Fonte: "Financial May Flower" (ID: Caijing-MayFlower), autor: Qu Xiangjun Han Feng
Fonte da imagem: gerada por Unbounded AI
Olhando para a lista das principais tendências estratégicas tecnológicas nacionais e estrangeiras e áreas quentes de investimento no primeiro semestre de 2023, não há dúvida de que a inteligência artificial generativa (doravante denominada "IA generativa") é uma das tecnologias mais atraentes . Com o surgimento do ChatGPT, essa tecnologia emergente entrou em uma mania sem precedentes. Todas as esferas da vida estão discutindo tópicos relacionados, sem mencionar que os gigantes da tecnologia e os fabricantes de IA deixaram a indústria. Para que não percam esta festa tecnológica, alguns líderes da indústria e a mídia compararam a onda de IA generativa com as oportunidades da Internet móvel do passado, destacando ainda mais o seu enorme valor e influência potencial.
**Em comparação com a IA tradicional, a IA generativa tem quatro vantagens principais que a tornam atrativa, incluindo automação e melhoria da eficiência, personalização e customização, capacidades de criatividade e inovação, e explicabilidade e transparência. **Isto é particularmente importante para áreas como finanças e cuidados de saúde que exigem explicabilidade, ajudando a construir confiança, a cumprir requisitos regulamentares e a tornar mais fácil para as pessoas aceitarem e adotarem decisões do sistema.
Em suma, a IA generativa pode criar um enorme valor para várias indústrias em todo o mundo, melhorando a eficiência da produção, promovendo capacidades de inovação e mudando o cenário competitivo.
**A McKinsey prevê que a IA como um todo trará um impacto económico positivo de até 25,6 biliões de dólares americanos para a economia global, dos quais a contribuição da IA generativa chega a 7,9 biliões de dólares americanos, equivalente ao PIB total actual de a economia global (produto interno bruto) 8% do volume. **
Cenário: Novas mudanças no setor financeiro com IA generativa
A IA generativa capturou a atenção e a imaginação de pessoas em todo o mundo graças à sua ampla utilidade – seu “superpoder” de compreensão da linguagem natural e criação de conteúdo pode ser usado por quase qualquer pessoa, fazendo com que a IA generativa tenha vantagens significativas na melhoria da eficiência da produção da indústria e promovendo a inovação de produtos e deverá subverter a estrutura existente de várias indústrias em todo o mundo no futuro.
**Do ponto de vista da indústria, as três indústrias onde a IA generativa gera o maior valor são a alta tecnologia, a banca e o retalho. **A McKinsey estima que, até 2032, a IA generativa trará aproximadamente US$ 200 bilhões a US$ 340 bilhões em novo valor para o setor bancário global (incluindo gestão de ativos e patrimônio, doravante coletivamente denominada "gestão de ativos") todos os anos, representando 10% do total do setor bancário.A proporção da renda anual chega a 2,8% -4,7%. Juntamente com o valor acrescentado anual esperado de 50 mil milhões a 70 mil milhões de dólares gerado pela IA generativa na indústria dos seguros (representando aproximadamente 1,8% - 2,0% da receita anual da indústria), esperamos que os casos de utilização da IA generativa sejam utilizados em sector financeiro (banca, seguros, etc.) e gestão de activos), o conjunto de valor é de aproximadamente 250 mil milhões a 410 mil milhões de dólares.
**Pode-se observar que o setor financeiro é um dos setores com maior potencial para casos de uso generativos de IA, tanto em termos de valor absoluto como de potencial de crescimento relativo. **Então, como a deslumbrante IA generativa se combina com as características do setor para criar valor? A McKinsey observou que existem atualmente quatro métodos de aplicação mais convencionais, que contribuirão coletivamente com 75% do total de benefícios gerados pela IA generativa no setor financeiro. Nós os resumimos como “4C”, a saber: refinamento de conteúdo/especialistas virtuais (Concisão) ), interação do usuário (engajamento do cliente), geração de conteúdo (geração de conteúdo) e aceleração de programação (codificação).
