Source : « Financial May Flower » (ID : Caijing-MayFlower), auteur : Qu Xiangjun Han Feng
Source de l'image : générée par Unbounded AI
En regardant la liste des principales tendances stratégiques technologiques nationales et étrangères et des domaines chauds d'investissement au premier semestre 2023, il ne fait aucun doute que l'intelligence artificielle générative (ci-après dénommée « IA générative ») est l'une des technologies les plus accrocheuses. . Avec l'émergence de ChatGPT, cette technologie émergente est entrée dans un engouement sans précédent. Tous les horizons discutent de sujets connexes, sans compter que les géants de la technologie et les fabricants d'IA ont quitté l'industrie. De peur de manquer ce festin technologique, certains dirigeants de l'industrie et les médias ont comparé la vague de l’IA générative aux opportunités de l’Internet mobile du passé, soulignant encore davantage sa valeur et son influence potentielles énormes.
**Par rapport à l'IA traditionnelle, l'IA générative présente quatre avantages principaux qui la rendent attrayante, notamment l'automatisation et l'amélioration de l'efficacité, la personnalisation et la personnalisation, les capacités de créativité et d'innovation, ainsi que l'explicabilité et la transparence. **Cela est particulièrement important pour des domaines tels que la finance et la santé qui nécessitent de l'explicabilité, aidant à instaurer la confiance, à répondre aux exigences réglementaires et à permettre aux gens d'accepter et d'adopter plus facilement les décisions du système.
En bref, l’IA générative peut créer une valeur énorme pour diverses industries à travers le monde en améliorant l’efficacité de la production, en promouvant les capacités d’innovation et en modifiant le paysage concurrentiel.
**McKinsey prédit que l'IA dans son ensemble aura un impact économique positif pouvant atteindre 25,6 billions de dollars américains sur l'économie mondiale, dont la contribution de l'IA générative atteint 7,9 billions de dollars américains, soit l'équivalent du PIB total actuel de l'économie mondiale (produit intérieur brut) 8% du volume. **
Scénario : Nouveaux changements dans le secteur financier grâce à l'IA générative
L'IA générative a captivé l'attention et l'imagination des gens du monde entier grâce à son caractère pratique : son super pouvoir de compréhension du langage naturel et de création de contenu peut être utilisé par presque tout le monde, ce qui rend l'IA générative L'IA présente des avantages significatifs pour améliorer l'efficacité de la production industrielle et promouvoir les produits. l’innovation et devrait à l’avenir renverser la structure existante de diverses industries à travers le monde.
**D'un point de vue industriel, les trois secteurs dans lesquels l'IA générative génère la plus grande valeur sont la haute technologie, la banque et la vente au détail. **McKinsey estime que d'ici 2032, l'IA générative apportera environ 200 à 340 milliards de dollars de valeur nouvelle au secteur bancaire mondial (y compris la gestion d'actifs et de patrimoine, ci-après collectivement appelée « gestion d'actifs ») chaque année, ce qui représente 10% du total du secteur bancaire et la proportion du revenu annuel atteint 2,8 à 4,7%. Si l'on ajoute à cela la valeur ajoutée annuelle attendue de 50 à 70 milliards de dollars générée par l'IA générative dans le secteur de l'assurance (représentant environ 1,8 à 2,0 % du chiffre d'affaires annuel du secteur), nous prévoyons que les cas d'utilisation de l'IA générative seront utilisés dans Dans le secteur financier (banque, assurance, etc.) et la gestion d'actifs), le pool de valeur est d'environ 250 à 410 milliards de dollars.
**On peut constater que le secteur financier est l'un des secteurs présentant le plus grand potentiel de cas d'utilisation de l'IA générative, à la fois en termes de valeur absolue et de potentiel de croissance relatif. **Alors, comment l'éblouissante IA générative se combine-t-elle avec les caractéristiques de l'industrie pour créer de la valeur ? McKinsey a observé qu'il existe actuellement quatre méthodes d'application les plus courantes, qui contribueront collectivement à 75 % des bénéfices totaux générés par l'IA générative dans le secteur financier. Nous les résumons sous le nom de « 4C », à savoir : raffinement du contenu/experts virtuels (Concision). ), interaction utilisateur (engagement client), génération de contenu (génération de contenu) et accélération de la programmation (codage).
