Джерело: "Financial May Flower" (ID: Caijing-MayFlower), автор: Qu Xiangjun Han Feng
Джерело зображення: створено Unbounded AI
Дивлячись на список основних вітчизняних і зарубіжних технологічних стратегічних тенденцій і інвестиційних напрямків у першій половині 2023 року, немає сумнівів, що генеративний штучний інтелект (далі — «генеративний ШІ») є однією з найбільш привабливих технологій. . З появою ChatGPT ця нова технологія охопила безпрецедентне шаленство. Усі верстви суспільства обговорюють пов’язані теми, не кажучи вже про загибель технологічних гігантів і виробників штучного інтелекту. Боячись пропустити це свято технологій, лідери деяких галузей і ЗМІ порівняли хвилю генеративного штучного інтелекту з можливостями мобільного Інтернету минулого, ще більше підкресливши його потенційну величезну цінність і вплив.
**Порівняно з традиційним штучним інтелектом генеративний штучний інтелект має чотири основні переваги, які роблять його привабливим, включаючи автоматизацію та підвищення ефективності, персоналізацію та налаштування, креативність та інноваційні можливості, а також пояснюваність і прозорість. **Це особливо важливо для таких сфер, як фінанси та охорона здоров’я, які вимагають зрозумілості, сприяння зміцненню довіри, дотримання нормативних вимог і полегшення людям прийняття та ухвалення системних рішень.
Коротше кажучи, генеративний ШІ може створити величезну цінність для різних галузей промисловості в усьому світі шляхом підвищення ефективності виробництва, сприяння інноваційним можливостям і зміни конкурентного середовища.
**За прогнозами McKinsey, штучний інтелект в цілому принесе позитивний економічний вплив на світову економіку в розмірі до 25,6 трильйонів доларів США, з яких внесок генеративного штучного інтелекту досягає 7,9 трильйонів доларів США, що еквівалентно поточному загальному ВВП країни. світова економіка (валовий внутрішній продукт) 8% обсягу. **
Сценарій: Нові зміни у фінансовій індустрії з генеративним ШІ
Генеративний штучний інтелект привернув увагу та уяву людей у всьому світі завдяки своїй широкій функціональності — його «надздібність» розуміння природної мови та створення вмісту може використовувати майже будь-хто, завдяки чому генеративний штучний інтелект ШІ має значні переваги у підвищенні ефективності промислового виробництва та сприяння інноваційним продуктам і, як очікується, підірве існуючу структуру різних галузей у всьому світі в майбутньому.
**З точки зору галузі, три галузі, де генеративний ШІ створює найбільшу цінність, це високі технології, банківська справа та роздрібна торгівля. **За оцінками McKinsey, до 2032 року генеративний штучний інтелект щорічно приноситиме приблизно 200–340 мільярдів доларів США нової вартості глобальній банківській галузі (включно з управлінням активами та капіталом, яке далі разом іменується «управління активами»), враховуючи 10% від загального обсягу банківської галузі Частка річного доходу досягає 2,8%-4,7%. У поєднанні з очікуваною річною доданою вартістю від 50 до 70 мільярдів доларів США від генеративного штучного інтелекту в страховій галузі (що становить приблизно 1,8%–2,0% річного доходу галузі), ми очікуємо, що сценарії використання генеративного штучного інтелекту будуть використовуватися в фінансова галузь (банківська справа, страхування тощо) та управління активами), загальна вартість становить приблизно від 250 до 410 мільярдів доларів США.
**Можно побачити, що фінансова галузь є однією з галузей з найбільшим потенціалом для генеративних випадків використання штучного інтелекту як з точки зору абсолютного значення, так і відносного потенціалу зростання. **Отже, як чудовий генеративний ШІ поєднується з галузевими характеристиками для створення цінності? McKinsey помітив, що наразі існує чотири найпоширеніші методи додатків, які разом отримають 75% загальних переваг, отриманих від генеративного штучного інтелекту у фінансовій галузі. Ми підсумовуємо їх як «4C», а саме: вдосконалення вмісту/віртуальні експерти (Concision) ), взаємодія з користувачем (залучення клієнтів), генерація контенту (генерація вмісту) і прискорення програмування (кодування).