Em termos de indústrias, no setor bancário, em termos de refinamento de conteúdo/especialistas virtuais, tarefas repetitivas e tediosas na área financeira podem ser automatizadas por meio de IA generativa, melhorando assim a eficiência dos profissionais financeiros, reduzindo custos e liberando funcionários. O tempo é usado para trabalhos de maior valor e, por meio de especialistas virtuais, o pessoal da linha de frente do banco pode extrair insights de dados não estruturados, interpretar textos e acessar rapidamente todas as informações relevantes, como guias e políticas de produtos, para atender instantaneamente às solicitações dos clientes e A eficiência do trabalho pode ser aumentada em 60%.
Outros casos de uso típicos incluem: processamento de transações: processamento automatizado de transações financeiras, incluindo processamento de pedidos, liquidação e compensação, etc.; geração de demonstrações financeiras: coleta, organização e análise automática de dados financeiros e geração de demonstrações financeiras precisas e oportunas que cumpram com padrões contábeis, ajudando a reduzir o tempo de preparação de relatórios e erros manuais; avaliação de riscos e verificações de conformidade: analise automaticamente grandes quantidades de dados financeiros, identifique possíveis fatores de risco e conduza verificações de conformidade.
**Em termos de interação do usuário, os sistemas generativos de IA fornecem aos usuários soluções personalizadas e suporte, aprendendo e analisando uma grande quantidade de conhecimento profissional e experiência humana. **As empresas financeiras podem fornecer serviços mais personalizados, eficientes e satisfatórios nesse sentido. Por exemplo, usando chatbots para completar o contato com o cliente e a coleta de dados, pelo menos 80% das interações com o cliente poderão ser automatizadas nos próximos 5 a 10 anos. Outros casos de uso típicos incluem: assistentes inteligentes, recomendações e serviços personalizados, análise de sentimentos e monitoramento de emoções.
**Em termos de geração de conteúdo, a IA generativa pode gerar novos conteúdos, como textos e ilustrações visuais, aprendendo e analisando grandes quantidades de dados de texto, imagem e áudio, acelerando o processo de desenvolvimento de conteúdo das empresas do setor financeiro. **Por exemplo, ele pode gerar relatórios de análise do mercado financeiro e insights de investimento personalizados; pode ser usado para redigir documentos importantes, como contratos e licitações; também pode ser usado para escrever textos promocionais e materiais de marketing para bancos, seguros, gestão de ativos e empresas de valores mobiliários, etc.
**No campo financeiro, especialmente em negociações quantitativas e gerenciamento de risco, a escrita de código eficiente e precisa é crucial. **Em termos de aceleração de programação, a IA generativa pode interpretar e gerar código, acelerar o processo de desenvolvimento de software e reduzir erros manuais, gerando automaticamente trechos de código, modelos e algoritmos.
De uma perspectiva funcional bancária, os casos de uso de IA generativa têm o maior impacto em quatro funções: distribuição de linha de frente, operações de clientes, tecnologia, e jurídica, risco, conformidade e fraude, representando aproximadamente 1% do conjunto potencial de valor global do banco.70 %. O uso de ferramentas generativas de IA pode aumentar a satisfação do cliente, melhorar a tomada de decisões e a experiência dos funcionários e reduzir o risco ao monitorar melhor fraudes e outros comportamentos.
**Do ponto de vista do setor de seguros, como uma parte importante do setor financeiro, e ainda do ponto de vista do 4C, a IA generativa trará enorme valor aos seguros de propriedade e de vida. **
Estes incluem: melhorias na velocidade e qualidade do desenvolvimento de software, melhorias significativas na eficiência dos avaliadores de sinistros de seguros, melhorias na eficiência dos corretores de seguros e na proposta de valor do cliente, e melhorias significativas na experiência do cliente de seguros, etc.
Em termos de eficácia dos casos de uso, a McKinsey observou que o custo de compensação de reclamações complexas (como reclamações de litígio) pode ser economizado em cerca de 25%, a precisão da identificação de fraudes e seguros fraudulentos pode ser aumentada em cerca de 18% e 99% dos o processo de subscrição pode ser subscrito por IA generativa.Com soluções automatizadas, espera-se que as seguradoras reduzam os custos de subscrição em 10%-20%.