En termes d'industries, dans le secteur bancaire, en termes d'affinage de contenu/d'experts virtuels, les tâches répétitives et fastidieuses dans le domaine financier peuvent être automatisées grâce à l'IA générative,, améliorant ainsi l'efficacité des praticiens financiers, réduisant les coûts et Le temps est consacré à des tâches à plus forte valeur ajoutée et, grâce à des experts virtuels, le personnel de première ligne de la banque peut extraire des informations à partir de données non structurées, interpréter des textes et accéder rapidement à toutes les informations pertinentes, telles que les guides de produits et les politiques, pour répondre instantanément aux demandes des clients et L'efficacité du travail peut être augmentée de 60%.
D'autres cas d'utilisation typiques incluent : traitement des transactions : traitement automatisé des transactions financières, y compris le traitement des ordres, le règlement et la compensation, etc. ; génération d'états financiers : collecte, organisation et analyse automatiques de données financières, et génération d'états financiers précis et opportuns qui sont conformes avec les normes comptables, aidant à réduire le temps de préparation des rapports et à réduire les erreurs manuelles ; évaluation des risques et contrôles de conformité : analyser automatiquement de grandes quantités de données financières, identifier les facteurs de risque potentiels et effectuer des contrôles de conformité.
**En termes d'interaction utilisateur, les systèmes d'IA générative offrent aux utilisateurs des solutions et un accompagnement personnalisés en apprenant et en analysant une grande quantité de connaissances professionnelles et d'expériences humaines. **Les sociétés financières peuvent ainsi fournir des services plus personnalisés, efficaces et satisfaisants. Par exemple, en utilisant des chatbots pour compléter le contact client et la collecte de données, au moins 80 % des interactions clients pourront être automatisées dans les 5 à 10 prochaines années. D'autres cas d'utilisation typiques incluent : les assistants intelligents, les recommandations personnalisées et les services personnalisés, l'analyse des sentiments et la surveillance des émotions.
**En termes de génération de contenu, l'IA générative peut générer de nouveaux contenus tels que du texte et des illustrations visuelles en apprenant et en analysant de grandes quantités de données textuelles, images et audio, accélérant ainsi le processus de développement de contenu des entreprises du secteur financier. **Par exemple, il peut générer des rapports d'analyse des marchés financiers et des informations personnalisées sur les investissements ; il peut être utilisé pour rédiger des documents importants tels que des contrats et des appels d'offres ; il peut également être utilisé pour rédiger des textes promotionnels et des supports marketing pour les banques, les assurances, la gestion d'actifs. et maisons de titres, etc.
**Dans le domaine financier, en particulier dans le trading quantitatif et la gestion des risques, une rédaction de code efficace et précise est cruciale. **En termes d'accélération de la programmation, l'IA générative peut interpréter et générer du code. En générant automatiquement des extraits de code, des modèles et des algorithmes, elle peut accélérer le processus de développement logiciel et réduire les erreurs manuelles.
D’un point de vue fonctionnel bancaire, les cas d’utilisation de l’IA générative ont le plus grand impact sur quatre fonctions : la distribution de première ligne, les opérations clients, la technologie et les aspects juridiques, risques, conformité et fraude, représentant environ 1 % de la réserve de valeur potentielle globale de la banque.70 %. L’utilisation d’outils d’IA générative peut améliorer la satisfaction des clients, améliorer la prise de décision et l’expérience des employés, et réduire les risques en surveillant mieux la fraude et d’autres comportements.
**Du point de vue du secteur de l'assurance, en tant que partie importante du secteur financier, et toujours du point de vue des 4C, l'IA générative apportera une valeur considérable à l'assurance de biens et à l'assurance-vie. **
Ceux-ci incluent : des améliorations de la vitesse et de la qualité du développement des logiciels, des améliorations significatives de l’efficacité des experts en sinistres d’assurance, des améliorations de l’efficacité des courtiers d’assurance et de la proposition de valeur client, et des améliorations significatives de l’expérience client d’assurance, etc.
En termes d'efficacité des cas d'utilisation, McKinsey a observé que le coût d'indemnisation des réclamations complexes (telles que les réclamations contentieuses) peut être économisé d'environ 25 %, la précision de l'identification de la fraude et de l'assurance frauduleuse peut être augmentée d'environ 18 % et 99 % des le processus de souscription peut être souscrit par une IA générative. Grâce à des solutions automatisées, les compagnies d'assurance devraient réduire les coûts de souscription de 10 à 20 %.
