Penulis: Yang Tao, wakil direktur Laboratorium Keuangan dan Pembangunan Nasional
Ringkasan
Sejak lahirnya ChatGPT, robot dialog kecerdasan buatan ini menjadi salah satu topik hangat di dunia. Jika kita membahas status penerapan kecerdasan buatan di bidang keuangan dari perspektif ChatGPT, secara objektif kecerdasan buatan memiliki tingkat penerapan yang lebih tinggi dalam operasi organisasi, kemampuan layanan, dan manajemen risiko, karena faktor teknis dan kelembagaan. tidak cukup untuk memenuhi kebutuhan keuangan lainnya. Artikel tersebut menunjukkan bahwa meskipun ChatGPT telah lebih menyoroti kemampuan aplikasi kecerdasan buatan, namun masih menghadapi banyak tantangan bagi industri keuangan, sehingga tidak dapat membawa perubahan besar pada industri keuangan untuk waktu yang lama.
ChatGPT, robot dialog yang dikembangkan oleh OpenAI, sebuah laboratorium penelitian kecerdasan buatan Amerika, telah menarik perhatian luas dari semua lapisan masyarakat di dalam dan luar negeri, dan memicu ledakan kecerdasan buatan. Pada saat yang sama, transformasi digital industri keuangan telah menjadi tren umum di semua negara, dan ini juga merupakan arah reformasi penting yang dipromosikan oleh otoritas pengatur di negara saya. Oleh karena itu, dimulai dari ChatGPT dan analisis mendalam tentang status, peluang, dan tantangan penerapan kecerdasan buatan di bidang keuangan akan membantu mewujudkan perkembangan ilmu pengetahuan dan teknologi di bidang keuangan yang lebih akurat.
01Status quo pengembangan kecerdasan buatan dan status ChatGPT
Dari perspektif makro, kecerdasan buatan dianggap sebagai kekuatan pendorong inti dari ekonomi digital, apakah itu desain tingkat atas dari "Rencana Lima Tahun ke-14" dan rencana pengembangan ekonomi digital, atau versi baru keuangan. rencana pengembangan teknologi dan panduan transformasi digital di sektor keuangan Industri utama dan tumpuan digital. Pesatnya perkembangan ekonomi digital telah menciptakan lingkungan ekonomi dan teknologi yang baik untuk kecerdasan buatan; pada saat yang sama, kecerdasan buatan, sebagai infrastruktur baru yang penting, juga memberikan momentum baru bagi perkembangan ekonomi digital negara saya. Secara keseluruhan, infrastruktur terbuka dan bersama yang canggih, proses alat yang terfokus dan diimplementasikan, dan skenario aplikasi yang beragam dan luas menyediakan lingkungan aplikasi yang baik dan ruang pasar untuk pengembangan kecerdasan buatan yang kuat. **
Dari perspektif tren perkembangan teknologi, model pra-pelatihan berskala sangat besar tidak diragukan lagi menjadi fokus dan hot spot dari perkembangan teknologi kecerdasan buatan saat ini. Dalam dua tahun terakhir, telah terjadi ledakan besar dan "senjata balapan". Secara keseluruhan, model besar menunjukkan tren pengembangan multi-modalitas, multi-teknologi, multi-kemampuan dan multi-aplikasi.Ini telah menunjukkan efek aplikasi yang baik di lingkungan laboratorium yang ideal dan lingkungan nyata industri vertikal.Di masa depan, besar dan model kecil akan terbentuk Sistem cerdas yang berkembang secara kolaboratif antara cloud dan edge.
Pada saat yang sama, kecerdasan buatan juga membawa dampak dan tantangan besar terhadap norma etika dan tata kelola sosial yang ada. Oleh karena itu, bagaimana mewujudkan tata kelola kecerdasan buatan yang efektif telah menjadi fokus perhatian dari semua lapisan masyarakat di dalam dan luar negeri dalam beberapa tahun terakhir. Terlihat bahwa tata kelola kecerdasan buatan di dalam dan luar negeri telah membuat kemajuan terobosan, dan telah memasuki tahap penetapan aturan dan regulasi serta penerapannya dari level konseptual, dan pengembangan AI yang kredibel telah menjadi konten inti.