**Do ponto de vista da indústria de gestão de ativos, a McKinsey também observou e resumiu as aplicações 4C da IA generativa. **Por exemplo, em termos de refinamento de conteúdo e especialistas virtuais, insights podem ser gerados com base em dados não estruturados e promover ações de investimento, como encontrar metas de investimento. Por exemplo, um fornecedor global de informações empresariais, financeiras e financeiras nos Estados Unidos desenvolveu o seu próprio GPT: um grande modelo baseado numa combinação de dados em campos financeiros específicos e dados gerais; centrado na resposta a questões financeiras e na análise de relatórios.
Por outro exemplo, em termos de aceleração de programação, um banco de investimento multinacional dos EUA e uma empresa de serviços financeiros usam ferramentas de IA do tipo ChatGPT internamente para ajudar os desenvolvedores a escrever código; em termos de geração de conteúdo, uma empresa norte-americana de gestão de ativos usa ChatGPT para acelerar o conteúdo de material de marketing. Criar, bem como criar ferramentas de visualização ou triagem de dados; na interação do usuário, uma das maiores empresas de gestão de fundos dos Estados Unidos lançou um negócio de tecnologia de registro assistido por IA que permite que instituições financeiras criem, revisem e aprovem informações públicas comunicações usando modelos proprietários de PNL. Todos os casos de uso de IA generativa acima abrangem funções de negócios de gestão de ativos e levam em consideração as necessidades dos investidores e funcionários internos das empresas de gestão de ativos.
Em última análise, a IA generativa pode desempenhar um papel enorme na indústria financeira devido a quatro características que foram formadas na indústria há muito tempo. Tomando os bancos como exemplo: Primeiro, está relacionada com a arquitectura de TI tradicional. Durante décadas, os bancos têm investido em tecnologia., acumularam uma grande quantidade de "dívidas técnicas" e uma arquitetura de TI isolada e complexa; em segundo lugar, do ponto de vista de uma grande força de trabalho voltada para o cliente, o setor bancário depende de um grande número de representantes de serviços comerciais; em terceiro lugar, o lado bancário da papelada é pesado e produtivo O impacto da IA pode abranger toda a organização, ajudando todos os funcionários a escrever e-mails, criar apresentações de negócios e outras tarefas; além disso, sendo um setor altamente regulamentado, o setor bancário apresenta riscos substanciais , conformidade e necessidades legais.
**Em resumo, para as instituições financeiras, as aplicações generativas de IA podem melhorar a eficiência da produção e poupar tempo e recursos, reduzindo os erros humanos; ao mesmo tempo, melhoram as capacidades de inovação e fornecem aos utilizadores finais melhores produtos e melhores experiências de serviço. **
Investimento: Perspectivas Industriais sob uma Perspectiva Financeira
Devido ao rápido desenvolvimento da IA generativa, a escala da sua indústria também está a crescer rapidamente, atraindo investidores para se juntarem à indústria. De acordo com dados da Bloomberg, a receita do mercado generativo de IA será de 40 mil milhões de dólares em 2022, e deverá atingir 399 mil milhões de dólares e 1,304 mil milhões de dólares em 2027 e 2032, respetivamente. A taxa composta de crescimento de 2022 a 2032 chegará a 42%.
Quanto ao mercado chinês, de acordo com dados do "China AI Digital Outlook 2021-2025", a escala em 2022 será de aproximadamente 66 bilhões de yuans, e a taxa composta de crescimento de 2020 a 2025 chegará a 84%. Em 2025, será respondem por 10% do tamanho do mercado global (217 bilhões de dólares americanos) 14%. Deste ponto de vista, a IA generativa não só está a criar um enorme valor para a economia global, mas a própria indústria também oferece enormes oportunidades de investimento.
**A cadeia de valor generativa da IA consiste em seis elos, nomeadamente hardware dedicado, plataforma em nuvem, modelo básico, centro de modelo e MLOps, aplicações e serviços. **Com a prosperidade da tecnologia, toda a cadeia de valor contém enormes oportunidades. No entanto, pesquisas mostram que existem diferenças significativas nas oportunidades de mercado em cada elo. O investimento em recursos, o conhecimento profissional e as vantagens de ser pioneiro em alguns elos formaram barreiras industriais e tornarem-se novos participantes.Um forte impedimento para investidores e pequenas empresas expandirem os seus negócios.