**Du point de vue du secteur de la gestion d'actifs, McKinsey a également observé et résumé les applications 4C de l'IA générative. **Par exemple, en termes d'affinement du contenu et d'experts virtuels, des informations peuvent être générées sur la base de données non structurées et promouvoir des actions d'investissement, telles que la recherche de cibles d'investissement. Par exemple, un fournisseur mondial d'informations commerciales, financières et financières aux États-Unis a développé son propre GPT : un vaste modèle formé sur une combinaison de données dans des domaines financiers spécifiques et de données générales ; centré sur la réponse aux questions financières et l'analyse des rapports.
Pour un autre exemple, en termes d'accélération de la programmation, une banque d'investissement multinationale américaine et une société de services financiers utilisent en interne des outils d'IA de type ChatGPT pour aider les développeurs à écrire du code ; en termes de génération de contenu, une société de gestion d'actifs nord-américaine utilise ChatGPT pour accélérer le contenu. de garanties marketing. Créer, ainsi que créer des outils de visualisation ou de filtrage des données ; concernant l'interaction des utilisateurs, l'une des plus grandes sociétés de gestion de fonds aux États-Unis a lancé une entreprise de technologie d'enregistrement assistée par l'IA qui permet aux institutions financières de créer, d'examiner et d'approuver des documents publics. communications utilisant des modèles NLP propriétaires. Les cas d’utilisation de l’IA générative ci-dessus couvrent tous les fonctions métiers de la gestion d’actifs et prennent en compte les besoins des investisseurs et des collaborateurs internes des sociétés de gestion d’actifs.
En fin de compte, l'IA générative peut jouer un rôle énorme dans le secteur financier en raison de quatre caractéristiques qui se sont formées depuis longtemps dans le secteur. En prenant les banques comme exemple : premièrement, elle est liée à l'architecture informatique traditionnelle. Pendant des décennies, les banques ont investi dans la technologie. , accumulé une grande quantité de « dette technique » et une architecture informatique isolée et complexe ; deuxièmement, du point de vue d'une main-d'œuvre importante en contact avec les clients, le secteur bancaire s'appuie sur un grand nombre de représentants des services aux entreprises ; troisièmement, le côté bancaire de la paperasse est lourd et génératif. L'impact de l'IA peut s'étendre à l'ensemble de l'organisation, aidant tous les employés à rédiger des e-mails, à créer des présentations commerciales et d'autres tâches ; de plus, en tant que secteur hautement réglementé, le secteur bancaire comporte des risques substantiels. , de conformité et de besoins juridiques.
**En résumé, pour les institutions financières, les applications d'IA générative peuvent améliorer l'efficacité de la production et économiser du temps et des ressources en réduisant les erreurs humaines ; en même temps, elles améliorent les capacités d'innovation et offrent aux utilisateurs finaux de meilleurs produits et de meilleures expériences de service. **
Investissement : perspectives industrielles d'un point de vue financier
En raison du développement fulgurant de l’IA générative, sa taille industrielle croît également rapidement, attirant les investisseurs à rejoindre l’industrie. Selon les données de Bloomberg, les revenus du marché de l'IA générative s'élèveront à 40 milliards de dollars en 2022 et devraient atteindre 399 milliards de dollars et 1,304 milliard de dollars en 2027 et 2032 respectivement. Le taux de croissance composé de 2022 à 2032 atteindra 42 %.
Quant au marché chinois, selon les données du « China AI Digital Outlook 2021-2025 », sa taille en 2022 sera d'environ 66 milliards de yuans, et le taux de croissance composé de 2020 à 2025 atteindra 84 %. représentent 10% de la taille du marché mondial (217 milliards de dollars américains) 14%. De ce point de vue, l’IA générative crée non seulement une énorme valeur pour l’économie mondiale, mais l’industrie elle-même offre également d’énormes opportunités d’investissement.
**La chaîne de valeur de l'IA générative se compose de six maillons, à savoir le matériel dédié, la plateforme cloud, le modèle de base, le centre de modèles et les MLOps, les applications et les services. **Avec la prospérité de la technologie, l'ensemble de la chaîne de valeur recèle d'énormes opportunités. Cependant, les recherches montrent qu'il existe des différences significatives dans les opportunités de marché dans chaque maillon. L'investissement en ressources, les connaissances professionnelles et les avantages du premier arrivé dans certains maillons ont formé des barrières industrielles. et devenir de nouveaux entrants, ce qui constitue un obstacle important pour les investisseurs et les petites entreprises qui souhaitent développer leurs activités.