Harus dikatakan bahwa kecerdasan buatan telah menjadi "katalis" terpenting dari inovasi teknologi, dan pemrosesan bahasa alami (NLP) yang terkait dengan ChatGPT dianggap sebagai "mutiara" di mahkota kecerdasan buatan. Kita telah melihat bahwa sejarah pengembangan kecerdasan buatan sebenarnya adalah sejarah peningkatan berkelanjutan dari dimensi model, dari ahli manusia yang menulis aturan, hingga mesin yang menulis sejumlah kecil aturan, hingga mesin yang menulis sejumlah besar aturan, dan akhirnya mentransfer pembelajaran. model besar. Dalam proses ini, ChatGPT menggunakan metode pembelajaran teks untuk memperluas bidang. GPT-3 memiliki 500 miliar kata dan 175 miliar parameter. Akhirnya, dengan dukungan informasi masif, telah memperoleh peningkatan fungsi yang komprehensif, tetapi ada juga masalah dengan konten dan data yang kredibel.Tantangan keselamatan dan biaya pendaratan yang tinggi.
02Dari perspektif permintaan finansial untuk melihat peluang penerapan kecerdasan buatan
Dengan kemajuan ekonomi digital yang mendalam dan pembangunan masyarakat digital, sejumlah besar data telah dihasilkan, menyediakan "tanah" yang luas untuk pemodelan, pelatihan, dan penerapan kecerdasan buatan. Secara khusus, akumulasi data berskala besar dan berkualitas tinggi di bidang keuangan, serta skenario aplikasi multidimensi dan beragam, memberikan peluang bagus untuk pengembangan aplikasi kecerdasan buatan yang giat. Melalui integrasi mendalam antara kecerdasan buatan dan layanan pelanggan keuangan, inovasi produk, manajemen operasi, pencegahan dan pengendalian risiko, serta skenario bisnis lainnya, seluruh proses layanan keuangan akan dibentuk ulang dan diberdayakan secara cerdas, dan inovasi produk keuangan, rekayasa ulang proses, integrasi saluran dan layanan akan dipromosikan.Tingkatkan dan perluas keluasan dan kedalaman layanan keuangan, menjadi sumber penting dan kekuatan pendorong untuk transformasi digital keuangan.
Pada analisis akhir, nilai penerapan **kecerdasan buatan terletak pada pemecahan masalah yang ada di bidang keuangan, yang perlu dianalisis dari perspektif kebutuhan keuangan. Secara khusus, dari perspektif mesocosmic dan microcosmic industri keuangan, kesulitan yang dihadapi merupakan isu-isu strategis. ** Menghadapi situasi ekonomi dan keuangan yang semakin kompleks, perumusan strategi untuk lembaga keuangan menjadi sangat penting.Ini bukan hanya "proyek tingkat atas" lembaga, tetapi juga membutuhkan kombinasi yang efektif antara visi, logika, dan pengalaman, serta optimalisasi manajemen dinamis yang tepat waktu dan efektif. Penerapan kecerdasan buatan dalam perumusan strategi adalah persepsi, penalaran, dan pengambilan keputusan, yang secara alami dapat digabungkan dengan perumusan strategi komprehensif atau khusus dari lembaga keuangan dan melakukan optimalisasi acak dinamis.
**Yang kedua adalah masalah struktural. **Meskipun kekuatan komprehensif industri keuangan negara saya terus meningkat, masih banyak kontradiksi struktural dari pembangunan yang tidak seimbang dan tidak memadai, yang juga mengajukan persyaratan kecerdasan buatan untuk "mengisi kekurangan". Misalnya, apakah penerapan kecerdasan buatan di bidang pengelolaan kekayaan dapat membawa perubahan pada ketimpangan struktur aset rumah tangga dan tata letak aset keuangan akan berdampak langsung pada tujuan utama keuangan untuk membantu kemakmuran bersama.
** Yang ketiga adalah masalah faktor produksi. **Pembangunan berkelanjutan dan transformasi digital lembaga keuangan perlu mempertimbangkan ekonomi, skala, dan efisiensi input faktor, yang intinya adalah data dan manusia. Di satu sisi, data telah menjadi faktor produksi yang penting dan sumber daya strategis nasional yang mendasar. Bagaimana industri keuangan dapat meningkatkan aktivitas siklus hidup penuh data "akuisisi, penyimpanan, perhitungan, pengelolaan, dan penggunaan" dan mempromosikan transformasi elemen data menjadi aset data merupakan tantangan mendesak yang dihadapi saat ini, dan kombinasi kecerdasan buatan dan data besar akan merangsang lebih banyak vitalitas. Di sisi lain, talenta fintech juga merupakan sumber daya yang langka.
Kecerdasan buatan bisa menjadi "asisten pintar" untuk meningkatkan kemampuan karyawan, atau bisa melengkapi kemampuan tim dengan membangun "manusia digital".