O aumento no tamanho do mercado global de 2022 a 2035 virá principalmente de hardware de treinamento, aplicativos de publicidade e software. Entre eles, a taxa composta de crescimento anual dos serviços de infra-estruturas atingirá 60%, com um aumento de 244,8 mil milhões de dólares. A taxa composta de crescimento anual de aplicações publicitárias atingiu 125%, com um aumento de US$ 192,4 bilhões.
Na cadeia de valor da IA generativa, existem as seguintes oportunidades de mercado dignas de atenção:
**1.Hardware dedicado: **A infraestrutura de poder de computação usada no processo de treinamento e inferência de modelos tem altas barreiras de mercado e é basicamente ocupada por grandes players. O núcleo do hardware de poder de computação são chips de computação representados por GPU e TPU.
**2. Plataforma em nuvem: **Uma plataforma para acessar infraestrutura de computação e executar cargas de trabalho generativas de IA, com uma participação de mercado relativamente concentrada.
**3. Modelo básico: **O elo central da cadeia de valor da IA generativa é impulsionado pelo conhecimento profissional e pelo investimento em custos. A tendência do grande modelo geral é concentrada e ainda há uma lacuna de mercado no grande modelo da indústria acompanhar.
**4. Model Center e MLOps: ** Ferramentas para hospedar, ajustar e implantar modelos. Gigantes e fornecedores independentes formam uma concorrência diferenciada. Model Center e MLOps realizam duas tarefas necessárias para criar aplicativos com base em modelos básicos: primeiro, o model O warehouse fornece um espaço para armazenar e acessar modelos básicos; o segundo é uma ferramenta MLOps especializada para ajustar e implantar modelos básicos em aplicativos.
**5. Aplicativos: **Aplicativos de terminal baseados no ajuste fino de grandes modelos são o caminho onde as start-ups têm as maiores oportunidades. Cerca de metade das empresas unicórnios de IA generativa nasceram neste mercado. Esperamos que no curto prazo prazo, para categorias verticais Indústria e desenvolvimento de funções específicas, aplicativos construídos com base em modelos ajustados podem ser os primeiros a se destacar.
**6.Serviço: **Os provedores globais de soluções que fornecem serviços de valor agregado baseados em produtos modelo são monopolizados por grandes fabricantes, mas ainda há espaço de mercado para pequenos e médios participantes participarem no campo vertical.
Combate prático: como as empresas implantam IA generativa
**O primeiro é a mudança no modelo operacional. **A promoção em larga escala da GenAI exige que as empresas conduzam uma transformação abrangente dos seus modelos operacionais e incorporem a IA em todos os aspectos dos seus negócios. Ao implementar aplicações GenAI em larga escala, um modelo operacional bem-sucedido deve abranger seis aspectos principais: roteiro estratégico, talento, modelo operacional, tecnologia, dados e aplicação de tecnologia e gestão de mudanças.
A IA generativa está a evoluir rapidamente e os CEO também estão a explorar o seu valor comercial e os riscos potenciais. Os CEOs desempenham um papel importante em levar as empresas a concentrarem-se na IA generativa. Muitas das estratégias que os CEOs precisam ter em mente ao embarcarem nesta jornada são consistentes com a forma como os executivos de negócios responderam às ondas tecnológicas anteriores.
No entanto, a IA generativa também traz desafios únicos, incluindo a sua velocidade de desenvolvimento sem precedentes, para além das mudanças tecnológicas anteriores e a consequente dificuldade de resposta.
Para esse fim, fornecemos um resumo básico da IA generativa para referência dos CEOs (veja a figura acima).
Antes de decidir aplicar a IA generativa, considere os enormes custos de investimento de tempo e recursos para começar do zero e por tentativa e erro. As empresas também podem aproveitar adequadamente o poder das instituições profissionais para acelerar a implantação da IA generativa e usar tecnologia e conhecimento de terceiros. e Experiência, evitar desvios e armadilhas e atingir a meta de criação de valor de forma mais rápida e econômica.
**Além disso, vale a pena notar que a IA generativa proporciona um novo impulso de crescimento para todas as esferas da vida, mas também tem certos impactos negativos. As instituições financeiras precisam prestar atenção especial à ilusão do modelo, ao uso malicioso e ao vazamento de informações ao aplicar a IA generativa. IA e outros três riscos principais. **As empresas precisam atribuir-lhe grande importância e tomar ativamente medidas para preveni-lo e geri-lo adequadamente, minimizar os seus riscos potenciais e maximizar o seu valor.