L’augmentation de la taille du marché mondial de 2022 à 2035 proviendra principalement du matériel de formation, des applications publicitaires et des logiciels. Parmi eux, le taux de croissance annuel composé des services d'infrastructure atteindra 60 %, avec une augmentation de 244,8 milliards de dollars. Le taux de croissance annuel composé des applications publicitaires a atteint 125 %, soit une augmentation de 192,4 milliards de dollars.
Sur la chaîne de valeur de l’IA générative, il existe les opportunités de marché suivantes dignes d’attention :
**1. Matériel dédié : **L'infrastructure de puissance de calcul utilisée dans le processus de formation et d'inférence de modèles présente des barrières de marché élevées et est essentiellement occupée par de grands acteurs. Le cœur du matériel de puissance de calcul est constitué de puces de calcul représentées par GPU et TPU.
**2. Plateforme cloud : **Une plate-forme permettant d'accéder à l'infrastructure informatique et d'exécuter des charges de travail d'IA générative, avec une part de marché relativement concentrée.
**3. Modèle de base : **Le maillon central de la chaîne de valeur de l'IA générative est déterminé par les connaissances professionnelles et l'investissement en coûts. La tendance de la piste générale des grands modèles est concentrée et il existe toujours une lacune de marché dans le grand modèle de l'industrie. piste.
**4. Model Center et MLOps : ** Outils pour héberger, affiner et déployer des modèles. Les géants et les fournisseurs indépendants forment une concurrence différenciée. Model Center et MLOps entreprennent deux tâches nécessaires pour créer des applications au-dessus des modèles de base : Premièrement, le model L'entrepôt fournit un espace pour stocker et accéder aux modèles de base ; le second est un outil MLOps spécialisé pour affiner et déployer des modèles de base dans les applications.
**5. Applications : **Les applications de terminaux basées sur le réglage fin de grands modèles sont la voie où les start-ups ont les plus grandes opportunités. Environ la moitié des entreprises licornes d'IA générative sont nées sur ce marché. Nous nous attendons à ce qu'à court terme À terme, pour les catégories verticales Industrie et développement de fonctions spécifiques, les applications construites sur la base de modèles affinés peuvent être les premières à se démarquer.
**6. Service : **Dans l'ensemble, les fournisseurs de solutions qui fournissent des services à valeur ajoutée basés sur des produits modèles sont monopolisés par les grands fabricants, mais il existe encore un espace de marché permettant aux petits et moyens acteurs de participer dans le domaine vertical.
Combat pratique : comment les entreprises déploient l'IA générative
**Le premier est le changement de modèle opérationnel. **La promotion à grande échelle de GenAI exige que les entreprises procèdent à une transformation complète de leurs modèles opérationnels et intègrent l'IA dans tous les aspects de leur activité. Lors de la mise en œuvre d'applications GenAI à grande échelle, un modèle opérationnel réussi doit couvrir six aspects majeurs : la feuille de route stratégique, les talents, le modèle opérationnel, la technologie, les données, les applications technologiques et la gestion du changement.
L’IA générative évolue rapidement et les PDG explorent également sa valeur commerciale et ses risques potentiels. Les PDG jouent un rôle important en incitant les entreprises à se concentrer sur l’IA générative. Bon nombre des stratégies que les PDG doivent garder à l’esprit lorsqu’ils se lancent dans cette aventure sont cohérentes avec la manière dont les dirigeants d’entreprise ont réagi aux vagues technologiques passées.
Cependant, l’IA générative présente également des défis uniques, notamment sa vitesse de développement sans précédent au-delà des changements technologiques précédents et la difficulté d’y répondre qui en résulte.
À cette fin, nous fournissons un résumé de base de l’IA générative à l’intention des PDG (voir la figure ci-dessus).
Avant de décider d'appliquer l'IA générative, considérez les énormes coûts d'investissement en temps et en ressources liés au départ de zéro et aux essais et erreurs. Les entreprises peuvent également exploiter de manière appropriée la puissance des institutions professionnelles pour accélérer le déploiement de l'IA générative et utiliser des technologies et des connaissances tierces. et Expérience, éviter les détours et les pièges et atteindre l'objectif de création de valeur plus rapidement et de manière plus économique.