** Yang keempat adalah masalah organisasi dan operasi. **Transformasi digital industri keuangan tidak terlepas dari jaminan struktur organisasi dan kemampuan operasional. Dalam proses ini, kecerdasan buatan dapat dimanfaatkan sepenuhnya untuk menciptakan model operasi yang otomatis dan cerdas, terus mengoptimalkan proses operasi, berinovasi model operasi, meningkatkan kualitas layanan operasional, dan mengurangi biaya Operasi, sehingga mendukung layanan keuangan yang komprehensif dan cerdas.
** Yang kelima adalah masalah kapasitas layanan. **Kemampuan layanan lembaga keuangan tercermin dalam diversifikasi produk, kemampuan analisis pasar yang memadai, kemampuan pemasaran dan saluran, pemeliharaan pelanggan dan kemampuan layanan bernilai tambah, dll. Terutama dalam hal desain produk pintar yang disesuaikan, pemasaran yang tepat dari layanan potret holografik pelanggan, dan konsistensi pengalaman online dan offline, eksplorasi yang berhasil telah dilakukan.
**Yang keenam adalah masalah manajemen risiko. **Saat ini, risiko makro dan mikro yang dihadapi oleh industri keuangan semakin kompleks. Jika kecerdasan buatan dapat digunakan secara efektif, model pengendalian risiko yang cerdas dapat dibuat berdasarkan integrasi dan analisis data besar, yang akan menjadi cara yang efektif untuk mengidentifikasi, memantau dan mengendalikan risiko. Di satu sisi, ini membangun pandangan pelanggan, bisnis, dan risiko untuk secara dinamis dan komprehensif mencerminkan gambaran keseluruhan risiko; di sisi lain, mengoptimalkan penilaian risiko kredit yang cerdas dan mewujudkan transformasi pengendalian risiko menjadi kontrol numerik dan kontrol cerdas.
** Yang ketujuh adalah masalah efektivitas layanan. ** Apakah penerapan kecerdasan buatan dalam industri keuangan efisien, satu dari perspektif lembaga keuangan itu sendiri, dan yang lainnya dari perspektif entitas layanan. Di satu sisi, selama perkembangan pesat industri keuangan dalam beberapa tahun terakhir, teknologi informasi telah memberikan dampak yang sangat besar terhadap peningkatan dan transformasi total faktor produktivitas industri keuangan. Salah satu wujud nilai guna kecerdasan buatan adalah apakah dapat lebih meningkatkan efisiensi operasional lembaga keuangan dan mengoptimalkan indikator keuangan. Di sisi lain, industri keuangan masih memiliki banyak tanggung jawab dalam membantu inklusif, hijau, teknologi, dan kesejahteraan bersama.Nilai aplikasi kecerdasan buatan untuk meningkatkan fungsinya juga perlu diperhatikan.
Yang kedelapan adalah masalah ekologi kerjasama. **Dari perbankan terbuka hingga keuangan terbuka telah menjadi arus utama inovasi global, dan lembaga keuangan perlu berbagi data, algoritme, transaksi, proses, dan fungsi bisnis lainnya dengan ekosistem bisnis untuk menyediakan pelanggan ekosistem, karyawan, pengembang pihak ketiga, keuangan institusi Perusahaan teknologi, pemasok, dan mitra lainnya menyediakan layanan untuk menciptakan ekosistem keuangan digital yang dicirikan oleh "kecerdasan, keterbukaan, berbagi, kelincahan, dan integrasi". Dengan berkah kecerdasan buatan dan data besar, ini dapat membantu untuk lebih meningkatkan ekologi eksternal lembaga keuangan.
Secara objektif, kecerdasan buatan lebih banyak digunakan dalam operasi organisasi, kapabilitas layanan, dan manajemen risiko, karena faktor teknis dan kelembagaan masih belum cukup untuk menyelesaikan kebutuhan keuangan lainnya.
03Tantangan penerapan kecerdasan buatan di industri keuangan
ChatGPT** lebih jauh menyoroti kemampuan aplikasi kecerdasan buatan, namun untuk industri keuangan masih menghadapi banyak tantangan, sehingga tidak mungkin membawa perubahan besar pada industri keuangan untuk waktu yang lama. **
** Yang pertama adalah tata kelola data. **Titik awal dari transformasi digital industri keuangan adalah melakukan pekerjaan yang baik dalam tata kelola data, sistem tata kelola data harus benar-benar ditingkatkan, kemampuan manajemen data ditingkatkan, kontrol kualitas data diperkuat, dan kemampuan aplikasi data ditingkatkan. Penerapan kecerdasan buatan juga tidak dapat dipisahkan dari data masif berkualitas tinggi, tetapi tata kelola data lembaga keuangan umumnya masih dalam tahap awal, dan data berkualitas rendah, pulau data, dan data yang tersebar adalah hal biasa, dan sulit untuk menyediakan data yang memadai. dukungan elemen data untuk kecerdasan buatan.