(O autor Qu Xiangjun é sócio sênior global da McKinsey e chefe do negócio de consultoria de instituições financeiras da China; Han Feng é sócio global da McKinsey; os membros da equipe da McKinsey Hu Yirong, Fang Haoxiang, Fang Xiyuan, Li Jingyao, Song Ge e Qiu Waishan, Wang Zhechen, Jiang Zixiang, Lu Zhijuan, etc. também contribuíram para este artigo; o pesquisador Caijing Ding Yan também contribuiu para este artigo)
Ver original
Esta página pode conter conteúdo de terceiros, que é fornecido apenas para fins informativos (não para representações/garantias) e não deve ser considerada como um endosso de suas opiniões pela Gate nem como aconselhamento financeiro ou profissional. Consulte a Isenção de responsabilidade para obter detalhes.
O futuro da gestão de patrimônio com IA generativa
Fonte: "Financial May Flower" (ID: Caijing-MayFlower), autor: Qu Xiangjun Han Feng
Olhando para a lista das principais tendências estratégicas tecnológicas nacionais e estrangeiras e áreas quentes de investimento no primeiro semestre de 2023, não há dúvida de que a inteligência artificial generativa (doravante denominada "IA generativa") é uma das tecnologias mais atraentes . Com o surgimento do ChatGPT, essa tecnologia emergente entrou em uma mania sem precedentes. Todas as esferas da vida estão discutindo tópicos relacionados, sem mencionar que os gigantes da tecnologia e os fabricantes de IA deixaram a indústria. Para que não percam esta festa tecnológica, alguns líderes da indústria e a mídia compararam a onda de IA generativa com as oportunidades da Internet móvel do passado, destacando ainda mais o seu enorme valor e influência potencial.
**Em comparação com a IA tradicional, a IA generativa tem quatro vantagens principais que a tornam atrativa, incluindo automação e melhoria da eficiência, personalização e customização, capacidades de criatividade e inovação, e explicabilidade e transparência. **Isto é particularmente importante para áreas como finanças e cuidados de saúde que exigem explicabilidade, ajudando a construir confiança, a cumprir requisitos regulamentares e a tornar mais fácil para as pessoas aceitarem e adotarem decisões do sistema.
Em suma, a IA generativa pode criar um enorme valor para várias indústrias em todo o mundo, melhorando a eficiência da produção, promovendo capacidades de inovação e mudando o cenário competitivo.
**A McKinsey prevê que a IA como um todo trará um impacto económico positivo de até 25,6 biliões de dólares americanos para a economia global, dos quais a contribuição da IA generativa chega a 7,9 biliões de dólares americanos, equivalente ao PIB total actual de a economia global (produto interno bruto) 8% do volume. **
Cenário: Novas mudanças no setor financeiro com IA generativa
A IA generativa capturou a atenção e a imaginação de pessoas em todo o mundo graças à sua ampla utilidade – seu “superpoder” de compreensão da linguagem natural e criação de conteúdo pode ser usado por quase qualquer pessoa, fazendo com que a IA generativa tenha vantagens significativas na melhoria da eficiência da produção da indústria e promovendo a inovação de produtos e deverá subverter a estrutura existente de várias indústrias em todo o mundo no futuro.
**Pode-se observar que o setor financeiro é um dos setores com maior potencial para casos de uso generativos de IA, tanto em termos de valor absoluto como de potencial de crescimento relativo. **Então, como a deslumbrante IA generativa se combina com as características do setor para criar valor? A McKinsey observou que existem atualmente quatro métodos de aplicação mais convencionais, que contribuirão coletivamente com 75% do total de benefícios gerados pela IA generativa no setor financeiro. Nós os resumimos como “4C”, a saber: refinamento de conteúdo/especialistas virtuais (Concisão) ), interação do usuário (engajamento do cliente), geração de conteúdo (geração de conteúdo) e aceleração de programação (codificação).