**En outre, il convient de noter que l'IA générative offre un nouvel élan de croissance à tous les horizons, mais elle a également certains impacts négatifs.Les institutions financières doivent accorder une attention particulière à l'illusion de modèle, à l'utilisation malveillante et aux fuites d'informations lors de l'application de l'IA générative. L’IA et trois autres risques clés. **Les entreprises doivent y attacher une grande importance et prendre activement des mesures pour le prévenir et le gérer correctement, minimiser ses risques potentiels et maximiser sa valeur.
(L'auteur Qu Xiangjun est associé principal de McKinsey et responsable de l'activité de conseil aux institutions financières en Chine ; Han Feng est un partenaire mondial de McKinsey ; les membres de l'équipe McKinsey Hu Yirong, Fang Haoxiang, Fang Xiyuan, Li Jingyao, Song Ge, et Qiu Waishan, Wang Zhechen, Jiang Zixiang, Lu Zhijuan, etc. ont également contribué à cet article ; le chercheur de Caijing, Ding Yan, a également contribué à cet article)
Voir l'original
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
L’avenir de la gestion de patrimoine avec l’IA générative
Source : « Financial May Flower » (ID : Caijing-MayFlower), auteur : Qu Xiangjun Han Feng
En regardant la liste des principales tendances stratégiques technologiques nationales et étrangères et des domaines chauds d'investissement au premier semestre 2023, il ne fait aucun doute que l'intelligence artificielle générative (ci-après dénommée « IA générative ») est l'une des technologies les plus accrocheuses. . Avec l'émergence de ChatGPT, cette technologie émergente est entrée dans un engouement sans précédent. Tous les horizons discutent de sujets connexes, sans compter que les géants de la technologie et les fabricants d'IA ont quitté l'industrie. De peur de manquer ce festin technologique, certains dirigeants de l'industrie et les médias ont comparé la vague de l’IA générative aux opportunités de l’Internet mobile du passé, soulignant encore davantage sa valeur et son influence potentielles énormes.
**Par rapport à l'IA traditionnelle, l'IA générative présente quatre avantages principaux qui la rendent attrayante, notamment l'automatisation et l'amélioration de l'efficacité, la personnalisation et la personnalisation, les capacités de créativité et d'innovation, ainsi que l'explicabilité et la transparence. **Cela est particulièrement important pour des domaines tels que la finance et la santé qui nécessitent de l'explicabilité, aidant à instaurer la confiance, à répondre aux exigences réglementaires et à permettre aux gens d'accepter et d'adopter plus facilement les décisions du système.
En bref, l’IA générative peut créer une valeur énorme pour diverses industries à travers le monde en améliorant l’efficacité de la production, en promouvant les capacités d’innovation et en modifiant le paysage concurrentiel.
**McKinsey prédit que l'IA dans son ensemble aura un impact économique positif pouvant atteindre 25,6 billions de dollars américains sur l'économie mondiale, dont la contribution de l'IA générative atteint 7,9 billions de dollars américains, soit l'équivalent du PIB total actuel de l'économie mondiale (produit intérieur brut) 8% du volume. **
Scénario : Nouveaux changements dans le secteur financier grâce à l'IA générative
L'IA générative a captivé l'attention et l'imagination des gens du monde entier grâce à son caractère pratique : son super pouvoir de compréhension du langage naturel et de création de contenu peut être utilisé par presque tout le monde, ce qui rend l'IA générative L'IA présente des avantages significatifs pour améliorer l'efficacité de la production industrielle et promouvoir les produits. l’innovation et devrait à l’avenir renverser la structure existante de diverses industries à travers le monde.
**On peut constater que le secteur financier est l'un des secteurs présentant le plus grand potentiel de cas d'utilisation de l'IA générative, à la fois en termes de valeur absolue et de potentiel de croissance relatif. **Alors, comment l'éblouissante IA générative se combine-t-elle avec les caractéristiques de l'industrie pour créer de la valeur ? McKinsey a observé qu'il existe actuellement quatre méthodes d'application les plus courantes, qui contribueront collectivement à 75 % des bénéfices totaux générés par l'IA générative dans le secteur financier. Nous les résumons sous le nom de « 4C », à savoir : raffinement du contenu/experts virtuels (Concision). ), interaction utilisateur (engagement client), génération de contenu (génération de contenu) et accélération de la programmation (codage).