**Yang kedua adalah standarisasi adegan. **Meskipun aplikasi keuangan kecerdasan buatan mewujudkan karakteristik personalisasi dan "ribuan orang dan ribuan wajah", dalam jangka panjang, dalam proses integrasi keuangan dan teknologi, vitalitas sebenarnya adalah standar dan tujuan umum adegan inovasi teknologi keuangan, sementara kerjasama yang berbeda tidak didasarkan pada model outsourcing tradisional juga merupakan salah satu kendala dari aplikasi keuangan kecerdasan buatan yang ada.
** Yang ketiga adalah ambang biaya teknologi dan solusi yang tinggi. **Aplikasi teknis dan pengaturan solusi kecerdasan buatan dalam aktivitas keuangan biasanya memiliki biaya penerapan yang tinggi, sehingga sulit untuk memenuhi kebutuhan lembaga keuangan kecil dan menengah. Menurut perkiraan penelitian oleh Guosheng Securities, biaya pelatihan GPT-3 adalah sekitar 1,4 juta dolar AS, dan untuk beberapa LLM (Large Language Model) yang lebih besar, biaya pelatihan antara 2 juta dolar AS dan 12 juta dolar AS.
** Yang keempat adalah transparansi dan tidak dapat dijelaskan. **Yang disebut interpretabilitas mengacu pada kebutuhan untuk memperoleh informasi yang cukup dan dapat dipahami dalam proses kognisi atau pengambilan keputusan suatu tindakan, sehingga dapat membantu pengambilan keputusan. Dalam pembelajaran mesin, biasanya ada ruang yang tidak dapat diamati yang disebut "kotak hitam" antara data masukan dan jawaban keluaran. Hanya dengan mengembangkan aplikasi keuangan AI yang dapat ditafsirkan dan dipercaya, kepercayaan pengguna, kemampuan audit model, dan pengurangan risiko dapat dicapai.
** Yang kelima adalah koordinasi internal dalam organisasi. **Sejauh lembaga keuangan menerapkan kecerdasan buatan dan teknologi mutakhir lainnya, biasanya sulit untuk membentuk mekanisme "kompatibilitas insentif" yang efektif untuk mempromosikan pemangku kepentingan internal untuk mencapai konsensus untuk mencerminkan nilai inovasi teknologi dengan efisiensi maksimum. Dalam hal ini, bagaimana mengoptimalkan model organisasi dan koordinasi melalui desain aturan sambil mengoptimalkan iterasi solusi teknis itu sendiri juga merupakan tantangan yang tidak dapat dihindari untuk kecerdasan buatan.
** Yang keenam adalah pembagian tanggung jawab. **Rancangan produk dan operasi bisnis lembaga keuangan memiliki kekhasan tertentu, dan juga terdapat berbagai risiko yang kompleks. Oleh karena itu, berdasarkan logika pengendalian risiko dan perlindungan konsumen keuangan, setiap aktivitas keuangan memerlukan mekanisme pembagian tanggung jawab yang jelas. Setelah pengenalan kecerdasan buatan, keseimbangan hak dan tanggung jawab dalam proses bisnis asli lembaga keuangan dapat menyebabkan beberapa ambiguitas baru, yang perlu dieksplorasi lebih lanjut dari aspek aturan kelembagaan, praktik bisnis, teknologi dan bisnis, dan hubungan antara model dan orang.
**Yang ketujuh adalah kepatuhan dan etika. **Dengan pesatnya perkembangan teknologi keuangan, pengawasan berbagai negara semakin maju seiring dengan perkembangan zaman. Menghadapi evolusi dinamis dari prinsip dan model regulasi, penerapan keuangan kecerdasan buatan memiliki tekanan kepatuhan yang lebih menonjol. Di saat yang sama, tantangan etika teknologi keuangan seperti diskriminasi algoritme, pembunuhan data besar, dan kebocoran informasi juga telah membawa "bayangan" penerapan kecerdasan buatan. Masih perlu digali bagaimana menggunakan inovasi teknologi yang "bertanggung jawab". untuk menciptakan layanan keuangan "hangat" .
Singkatnya, prospek transformasi digital industri keuangan yang digerakkan oleh kecerdasan buatan telah dimulai, tetapi belum berjalan mulus, dan masih banyak tantangan besar, yang sangat membutuhkan pengoptimalan diri dan "terobosan" berkelanjutan.