З точки зору галузей, у банківській галузі, з точки зору вдосконалення вмісту/віртуальних експертів, повторювані та виснажливі завдання у фінансовій сфері можна автоматизувати за допомогою генеративного штучного інтелекту, таким чином підвищуючи ефективність фінансових практиків, знижуючи витрати та час використовується для більш цінної роботи, а за допомогою віртуальних експертів банківський персонал може отримувати висновки з неструктурованих даних, інтерпретувати текст і швидко отримувати доступ до всієї необхідної інформації, такої як посібники з продуктів і політики, щоб миттєво задовольняти запити клієнтів а ефективність роботи можна збільшити на 60%.
Інші типові випадки використання включають: обробка транзакцій: автоматизована обробка фінансових операцій, включаючи обробку замовлень, розрахунки та кліринг тощо; генерація фінансової звітності: автоматичний збір, організація та аналіз фінансових даних, а також генерація точної та своєчасної фінансової звітності, яка відповідає зі стандартами бухгалтерського обліку, допомагаючи скоротити час на підготовку звіту та зменшити кількість помилок вручну; оцінка ризиків і перевірки відповідності: автоматично аналізувати великі обсяги фінансових даних, визначати потенційні фактори ризику та проводити перевірки відповідності.
**З точки зору взаємодії з користувачем, генеративні системи штучного інтелекту надають користувачам персоналізовані рішення та підтримку шляхом вивчення та аналізу великої кількості професійних знань і людського досвіду. **Фінансові компанії можуть відповідно надавати більш персоналізовані, ефективні та задовільні послуги. Наприклад, використовуючи чат-ботів для завершення контактів із клієнтами та збору даних, щонайменше 80% взаємодії з клієнтами можна буде автоматизувати протягом наступних 5–10 років. Інші типові випадки використання включають: інтелектуальні помічники, персоналізовані рекомендації та індивідуальні послуги, аналіз настроїв і моніторинг емоцій.
**Що стосується генерації контенту, генеративний штучний інтелект може створювати новий контент, такий як текст і візуальні ілюстрації, вивчаючи та аналізуючи великі обсяги тексту, зображень і аудіоданих, прискорюючи процес розробки контенту для підприємств фінансової галузі. **Наприклад, він може створювати звіти про аналіз фінансового ринку та персоналізовану інформацію про інвестиції; його можна використовувати для розробки важливих документів, таких як контракти та тендери; його також можна використовувати для написання рекламних копій і маркетингових матеріалів для банків, страхування, управління активами і фірми з цінних паперів тощо.
**У фінансовій сфері, особливо в кількісній торгівлі та управлінні ризиками, ефективне та точне написання коду має вирішальне значення. **З точки зору прискорення програмування, генеративний штучний інтелект може інтерпретувати та генерувати код, а також прискорювати процес розробки програмного забезпечення та зменшувати кількість помилок вручну шляхом автоматичного створення фрагментів коду, шаблонів і алгоритмів.
З функціональної точки зору банківської системи, випадки використання генеративного штучного інтелекту мають найбільший вплив на чотири функції: передовий розподіл, клієнтські операції, технології та юридичні, ризики, відповідність і шахрайство, що становить приблизно 1% від загальної потенційної вартості банку.70 %. Використання генеративних інструментів штучного інтелекту може підвищити задоволеність клієнтів, покращити процес прийняття рішень і досвід співробітників, а також зменшити ризик за рахунок кращого моніторингу шахрайства та інших видів поведінки.
**З точки зору страхової галузі, як важливої частини фінансової індустрії, а також з точки зору 4C, генеративний ШІ принесе величезну цінність страхуванню майна та страхуванню життя. **
До них належать: покращення швидкості та якості розробки програмного забезпечення, значне підвищення ефективності регулювачів страхових претензій, підвищення ефективності страхових брокерів і пропозиції цінності для клієнтів, а також значне покращення досвіду клієнтів зі страхування тощо.
З точки зору ефективності варіантів використання, McKinsey зауважив, що вартість компенсації складних позовів (таких як судові позови) можна заощадити приблизно на 25%, точність ідентифікації шахрайства та шахрайського страхування можна збільшити приблизно на 18%, а на 99% процес андеррайтингу може здійснюватися за допомогою генеративного штучного інтелекту. Очікується, що завдяки автоматизованим рішенням страхові компанії зменшать витрати на андеррайтинг на 10%-20%.