D'autres cas d'utilisation typiques incluent : traitement des transactions : traitement automatisé des transactions financières, y compris le traitement des ordres, le règlement et la compensation, etc. ; génération d'états financiers : collecte, organisation et analyse automatiques de données financières, et génération d'états financiers précis et opportuns qui sont conformes avec les normes comptables, aidant à réduire le temps de préparation des rapports et à réduire les erreurs manuelles ; évaluation des risques et contrôles de conformité : analyser automatiquement de grandes quantités de données financières, identifier les facteurs de risque potentiels et effectuer des contrôles de conformité.
**En termes d'interaction utilisateur, les systèmes d'IA générative offrent aux utilisateurs des solutions et un accompagnement personnalisés en apprenant et en analysant une grande quantité de connaissances professionnelles et d'expériences humaines. **Les sociétés financières peuvent ainsi fournir des services plus personnalisés, efficaces et satisfaisants. Par exemple, en utilisant des chatbots pour compléter le contact client et la collecte de données, au moins 80 % des interactions clients pourront être automatisées dans les 5 à 10 prochaines années. D'autres cas d'utilisation typiques incluent : les assistants intelligents, les recommandations personnalisées et les services personnalisés, l'analyse des sentiments et la surveillance des émotions.
**En termes de génération de contenu, l'IA générative peut générer de nouveaux contenus tels que du texte et des illustrations visuelles en apprenant et en analysant de grandes quantités de données textuelles, images et audio, accélérant ainsi le processus de développement de contenu des entreprises du secteur financier. **Par exemple, il peut générer des rapports d'analyse des marchés financiers et des informations personnalisées sur les investissements ; il peut être utilisé pour rédiger des documents importants tels que des contrats et des appels d'offres ; il peut également être utilisé pour rédiger des textes promotionnels et des supports marketing pour les banques, les assurances, la gestion d'actifs. et maisons de titres, etc.
**Dans le domaine financier, en particulier dans le trading quantitatif et la gestion des risques, une rédaction de code efficace et précise est cruciale. **En termes d'accélération de la programmation, l'IA générative peut interpréter et générer du code. En générant automatiquement des extraits de code, des modèles et des algorithmes, elle peut accélérer le processus de développement logiciel et réduire les erreurs manuelles.
D’un point de vue fonctionnel bancaire, les cas d’utilisation de l’IA générative ont le plus grand impact sur quatre fonctions : la distribution de première ligne, les opérations clients, la technologie et les aspects juridiques, risques, conformité et fraude, représentant environ 1 % de la réserve de valeur potentielle globale de la banque.70 %. L’utilisation d’outils d’IA générative peut améliorer la satisfaction des clients, améliorer la prise de décision et l’expérience des employés, et réduire les risques en surveillant mieux la fraude et d’autres comportements.
**Du point de vue du secteur de l'assurance, en tant que partie importante du secteur financier, et toujours du point de vue des 4C, l'IA générative apportera une valeur considérable à l'assurance de biens et à l'assurance-vie. **
Ceux-ci incluent : des améliorations de la vitesse et de la qualité du développement des logiciels, des améliorations significatives de l’efficacité des experts en sinistres d’assurance, des améliorations de l’efficacité des courtiers d’assurance et de la proposition de valeur client, et des améliorations significatives de l’expérience client d’assurance, etc.
En termes d'efficacité des cas d'utilisation, McKinsey a observé que le coût d'indemnisation des réclamations complexes (telles que les réclamations contentieuses) peut être économisé d'environ 25 %, la précision de l'identification de la fraude et de l'assurance frauduleuse peut être augmentée d'environ 18 % et 99 % des le processus de souscription peut être souscrit par une IA générative. Grâce à des solutions automatisées, les compagnies d'assurance devraient réduire les coûts de souscription de 10 à 20 %.
**Du point de vue du secteur de la gestion d'actifs, McKinsey a également observé et résumé les applications 4C de l'IA générative. **Par exemple, en termes d'affinement du contenu et d'experts virtuels, des informations peuvent être générées sur la base de données non structurées et promouvoir des actions d'investissement, telles que la recherche de cibles d'investissement. Par exemple, un fournisseur mondial d'informations commerciales, financières et financières aux États-Unis a développé son propre GPT : un vaste modèle formé sur une combinaison de données dans des domaines financiers spécifiques et de données générales ; centré sur la réponse aux questions financières et l'analyse des rapports.