Lihat Asli
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
Lihat aplikasi kecerdasan buatan di bidang keuangan dari ChatGPT
Penulis: Yang Tao, wakil direktur Laboratorium Keuangan dan Pembangunan Nasional
Ringkasan
Sejak lahirnya ChatGPT, robot dialog kecerdasan buatan ini menjadi salah satu topik hangat di dunia. Jika kita membahas status penerapan kecerdasan buatan di bidang keuangan dari perspektif ChatGPT, secara objektif kecerdasan buatan memiliki tingkat penerapan yang lebih tinggi dalam operasi organisasi, kemampuan layanan, dan manajemen risiko, karena faktor teknis dan kelembagaan. tidak cukup untuk memenuhi kebutuhan keuangan lainnya. Artikel tersebut menunjukkan bahwa meskipun ChatGPT telah lebih menyoroti kemampuan aplikasi kecerdasan buatan, namun masih menghadapi banyak tantangan bagi industri keuangan, sehingga tidak dapat membawa perubahan besar pada industri keuangan untuk waktu yang lama.
ChatGPT, robot dialog yang dikembangkan oleh OpenAI, sebuah laboratorium penelitian kecerdasan buatan Amerika, telah menarik perhatian luas dari semua lapisan masyarakat di dalam dan luar negeri, dan memicu ledakan kecerdasan buatan. Pada saat yang sama, transformasi digital industri keuangan telah menjadi tren umum di semua negara, dan ini juga merupakan arah reformasi penting yang dipromosikan oleh otoritas pengatur di negara saya. Oleh karena itu, dimulai dari ChatGPT dan analisis mendalam tentang status, peluang, dan tantangan penerapan kecerdasan buatan di bidang keuangan akan membantu mewujudkan perkembangan ilmu pengetahuan dan teknologi di bidang keuangan yang lebih akurat.
01 Status quo pengembangan kecerdasan buatan dan status ChatGPT
Dari perspektif makro, kecerdasan buatan dianggap sebagai kekuatan pendorong inti dari ekonomi digital, apakah itu desain tingkat atas dari "Rencana Lima Tahun ke-14" dan rencana pengembangan ekonomi digital, atau versi baru keuangan. rencana pengembangan teknologi dan panduan transformasi digital di sektor keuangan Industri utama dan tumpuan digital. Pesatnya perkembangan ekonomi digital telah menciptakan lingkungan ekonomi dan teknologi yang baik untuk kecerdasan buatan; pada saat yang sama, kecerdasan buatan, sebagai infrastruktur baru yang penting, juga memberikan momentum baru bagi perkembangan ekonomi digital negara saya. Secara keseluruhan, infrastruktur terbuka dan bersama yang canggih, proses alat yang terfokus dan diimplementasikan, dan skenario aplikasi yang beragam dan luas menyediakan lingkungan aplikasi yang baik dan ruang pasar untuk pengembangan kecerdasan buatan yang kuat. **
Dari perspektif tren perkembangan teknologi, model pra-pelatihan berskala sangat besar tidak diragukan lagi menjadi fokus dan hot spot dari perkembangan teknologi kecerdasan buatan saat ini. Dalam dua tahun terakhir, telah terjadi ledakan besar dan "senjata balapan". Secara keseluruhan, model besar menunjukkan tren pengembangan multi-modalitas, multi-teknologi, multi-kemampuan dan multi-aplikasi.Ini telah menunjukkan efek aplikasi yang baik di lingkungan laboratorium yang ideal dan lingkungan nyata industri vertikal.Di masa depan, besar dan model kecil akan terbentuk Sistem cerdas yang berkembang secara kolaboratif antara cloud dan edge.
Pada saat yang sama, kecerdasan buatan juga membawa dampak dan tantangan besar terhadap norma etika dan tata kelola sosial yang ada. Oleh karena itu, bagaimana mewujudkan tata kelola kecerdasan buatan yang efektif telah menjadi fokus perhatian dari semua lapisan masyarakat di dalam dan luar negeri dalam beberapa tahun terakhir. Terlihat bahwa tata kelola kecerdasan buatan di dalam dan luar negeri telah membuat kemajuan terobosan, dan telah memasuki tahap penetapan aturan dan regulasi serta penerapannya dari level konseptual, dan pengembangan AI yang kredibel telah menjadi konten inti.