Outros casos de uso típicos incluem: processamento de transações: processamento automatizado de transações financeiras, incluindo processamento de pedidos, liquidação e compensação, etc.; geração de demonstrações financeiras: coleta, organização e análise automática de dados financeiros e geração de demonstrações financeiras precisas e oportunas que cumpram com padrões contábeis, ajudando a reduzir o tempo de preparação de relatórios e erros manuais; avaliação de riscos e verificações de conformidade: analise automaticamente grandes quantidades de dados financeiros, identifique possíveis fatores de risco e conduza verificações de conformidade.
**Em termos de interação do usuário, os sistemas generativos de IA fornecem aos usuários soluções personalizadas e suporte, aprendendo e analisando uma grande quantidade de conhecimento profissional e experiência humana. **As empresas financeiras podem fornecer serviços mais personalizados, eficientes e satisfatórios nesse sentido. Por exemplo, usando chatbots para completar o contato com o cliente e a coleta de dados, pelo menos 80% das interações com o cliente poderão ser automatizadas nos próximos 5 a 10 anos. Outros casos de uso típicos incluem: assistentes inteligentes, recomendações e serviços personalizados, análise de sentimentos e monitoramento de emoções.
**Em termos de geração de conteúdo, a IA generativa pode gerar novos conteúdos, como textos e ilustrações visuais, aprendendo e analisando grandes quantidades de dados de texto, imagem e áudio, acelerando o processo de desenvolvimento de conteúdo das empresas do setor financeiro. **Por exemplo, ele pode gerar relatórios de análise do mercado financeiro e insights de investimento personalizados; pode ser usado para redigir documentos importantes, como contratos e licitações; também pode ser usado para escrever textos promocionais e materiais de marketing para bancos, seguros, gestão de ativos e empresas de valores mobiliários, etc.
**No campo financeiro, especialmente em negociações quantitativas e gerenciamento de risco, a escrita de código eficiente e precisa é crucial. **Em termos de aceleração de programação, a IA generativa pode interpretar e gerar código, acelerar o processo de desenvolvimento de software e reduzir erros manuais, gerando automaticamente trechos de código, modelos e algoritmos.
De uma perspectiva funcional bancária, os casos de uso de IA generativa têm o maior impacto em quatro funções: distribuição de linha de frente, operações de clientes, tecnologia, e jurídica, risco, conformidade e fraude, representando aproximadamente 1% do conjunto potencial de valor global do banco.70 %. O uso de ferramentas generativas de IA pode aumentar a satisfação do cliente, melhorar a tomada de decisões e a experiência dos funcionários e reduzir o risco ao monitorar melhor fraudes e outros comportamentos.
**Do ponto de vista do setor de seguros, como uma parte importante do setor financeiro, e ainda do ponto de vista do 4C, a IA generativa trará enorme valor aos seguros de propriedade e de vida. **
Estes incluem: melhorias na velocidade e qualidade do desenvolvimento de software, melhorias significativas na eficiência dos avaliadores de sinistros de seguros, melhorias na eficiência dos corretores de seguros e na proposta de valor do cliente, e melhorias significativas na experiência do cliente de seguros, etc.
Em termos de eficácia dos casos de uso, a McKinsey observou que o custo de compensação de reclamações complexas (como reclamações de litígio) pode ser economizado em cerca de 25%, a precisão da identificação de fraudes e seguros fraudulentos pode ser aumentada em cerca de 18% e 99% dos o processo de subscrição pode ser subscrito por IA generativa.Com soluções automatizadas, espera-se que as seguradoras reduzam os custos de subscrição em 10%-20%.
**Do ponto de vista da indústria de gestão de ativos, a McKinsey também observou e resumiu as aplicações 4C da IA generativa. **Por exemplo, em termos de refinamento de conteúdo e especialistas virtuais, insights podem ser gerados com base em dados não estruturados e promover ações de investimento, como encontrar metas de investimento. Por exemplo, um fornecedor global de informações empresariais, financeiras e financeiras nos Estados Unidos desenvolveu o seu próprio GPT: um grande modelo baseado numa combinação de dados em campos financeiros específicos e dados gerais; centrado na resposta a questões financeiras e na análise de relatórios.