Pour un autre exemple, en termes d'accélération de la programmation, une banque d'investissement multinationale américaine et une société de services financiers utilisent en interne des outils d'IA de type ChatGPT pour aider les développeurs à écrire du code ; en termes de génération de contenu, une société de gestion d'actifs nord-américaine utilise ChatGPT pour accélérer le contenu. de garanties marketing. Créer, ainsi que créer des outils de visualisation ou de filtrage des données ; concernant l'interaction des utilisateurs, l'une des plus grandes sociétés de gestion de fonds aux États-Unis a lancé une entreprise de technologie d'enregistrement assistée par l'IA qui permet aux institutions financières de créer, d'examiner et d'approuver des documents publics. communications utilisant des modèles NLP propriétaires. Les cas d’utilisation de l’IA générative ci-dessus couvrent tous les fonctions métiers de la gestion d’actifs et prennent en compte les besoins des investisseurs et des collaborateurs internes des sociétés de gestion d’actifs.
En fin de compte, l'IA générative peut jouer un rôle énorme dans le secteur financier en raison de quatre caractéristiques qui se sont formées depuis longtemps dans le secteur. En prenant les banques comme exemple : premièrement, elle est liée à l'architecture informatique traditionnelle. Pendant des décennies, les banques ont investi dans la technologie. , accumulé une grande quantité de « dette technique » et une architecture informatique isolée et complexe ; deuxièmement, du point de vue d'une main-d'œuvre importante en contact avec les clients, le secteur bancaire s'appuie sur un grand nombre de représentants des services aux entreprises ; troisièmement, le côté bancaire de la paperasse est lourd et génératif. L'impact de l'IA peut s'étendre à l'ensemble de l'organisation, aidant tous les employés à rédiger des e-mails, à créer des présentations commerciales et d'autres tâches ; de plus, en tant que secteur hautement réglementé, le secteur bancaire comporte des risques substantiels. , de conformité et de besoins juridiques.
**En résumé, pour les institutions financières, les applications d'IA générative peuvent améliorer l'efficacité de la production et économiser du temps et des ressources en réduisant les erreurs humaines ; en même temps, elles améliorent les capacités d'innovation et offrent aux utilisateurs finaux de meilleurs produits et de meilleures expériences de service. **
Investissement : perspectives industrielles d'un point de vue financier
En raison du développement fulgurant de l’IA générative, sa taille industrielle croît également rapidement, attirant les investisseurs à rejoindre l’industrie. Selon les données de Bloomberg, les revenus du marché de l'IA générative s'élèveront à 40 milliards de dollars en 2022 et devraient atteindre 399 milliards de dollars et 1,304 milliard de dollars en 2027 et 2032 respectivement. Le taux de croissance composé de 2022 à 2032 atteindra 42 %.
Quant au marché chinois, selon les données du « China AI Digital Outlook 2021-2025 », sa taille en 2022 sera d'environ 66 milliards de yuans, et le taux de croissance composé de 2020 à 2025 atteindra 84 %. représentent 10% de la taille du marché mondial (217 milliards de dollars américains) 14%. De ce point de vue, l’IA générative crée non seulement une énorme valeur pour l’économie mondiale, mais l’industrie elle-même offre également d’énormes opportunités d’investissement.
**La chaîne de valeur de l'IA générative se compose de six maillons, à savoir le matériel dédié, la plateforme cloud, le modèle de base, le centre de modèles et les MLOps, les applications et les services. **Avec la prospérité de la technologie, l'ensemble de la chaîne de valeur recèle d'énormes opportunités. Cependant, les recherches montrent qu'il existe des différences significatives dans les opportunités de marché dans chaque maillon. L'investissement en ressources, les connaissances professionnelles et les avantages du premier arrivé dans certains maillons ont formé des barrières industrielles. et devenir de nouveaux entrants, ce qui constitue un obstacle important pour les investisseurs et les petites entreprises qui souhaitent développer leurs activités.
L’augmentation de la taille du marché mondial de 2022 à 2035 proviendra principalement du matériel de formation, des applications publicitaires et des logiciels. Parmi eux, le taux de croissance annuel composé des services d'infrastructure atteindra 60 %, avec une augmentation de 244,8 milliards de dollars. Le taux de croissance annuel composé des applications publicitaires a atteint 125 %, soit une augmentation de 192,4 milliards de dollars.
Sur la chaîne de valeur de l’IA générative, il existe les opportunités de marché suivantes dignes d’attention :
**1. Matériel dédié : **L'infrastructure de puissance de calcul utilisée dans le processus de formation et d'inférence de modèles présente des barrières de marché élevées et est essentiellement occupée par de grands acteurs. Le cœur du matériel de puissance de calcul est constitué de puces de calcul représentées par GPU et TPU.