Harus dikatakan bahwa kecerdasan buatan telah menjadi "katalis" terpenting dari inovasi teknologi, dan pemrosesan bahasa alami (NLP) yang terkait dengan ChatGPT dianggap sebagai "mutiara" di mahkota kecerdasan buatan. Kita telah melihat bahwa sejarah pengembangan kecerdasan buatan sebenarnya adalah sejarah peningkatan berkelanjutan dari dimensi model, dari ahli manusia yang menulis aturan, hingga mesin yang menulis sejumlah kecil aturan, hingga mesin yang menulis sejumlah besar aturan, dan akhirnya mentransfer pembelajaran. model besar. Dalam proses ini, ChatGPT menggunakan metode pembelajaran teks untuk memperluas bidang. GPT-3 memiliki 500 miliar kata dan 175 miliar parameter. Akhirnya, dengan dukungan informasi masif, telah memperoleh peningkatan fungsi yang komprehensif, tetapi ada juga masalah dengan konten dan data yang kredibel.Tantangan keselamatan dan biaya pendaratan yang tinggi.
02 Dari perspektif permintaan finansial untuk melihat peluang penerapan kecerdasan buatan
Dengan kemajuan ekonomi digital yang mendalam dan pembangunan masyarakat digital, sejumlah besar data telah dihasilkan, menyediakan "tanah" yang luas untuk pemodelan, pelatihan, dan penerapan kecerdasan buatan. Secara khusus, akumulasi data berskala besar dan berkualitas tinggi di bidang keuangan, serta skenario aplikasi multidimensi dan beragam, memberikan peluang bagus untuk pengembangan aplikasi kecerdasan buatan yang giat. Melalui integrasi mendalam antara kecerdasan buatan dan layanan pelanggan keuangan, inovasi produk, manajemen operasi, pencegahan dan pengendalian risiko, serta skenario bisnis lainnya, seluruh proses layanan keuangan akan dibentuk ulang dan diberdayakan secara cerdas, dan inovasi produk keuangan, rekayasa ulang proses, integrasi saluran dan layanan akan dipromosikan.Tingkatkan dan perluas keluasan dan kedalaman layanan keuangan, menjadi sumber penting dan kekuatan pendorong untuk transformasi digital keuangan.
Pada analisis akhir, nilai penerapan **kecerdasan buatan terletak pada pemecahan masalah yang ada di bidang keuangan, yang perlu dianalisis dari perspektif kebutuhan keuangan. Secara khusus, dari perspektif mesocosmic dan microcosmic industri keuangan, kesulitan yang dihadapi merupakan isu-isu strategis. ** Menghadapi situasi ekonomi dan keuangan yang semakin kompleks, perumusan strategi untuk lembaga keuangan menjadi sangat penting.Ini bukan hanya "proyek tingkat atas" lembaga, tetapi juga membutuhkan kombinasi yang efektif antara visi, logika, dan pengalaman, serta optimalisasi manajemen dinamis yang tepat waktu dan efektif. Penerapan kecerdasan buatan dalam perumusan strategi adalah persepsi, penalaran, dan pengambilan keputusan, yang secara alami dapat digabungkan dengan perumusan strategi komprehensif atau khusus dari lembaga keuangan dan melakukan optimalisasi acak dinamis.
**Yang kedua adalah masalah struktural. **Meskipun kekuatan komprehensif industri keuangan negara saya terus meningkat, masih banyak kontradiksi struktural dari pembangunan yang tidak seimbang dan tidak memadai, yang juga mengajukan persyaratan kecerdasan buatan untuk "mengisi kekurangan". Misalnya, apakah penerapan kecerdasan buatan di bidang pengelolaan kekayaan dapat membawa perubahan pada ketimpangan struktur aset rumah tangga dan tata letak aset keuangan akan berdampak langsung pada tujuan utama keuangan untuk membantu kemakmuran bersama.
** Yang ketiga adalah masalah faktor produksi. **Pembangunan berkelanjutan dan transformasi digital lembaga keuangan perlu mempertimbangkan ekonomi, skala, dan efisiensi input faktor, yang intinya adalah data dan manusia. Di satu sisi, data telah menjadi faktor produksi yang penting dan sumber daya strategis nasional yang mendasar. Bagaimana industri keuangan dapat meningkatkan aktivitas siklus hidup penuh data "akuisisi, penyimpanan, perhitungan, pengelolaan, dan penggunaan" dan mempromosikan transformasi elemen data menjadi aset data merupakan tantangan mendesak yang dihadapi saat ini, dan kombinasi kecerdasan buatan dan data besar akan merangsang lebih banyak vitalitas. Di sisi lain, talenta fintech juga merupakan sumber daya yang langka.
Kecerdasan buatan bisa menjadi "asisten pintar" untuk meningkatkan kemampuan karyawan, atau bisa melengkapi kemampuan tim dengan membangun "manusia digital".