Por outro exemplo, em termos de aceleração de programação, um banco de investimento multinacional dos EUA e uma empresa de serviços financeiros usam ferramentas de IA do tipo ChatGPT internamente para ajudar os desenvolvedores a escrever código; em termos de geração de conteúdo, uma empresa norte-americana de gestão de ativos usa ChatGPT para acelerar o conteúdo de material de marketing. Criar, bem como criar ferramentas de visualização ou triagem de dados; na interação do usuário, uma das maiores empresas de gestão de fundos dos Estados Unidos lançou um negócio de tecnologia de registro assistido por IA que permite que instituições financeiras criem, revisem e aprovem informações públicas comunicações usando modelos proprietários de PNL. Todos os casos de uso de IA generativa acima abrangem funções de negócios de gestão de ativos e levam em consideração as necessidades dos investidores e funcionários internos das empresas de gestão de ativos.
Em última análise, a IA generativa pode desempenhar um papel enorme na indústria financeira devido a quatro características que foram formadas na indústria há muito tempo. Tomando os bancos como exemplo: Primeiro, está relacionada com a arquitectura de TI tradicional. Durante décadas, os bancos têm investido em tecnologia., acumularam uma grande quantidade de "dívidas técnicas" e uma arquitetura de TI isolada e complexa; em segundo lugar, do ponto de vista de uma grande força de trabalho voltada para o cliente, o setor bancário depende de um grande número de representantes de serviços comerciais; em terceiro lugar, o lado bancário da papelada é pesado e produtivo O impacto da IA pode abranger toda a organização, ajudando todos os funcionários a escrever e-mails, criar apresentações de negócios e outras tarefas; além disso, sendo um setor altamente regulamentado, o setor bancário apresenta riscos substanciais , conformidade e necessidades legais.
**Em resumo, para as instituições financeiras, as aplicações generativas de IA podem melhorar a eficiência da produção e poupar tempo e recursos, reduzindo os erros humanos; ao mesmo tempo, melhoram as capacidades de inovação e fornecem aos utilizadores finais melhores produtos e melhores experiências de serviço. **
Investimento: Perspectivas Industriais sob uma Perspectiva Financeira
Devido ao rápido desenvolvimento da IA generativa, a escala da sua indústria também está a crescer rapidamente, atraindo investidores para se juntarem à indústria. De acordo com dados da Bloomberg, a receita do mercado generativo de IA será de 40 mil milhões de dólares em 2022, e deverá atingir 399 mil milhões de dólares e 1,304 mil milhões de dólares em 2027 e 2032, respetivamente. A taxa composta de crescimento de 2022 a 2032 chegará a 42%.
Quanto ao mercado chinês, de acordo com dados do "China AI Digital Outlook 2021-2025", a escala em 2022 será de aproximadamente 66 bilhões de yuans, e a taxa composta de crescimento de 2020 a 2025 chegará a 84%. Em 2025, será respondem por 10% do tamanho do mercado global (217 bilhões de dólares americanos) 14%. Deste ponto de vista, a IA generativa não só está a criar um enorme valor para a economia global, mas a própria indústria também oferece enormes oportunidades de investimento.
**A cadeia de valor generativa da IA consiste em seis elos, nomeadamente hardware dedicado, plataforma em nuvem, modelo básico, centro de modelo e MLOps, aplicações e serviços. **Com a prosperidade da tecnologia, toda a cadeia de valor contém enormes oportunidades. No entanto, pesquisas mostram que existem diferenças significativas nas oportunidades de mercado em cada elo. O investimento em recursos, o conhecimento profissional e as vantagens de ser pioneiro em alguns elos formaram barreiras industriais e tornarem-se novos participantes.Um forte impedimento para investidores e pequenas empresas expandirem os seus negócios.
O aumento no tamanho do mercado global de 2022 a 2035 virá principalmente de hardware de treinamento, aplicativos de publicidade e software. Entre eles, a taxa composta de crescimento anual dos serviços de infra-estruturas atingirá 60%, com um aumento de 244,8 mil milhões de dólares. A taxa composta de crescimento anual de aplicações publicitárias atingiu 125%, com um aumento de US$ 192,4 bilhões.
Na cadeia de valor da IA generativa, existem as seguintes oportunidades de mercado dignas de atenção:
**1.Hardware dedicado: **A infraestrutura de poder de computação usada no processo de treinamento e inferência de modelos tem altas barreiras de mercado e é basicamente ocupada por grandes players. O núcleo do hardware de poder de computação são chips de computação representados por GPU e TPU.
