humana. **Las empresas financieras pueden ofrecer servicios más personalizados, eficientes y satisfactorios en consecuencia. Por ejemplo, al utilizar chatbots para completar el contacto con el cliente y la recopilación de datos, al menos el 80% de las interacciones con los clientes se podrán automatizar en los próximos 5 a 10 años. Otros casos de uso típicos incluyen: asistentes inteligentes, recomendaciones personalizadas y servicios personalizados, análisis de sentimientos y monitoreo de emociones.
**En términos de generación de contenido, la IA generativa puede generar contenido nuevo, como texto e ilustraciones visuales, aprendiendo y analizando grandes cantidades de datos de texto, imágenes y audio, acelerando el proceso de desarrollo de contenido de las empresas de la industria financiera. **Por ejemplo, puede generar informes de análisis del mercado financiero e información de inversión personalizada; puede usarse para redactar documentos importantes como contratos y licitaciones; también puede usarse para redactar textos promocionales y materiales de marketing para bancos, seguros y gestión de activos. y sociedades de valores, etc.
**En el campo financiero, especialmente en el comercio cuantitativo y la gestión de riesgos, la redacción de códigos eficiente y precisa es crucial. **En términos de aceleración de la programación, la IA generativa puede interpretar y generar código. Al generar automáticamente fragmentos de código, plantillas y algoritmos, puede acelerar el proceso de desarrollo de software y reducir los errores manuales.
Desde una perspectiva funcional bancaria, los casos de uso de IA generativa tienen el mayor impacto en cuatro funciones: distribución de primera línea, operaciones con clientes, tecnología y legal, riesgo, cumplimiento y fraude, lo que representa aproximadamente el 1% del conjunto potencial de valor total del banco. %. El uso de herramientas de IA generativa puede mejorar la satisfacción del cliente, mejorar la toma de decisiones y la experiencia de los empleados, y reducir el riesgo al monitorear mejor el fraude y otros comportamientos.
**Desde la perspectiva de la industria de seguros, como parte importante de la industria financiera, y también desde la perspectiva de 4C, la IA generativa aportará un enorme valor a los seguros de propiedad y de vida. **
Estos incluyen: mejoras en la velocidad y calidad del desarrollo de software, mejoras significativas en la eficiencia de los ajustadores de reclamaciones de seguros, mejoras en la eficiencia de los corredores de seguros y la propuesta de valor para el cliente, y mejoras significativas en la experiencia del cliente de seguros, etc.
En términos de efectividad de los casos de uso, McKinsey observó que el costo de compensación de reclamaciones complejas (como demandas judiciales) se puede ahorrar en aproximadamente un 25 %, la precisión de la identificación de fraudes y seguros fraudulentos se puede aumentar en aproximadamente un 18 % y el 99 % de El proceso de suscripción puede ser respaldado por IA generativa. Con soluciones automatizadas, se espera que las compañías de seguros reduzcan los costos de suscripción entre un 10% y un 20%.
**Desde la perspectiva de la industria de gestión de activos, McKinsey también observó y resumió las aplicaciones 4C de la IA generativa. **Por ejemplo, en términos de refinamiento de contenidos y expertos virtuales, se pueden generar conocimientos basados en datos no estructurados y promover acciones de inversión, como la búsqueda de objetivos de inversión. Por ejemplo, un proveedor global de información comercial, financiera y financiera en los Estados Unidos ha desarrollado su propio GPT: un gran modelo entrenado en una combinación de datos en campos financieros específicos y datos generales; centrado en responder preguntas financieras y análisis de informes.
Para otro ejemplo, en términos de aceleración de la programación, un banco de inversión multinacional y una empresa de servicios financieros de EE. UU. utiliza herramientas de inteligencia artificial tipo ChatGPT internamente para ayudar a los desarrolladores a escribir código; en términos de generación de contenido, una empresa norteamericana de gestión de activos utiliza ChatGPT para acelerar el contenido. de garantía de marketing. Crear, además de crear herramientas de visualización o selección de datos; en la interacción del usuario, una de las empresas de gestión de fondos más grandes de los Estados Unidos lanzó un negocio de tecnología de registro asistido por IA que permite a las instituciones financieras crear, revisar y aprobar información pública. Comunicaciones utilizando modelos propietarios de PNL. Todos los casos de uso de IA generativa anteriores abarcan funciones comerciales de gestión de activos y tienen en cuenta las necesidades de los inversores y empleados internos de las empresas de gestión de activos.