** Yang keempat adalah masalah organisasi dan operasi. **Transformasi digital industri keuangan tidak terlepas dari jaminan struktur organisasi dan kemampuan operasional. Dalam proses ini, kecerdasan buatan dapat dimanfaatkan sepenuhnya untuk menciptakan model operasi yang otomatis dan cerdas, terus mengoptimalkan proses operasi, berinovasi model operasi, meningkatkan kualitas layanan operasional, dan mengurangi biaya Operasi, sehingga mendukung layanan keuangan yang komprehensif dan cerdas.
** Yang kelima adalah masalah kapasitas layanan. **Kemampuan layanan lembaga keuangan tercermin dalam diversifikasi produk, kemampuan analisis pasar yang memadai, kemampuan pemasaran dan saluran, pemeliharaan pelanggan dan kemampuan layanan bernilai tambah, dll. Terutama dalam hal desain produk pintar yang disesuaikan, pemasaran yang tepat dari layanan potret holografik pelanggan, dan konsistensi pengalaman online dan offline, eksplorasi yang berhasil telah dilakukan.
**Yang keenam adalah masalah manajemen risiko. **Saat ini, risiko makro dan mikro yang dihadapi oleh industri keuangan semakin kompleks. Jika kecerdasan buatan dapat digunakan secara efektif, model pengendalian risiko yang cerdas dapat dibuat berdasarkan integrasi dan analisis data besar, yang akan menjadi cara yang efektif untuk mengidentifikasi, memantau dan mengendalikan risiko. Di satu sisi, ini membangun pandangan pelanggan, bisnis, dan risiko untuk secara dinamis dan komprehensif mencerminkan gambaran keseluruhan risiko; di sisi lain, mengoptimalkan penilaian risiko kredit yang cerdas dan mewujudkan transformasi pengendalian risiko menjadi kontrol numerik dan kontrol cerdas.
** Yang ketujuh adalah masalah efektivitas layanan. ** Apakah penerapan kecerdasan buatan dalam industri keuangan efisien, satu dari perspektif lembaga keuangan itu sendiri, dan yang lainnya dari perspektif entitas layanan. Di satu sisi, selama perkembangan pesat industri keuangan dalam beberapa tahun terakhir, teknologi informasi telah memberikan dampak yang sangat besar terhadap peningkatan dan transformasi total faktor produktivitas industri keuangan. Salah satu wujud nilai guna kecerdasan buatan adalah apakah dapat lebih meningkatkan efisiensi operasional lembaga keuangan dan mengoptimalkan indikator keuangan. Di sisi lain, industri keuangan masih memiliki banyak tanggung jawab dalam membantu inklusif, hijau, teknologi, dan kesejahteraan bersama.Nilai aplikasi kecerdasan buatan untuk meningkatkan fungsinya juga perlu diperhatikan.
Yang kedelapan adalah masalah ekologi kerjasama. **Dari perbankan terbuka hingga keuangan terbuka telah menjadi arus utama inovasi global, dan lembaga keuangan perlu berbagi data, algoritme, transaksi, proses, dan fungsi bisnis lainnya dengan ekosistem bisnis untuk menyediakan pelanggan ekosistem, karyawan, pengembang pihak ketiga, keuangan institusi Perusahaan teknologi, pemasok, dan mitra lainnya menyediakan layanan untuk menciptakan ekosistem keuangan digital yang dicirikan oleh "kecerdasan, keterbukaan, berbagi, kelincahan, dan integrasi". Dengan berkah kecerdasan buatan dan data besar, ini dapat membantu untuk lebih meningkatkan ekologi eksternal lembaga keuangan.
Secara objektif, kecerdasan buatan lebih banyak digunakan dalam operasi organisasi, kapabilitas layanan, dan manajemen risiko, karena faktor teknis dan kelembagaan masih belum cukup untuk menyelesaikan kebutuhan keuangan lainnya.
03 Tantangan penerapan kecerdasan buatan di industri keuangan
ChatGPT** lebih jauh menyoroti kemampuan aplikasi kecerdasan buatan, namun untuk industri keuangan masih menghadapi banyak tantangan, sehingga tidak mungkin membawa perubahan besar pada industri keuangan untuk waktu yang lama. **
** Yang pertama adalah tata kelola data. **Titik awal dari transformasi digital industri keuangan adalah melakukan pekerjaan yang baik dalam tata kelola data, sistem tata kelola data harus benar-benar ditingkatkan, kemampuan manajemen data ditingkatkan, kontrol kualitas data diperkuat, dan kemampuan aplikasi data ditingkatkan. Penerapan kecerdasan buatan juga tidak dapat dipisahkan dari data masif berkualitas tinggi, tetapi tata kelola data lembaga keuangan umumnya masih dalam tahap awal, dan data berkualitas rendah, pulau data, dan data yang tersebar adalah hal biasa, dan sulit untuk menyediakan data yang memadai. dukungan elemen data untuk kecerdasan buatan.