**2. Plataforma em nuvem: **Uma plataforma para acessar infraestrutura de computação e executar cargas de trabalho generativas de IA, com uma participação de mercado relativamente concentrada.
**3. Modelo básico: **O elo central da cadeia de valor da IA generativa é impulsionado pelo conhecimento profissional e pelo investimento em custos. A tendência do grande modelo geral é concentrada e ainda há uma lacuna de mercado no grande modelo da indústria acompanhar.
**4. Model Center e MLOps: ** Ferramentas para hospedar, ajustar e implantar modelos. Gigantes e fornecedores independentes formam uma concorrência diferenciada. Model Center e MLOps realizam duas tarefas necessárias para criar aplicativos com base em modelos básicos: primeiro, o model O warehouse fornece um espaço para armazenar e acessar modelos básicos; o segundo é uma ferramenta MLOps especializada para ajustar e implantar modelos básicos em aplicativos.
**5. Aplicativos: **Aplicativos de terminal baseados no ajuste fino de grandes modelos são o caminho onde as start-ups têm as maiores oportunidades. Cerca de metade das empresas unicórnios de IA generativa nasceram neste mercado. Esperamos que no curto prazo prazo, para categorias verticais Indústria e desenvolvimento de funções específicas, aplicativos construídos com base em modelos ajustados podem ser os primeiros a se destacar.
**6.Serviço: **Os provedores globais de soluções que fornecem serviços de valor agregado baseados em produtos modelo são monopolizados por grandes fabricantes, mas ainda há espaço de mercado para pequenos e médios participantes participarem no campo vertical.
Combate prático: como as empresas implantam IA generativa
**O primeiro é a mudança no modelo operacional. **A promoção em larga escala da GenAI exige que as empresas conduzam uma transformação abrangente dos seus modelos operacionais e incorporem a IA em todos os aspectos dos seus negócios. Ao implementar aplicações GenAI em larga escala, um modelo operacional bem-sucedido deve abranger seis aspectos principais: roteiro estratégico, talento, modelo operacional, tecnologia, dados e aplicação de tecnologia e gestão de mudanças.
A IA generativa está a evoluir rapidamente e os CEO também estão a explorar o seu valor comercial e os riscos potenciais. Os CEOs desempenham um papel importante em levar as empresas a concentrarem-se na IA generativa. Muitas das estratégias que os CEOs precisam ter em mente ao embarcarem nesta jornada são consistentes com a forma como os executivos de negócios responderam às ondas tecnológicas anteriores.
No entanto, a IA generativa também traz desafios únicos, incluindo a sua velocidade de desenvolvimento sem precedentes, para além das mudanças tecnológicas anteriores e a consequente dificuldade de resposta.
Antes de decidir aplicar a IA generativa, considere os enormes custos de investimento de tempo e recursos para começar do zero e por tentativa e erro. As empresas também podem aproveitar adequadamente o poder das instituições profissionais para acelerar a implantação da IA generativa e usar tecnologia e conhecimento de terceiros. e Experiência, evitar desvios e armadilhas e atingir a meta de criação de valor de forma mais rápida e econômica.
**Além disso, vale a pena notar que a IA generativa proporciona um novo impulso de crescimento para todas as esferas da vida, mas também tem certos impactos negativos. As instituições financeiras precisam prestar atenção especial à ilusão do modelo, ao uso malicioso e ao vazamento de informações ao aplicar a IA generativa. IA e outros três riscos principais. **As empresas precisam atribuir-lhe grande importância e tomar ativamente medidas para preveni-lo e geri-lo adequadamente, minimizar os seus riscos potenciais e maximizar o seu valor.
(O autor Qu Xiangjun é sócio sênior global da McKinsey e chefe do negócio de consultoria de instituições financeiras da China; Han Feng é sócio global da McKinsey; os membros da equipe da McKinsey Hu Yirong, Fang Haoxiang, Fang Xiyuan, Li Jingyao, Song Ge e Qiu Waishan, Wang Zhechen, Jiang Zixiang, Lu Zhijuan, etc. também contribuíram para este artigo; o pesquisador Caijing Ding Yan também contribuiu para este artigo)