En última instancia, la IA generativa puede desempeñar un papel enorme en la industria financiera debido a cuatro características que se han formado en la industria durante mucho tiempo. Tomando como ejemplo a los bancos: en primer lugar, está relacionada con la arquitectura de TI tradicional. han estado invirtiendo en tecnología, han acumulado una gran cantidad de "deuda técnica" y una arquitectura de TI aislada y compleja; en segundo lugar, desde la perspectiva de una gran fuerza laboral orientada al cliente, la industria bancaria depende de una gran cantidad de representantes de servicios comerciales; En tercer lugar, la parte bancaria del papeleo es pesada y generativa. El impacto de la IA puede abarcar a toda la organización, ayudando a todos los empleados a escribir correos electrónicos, crear presentaciones comerciales y otras tareas; además, como industria altamente regulada, la banca tiene un riesgo sustancial. , cumplimiento y necesidades legales.
**En resumen, para las instituciones financieras, las aplicaciones de IA generativa pueden mejorar la eficiencia de la producción y ahorrar tiempo y recursos al reducir los errores humanos; al mismo tiempo, mejoran las capacidades de innovación y brindan a los usuarios finales mejores productos y mejores experiencias de servicio. **
Inversión: Perspectivas industriales desde una perspectiva financiera
Debido al floreciente desarrollo de la IA generativa, su escala industrial también está creciendo rápidamente, lo que atrae a inversores para unirse a la industria. Según datos de Bloomberg, los ingresos del mercado de IA generativa serán de 40 mil millones de dólares en 2022, y se espera que alcancen los 399 mil millones de dólares y 1,304 mil millones de dólares en 2027 y 2032, respectivamente. La tasa de crecimiento compuesta de 2022 a 2032 alcanzará el 42%.
En cuanto al mercado chino, según datos de "China AI Digital Outlook 2021-2025", la escala en 2022 será de aproximadamente 66 mil millones de yuanes y la tasa de crecimiento compuesto de 2020 a 2025 alcanzará el 84%. Representa el 10% del tamaño del mercado global (217 mil millones de dólares estadounidenses) el 14%. Desde este punto de vista, la IA generativa no sólo está creando un enorme valor para la economía global, sino que la propia industria también tiene enormes oportunidades de inversión.
**La cadena de valor de la IA generativa consta de seis eslabones, a saber, hardware dedicado, plataforma en la nube, modelo básico, centro de modelos y MLOps, aplicaciones y servicios. **Con la prosperidad de la tecnología, toda la cadena de valor contiene enormes oportunidades. Sin embargo, las investigaciones muestran que existen diferencias significativas en las oportunidades de mercado en cada eslabón. La inversión en recursos, el conocimiento profesional y las ventajas de ser el primero en actuar en algunos eslabones han formado barreras industriales. y convertirse en nuevos participantes, un fuerte impedimento para que los inversores y las pequeñas empresas expandan sus negocios.
El aumento en el tamaño del mercado global de 2022 a 2035 provendrá principalmente del hardware de capacitación, las aplicaciones publicitarias y el software. Entre ellos, la tasa de crecimiento anual compuesta de los servicios de infraestructura alcanzará el 60%, con un aumento de 244.800 millones de dólares. La tasa de crecimiento anual compuesta de las aplicaciones publicitarias alcanzó el 125%, con un aumento de 192.400 millones de dólares.
En la cadena de valor de la IA generativa, existen las siguientes oportunidades de mercado dignas de atención:
** 1. Hardware dedicado: ** La infraestructura de potencia informática utilizada en el proceso de inferencia y entrenamiento del modelo tiene altas barreras de mercado y está básicamente ocupada por grandes jugadores. El núcleo del hardware de potencia informática son los chips informáticos representados por GPU y TPU.
**2. Plataforma en la nube: **Una plataforma para acceder a la infraestructura informática y ejecutar cargas de trabajo de IA generativas, con una cuota de mercado relativamente concentrada.