**Yang kedua adalah standarisasi adegan. **Meskipun aplikasi keuangan kecerdasan buatan mewujudkan karakteristik personalisasi dan "ribuan orang dan ribuan wajah", dalam jangka panjang, dalam proses integrasi keuangan dan teknologi, vitalitas sebenarnya adalah standar dan tujuan umum adegan inovasi teknologi keuangan, sementara kerjasama yang berbeda tidak didasarkan pada model outsourcing tradisional juga merupakan salah satu kendala dari aplikasi keuangan kecerdasan buatan yang ada.
** Yang ketiga adalah ambang biaya teknologi dan solusi yang tinggi. **Aplikasi teknis dan pengaturan solusi kecerdasan buatan dalam aktivitas keuangan biasanya memiliki biaya penerapan yang tinggi, sehingga sulit untuk memenuhi kebutuhan lembaga keuangan kecil dan menengah. Menurut perkiraan penelitian oleh Guosheng Securities, biaya pelatihan GPT-3 adalah sekitar 1,4 juta dolar AS, dan untuk beberapa LLM (Large Language Model) yang lebih besar, biaya pelatihan antara 2 juta dolar AS dan 12 juta dolar AS.
** Yang keempat adalah transparansi dan tidak dapat dijelaskan. **Yang disebut interpretabilitas mengacu pada kebutuhan untuk memperoleh informasi yang cukup dan dapat dipahami dalam proses kognisi atau pengambilan keputusan suatu tindakan, sehingga dapat membantu pengambilan keputusan. Dalam pembelajaran mesin, biasanya ada ruang yang tidak dapat diamati yang disebut "kotak hitam" antara data masukan dan jawaban keluaran. Hanya dengan mengembangkan aplikasi keuangan AI yang dapat ditafsirkan dan dipercaya, kepercayaan pengguna, kemampuan audit model, dan pengurangan risiko dapat dicapai.
** Yang kelima adalah koordinasi internal dalam organisasi. **Sejauh lembaga keuangan menerapkan kecerdasan buatan dan teknologi mutakhir lainnya, biasanya sulit untuk membentuk mekanisme "kompatibilitas insentif" yang efektif untuk mempromosikan pemangku kepentingan internal untuk mencapai konsensus untuk mencerminkan nilai inovasi teknologi dengan efisiensi maksimum. Dalam hal ini, bagaimana mengoptimalkan model organisasi dan koordinasi melalui desain aturan sambil mengoptimalkan iterasi solusi teknis itu sendiri juga merupakan tantangan yang tidak dapat dihindari untuk kecerdasan buatan.
** Yang keenam adalah pembagian tanggung jawab. **Rancangan produk dan operasi bisnis lembaga keuangan memiliki kekhasan tertentu, dan juga terdapat berbagai risiko yang kompleks. Oleh karena itu, berdasarkan logika pengendalian risiko dan perlindungan konsumen keuangan, setiap aktivitas keuangan memerlukan mekanisme pembagian tanggung jawab yang jelas. Setelah pengenalan kecerdasan buatan, keseimbangan hak dan tanggung jawab dalam proses bisnis asli lembaga keuangan dapat menyebabkan beberapa ambiguitas baru, yang perlu dieksplorasi lebih lanjut dari aspek aturan kelembagaan, praktik bisnis, teknologi dan bisnis, dan hubungan antara model dan orang.
**Yang ketujuh adalah kepatuhan dan etika. **Dengan pesatnya perkembangan teknologi keuangan, pengawasan berbagai negara semakin maju seiring dengan perkembangan zaman. Menghadapi evolusi dinamis dari prinsip dan model regulasi, penerapan keuangan kecerdasan buatan memiliki tekanan kepatuhan yang lebih menonjol. Di saat yang sama, tantangan etika teknologi keuangan seperti diskriminasi algoritme, pembunuhan data besar, dan kebocoran informasi juga telah membawa "bayangan" penerapan kecerdasan buatan. Masih perlu digali bagaimana menggunakan inovasi teknologi yang "bertanggung jawab". untuk menciptakan layanan keuangan "hangat" .
Singkatnya, prospek transformasi digital industri keuangan yang digerakkan oleh kecerdasan buatan telah dimulai, tetapi belum berjalan mulus, dan masih banyak tantangan besar, yang sangat membutuhkan pengoptimalan diri dan "terobosan" berkelanjutan.