**2. Plateforme cloud : **Une plate-forme permettant d'accéder à l'infrastructure informatique et d'exécuter des charges de travail d'IA générative, avec une part de marché relativement concentrée.
**3. Modèle de base : **Le maillon central de la chaîne de valeur de l'IA générative est déterminé par les connaissances professionnelles et l'investissement en coûts. La tendance de la piste générale des grands modèles est concentrée et il existe toujours une lacune de marché dans le grand modèle de l'industrie. piste.
**4. Model Center et MLOps : ** Outils pour héberger, affiner et déployer des modèles. Les géants et les fournisseurs indépendants forment une concurrence différenciée. Model Center et MLOps entreprennent deux tâches nécessaires pour créer des applications au-dessus des modèles de base : Premièrement, le model L'entrepôt fournit un espace pour stocker et accéder aux modèles de base ; le second est un outil MLOps spécialisé pour affiner et déployer des modèles de base dans les applications.
**5. Applications : **Les applications de terminaux basées sur le réglage fin de grands modèles sont la voie où les start-ups ont les plus grandes opportunités. Environ la moitié des entreprises licornes d'IA générative sont nées sur ce marché. Nous nous attendons à ce qu'à court terme À terme, pour les catégories verticales Industrie et développement de fonctions spécifiques, les applications construites sur la base de modèles affinés peuvent être les premières à se démarquer.
**6. Service : **Dans l'ensemble, les fournisseurs de solutions qui fournissent des services à valeur ajoutée basés sur des produits modèles sont monopolisés par les grands fabricants, mais il existe encore un espace de marché permettant aux petits et moyens acteurs de participer dans le domaine vertical.
Combat pratique : comment les entreprises déploient l'IA générative
**Le premier est le changement de modèle opérationnel. **La promotion à grande échelle de GenAI exige que les entreprises procèdent à une transformation complète de leurs modèles opérationnels et intègrent l'IA dans tous les aspects de leur activité. Lors de la mise en œuvre d'applications GenAI à grande échelle, un modèle opérationnel réussi doit couvrir six aspects majeurs : la feuille de route stratégique, les talents, le modèle opérationnel, la technologie, les données, les applications technologiques et la gestion du changement.
L’IA générative évolue rapidement et les PDG explorent également sa valeur commerciale et ses risques potentiels. Les PDG jouent un rôle important en incitant les entreprises à se concentrer sur l’IA générative. Bon nombre des stratégies que les PDG doivent garder à l’esprit lorsqu’ils se lancent dans cette aventure sont cohérentes avec la manière dont les dirigeants d’entreprise ont réagi aux vagues technologiques passées.
Cependant, l’IA générative présente également des défis uniques, notamment sa vitesse de développement sans précédent au-delà des changements technologiques précédents et la difficulté d’y répondre qui en résulte.
Avant de décider d'appliquer l'IA générative, considérez les énormes coûts d'investissement en temps et en ressources liés au départ de zéro et aux essais et erreurs. Les entreprises peuvent également exploiter de manière appropriée la puissance des institutions professionnelles pour accélérer le déploiement de l'IA générative et utiliser des technologies et des connaissances tierces. et Expérience, éviter les détours et les pièges et atteindre l'objectif de création de valeur plus rapidement et de manière plus économique.
**En outre, il convient de noter que l'IA générative offre un nouvel élan de croissance à tous les horizons, mais elle a également certains impacts négatifs.Les institutions financières doivent accorder une attention particulière à l'illusion de modèle, à l'utilisation malveillante et aux fuites d'informations lors de l'application de l'IA générative. L’IA et trois autres risques clés. **Les entreprises doivent y attacher une grande importance et prendre activement des mesures pour le prévenir et le gérer correctement, minimiser ses risques potentiels et maximiser sa valeur.
(L'auteur Qu Xiangjun est associé principal de McKinsey et responsable de l'activité de conseil aux institutions financières en Chine ; Han Feng est un partenaire mondial de McKinsey ; les membres de l'équipe McKinsey Hu Yirong, Fang Haoxiang, Fang Xiyuan, Li Jingyao, Song Ge, et Qiu Waishan, Wang Zhechen, Jiang Zixiang, Lu Zhijuan, etc. ont également contribué à cet article ; le chercheur de Caijing, Ding Yan, a également contribué à cet article)