** 3. Modelo básico: ** El eslabón central de la cadena de valor de la IA generativa está impulsado por el conocimiento profesional y la inversión de costos. La tendencia general de los modelos grandes está concentrada y todavía existe una brecha de mercado en los modelos grandes de la industria. pista.
**4. Model Center y MLOps: ** Herramientas para alojar, ajustar e implementar modelos. Gigantes y proveedores independientes forman una competencia diferenciada. Model Center y MLOps llevan a cabo dos tareas necesarias para crear aplicaciones sobre modelos básicos: Primero, model El almacén proporciona un espacio para almacenar y acceder a modelos básicos; el segundo es una herramienta MLOps especializada para ajustar e implementar modelos básicos en aplicaciones.
**5. Aplicaciones: **Las aplicaciones terminales basadas en el ajuste de modelos grandes son el camino donde las empresas emergentes tienen las mayores oportunidades. Aproximadamente la mitad de las empresas unicornio de IA generativa nacieron en este mercado. Esperamos que en el corto plazo A largo plazo, para las categorías verticales Industria y desarrollo de funciones específicas, las aplicaciones creadas en base a modelos ajustados pueden ser las primeras en destacarse.
** 6. Servicio: ** Los grandes fabricantes monopolizan los proveedores de soluciones generales que brindan servicios de valor agregado basados en productos modelo, pero todavía hay espacio de mercado para que los pequeños y medianos actores participen en el campo vertical.
Combate práctico: cómo las empresas implementan la IA generativa
**El primero es el cambio de modelo operativo. **La promoción a gran escala de GenAI requiere que las empresas lleven a cabo una transformación integral de sus modelos operativos e integren la IA en todos los aspectos de sus negocios. Al implementar aplicaciones GenAI a gran escala, un modelo operativo exitoso debe cubrir seis aspectos principales: hoja de ruta estratégica, talento, modelo operativo, tecnología, datos y aplicación de tecnología y gestión del cambio.
La IA generativa está evolucionando rápidamente y los directores ejecutivos también están explorando su valor comercial y sus riesgos potenciales. Los directores ejecutivos desempeñan un papel importante a la hora de impulsar a las empresas a centrarse en la IA generativa. Muchas de las estrategias que los directores ejecutivos deben tener en cuenta al embarcarse en este viaje son consistentes con la forma en que los ejecutivos de negocios han respondido a oleadas tecnológicas pasadas.
Sin embargo, la IA generativa también plantea desafíos únicos, incluida su velocidad de desarrollo sin precedentes más allá de los cambios tecnológicos anteriores y la consiguiente dificultad de respuesta.
Antes de decidirse a aplicar la IA generativa, considere los enormes costos de inversión de tiempo y recursos que implica comenzar desde cero y el ensayo y error. Las empresas también pueden aprovechar adecuadamente el poder de las instituciones profesionales para acelerar el despliegue de la IA generativa y utilizar tecnología y conocimientos de terceros. y Experiencia, evitar desvíos y trampas, y lograr el objetivo de creación de valor de forma más rápida y económica.
**Además, vale la pena señalar que la IA generativa proporciona un nuevo impulso de crecimiento para todos los ámbitos de la vida, pero también tiene ciertos impactos negativos. Las instituciones financieras deben prestar especial atención a la ilusión de modelos, el uso malicioso y la fuga de información al aplicar la IA generativa. IA y otros tres riesgos clave. **Las empresas deben concederle gran importancia y tomar activamente medidas para prevenirlo y gestionarlo adecuadamente, minimizar sus riesgos potenciales y maximizar su valor.
(El autor Qu Xiangjun es socio principal de McKinsey y director del negocio de consultoría de instituciones financieras de China; Han Feng es socio global de McKinsey; los miembros del equipo de McKinsey Hu Yirong, Fang Haoxiang, Fang Xiyuan, Li Jingyao, Song Ge, y Qiu Waishan, Wang Zhechen, Jiang Zixiang, Lu Zhijuan, etc. también contribuyeron a este artículo; el investigador de Caijing, Ding Yan, también contribuyó a este artículo)