**З точки зору індустрії управління активами, McKinsey також спостерігав і узагальнив застосування 4C генеративного ШІ. **Наприклад, з точки зору вдосконалення вмісту та віртуальних експертів, уявлення можна генерувати на основі неструктурованих даних і сприяти інвестиційним діям, таким як пошук інвестиційних цілей. Наприклад, глобальний постачальник ділової, фінансової та фінансової інформації в Сполучених Штатах розробив власний GPT: велику модель, навчену на поєднанні даних у конкретних фінансових сферах і загальних даних; центром якої є відповіді на фінансові запитання та аналіз звітів.
Для іншого прикладу, що стосується прискорення програмування, американський міжнаціональний інвестиційний банк і компанія, що надає фінансові послуги, використовує внутрішні інструменти штучного інтелекту типу ChatGPT, щоб допомогти розробникам писати код; з точки зору генерації вмісту, північноамериканська компанія з управління активами використовує ChatGPT для прискорення вмісту. маркетингової застави. Створюйте, а також створюйте інструменти візуалізації даних або перевірки; щодо взаємодії з користувачем одна з найбільших компаній з управління фондами в Сполучених Штатах запустила технологію реєстрації за допомогою ШІ, яка дозволяє фінансовим установам створювати, переглядати та затверджувати публічні комунікації з використанням власних моделей НЛП. Вищезазначені сценарії використання генеративного ШІ охоплюють усі бізнес-функції управління активами та враховують потреби інвесторів і внутрішніх співробітників компаній з управління активами.
Зрештою, генеративний штучний інтелект може відігравати величезну роль у фінансовій індустрії завдяки чотирьом характеристикам, які сформувалися в галузі протягом тривалого часу. Візьмемо як приклад банки: по-перше, це пов’язано з традиційною ІТ-архітектурою. Протягом десятиліть банки інвестували в технології. , накопичили велику кількість «технічної заборгованості» та ізольовану та складну ІТ-архітектуру; по-друге, з точки зору великої кількості робочої сили, орієнтованої на клієнтів, банківська галузь покладається на велику кількість представників бізнес-служб; по-третє, банківська сторона паперової роботи є важкою та генеративною. Вплив штучного інтелекту може охопити всю організацію, допомагаючи всім співробітникам писати електронні листи, створювати бізнес-презентації та виконувати інші завдання; крім того, банківська справа є дуже регульованою галуззю та має значні ризики , відповідність і юридичні потреби.
**Підсумовуючи, для фінансових установ генеративні програми штучного інтелекту можуть підвищити ефективність виробництва та заощадити час і ресурси за рахунок зменшення людських помилок; водночас вони розширюють інноваційні можливості та надають кінцевим користувачам кращі продукти та кращий досвід обслуговування. **
Інвестиції: промислові перспективи з фінансової точки зору
Завдяки бурхливому розвитку генеративного штучного інтелекту масштаби його галузі також швидко зростають, залучаючи інвесторів до індустрії. Згідно з даними Bloomberg, дохід від ринку штучного інтелекту становитиме 40 мільярдів доларів США у 2022 році, і очікується, що він досягне 399 мільярдів доларів США та 1,304 мільярда доларів США у 2027 та 2032 роках відповідно. Сукупний темп зростання з 2022 по 2032 роки досягне 42%.
Що стосується китайського ринку, згідно з даними «China AI Digital Outlook 2021-2025», масштаб у 2022 році становитиме приблизно 66 мільярдів юанів, а сукупний темп зростання з 2020 по 2025 рік досягне 84%. У 2025 році він становитиме складають 10% світового розміру ринку (217 мільярдів доларів США) 14%. З цієї точки зору генеративний ШІ не тільки створює величезну цінність для світової економіки, але й сама галузь також має величезні інвестиційні можливості.
**Генеративний ланцюжок створення вартості AI складається з шести ланок, а саме виділеного апаратного забезпечення, хмарної платформи, базової моделі, модельного центру та MLO, програм і послуг. **З процвітанням технологій весь ланцюжок створення вартості містить величезні можливості. Проте дослідження показують, що існують значні відмінності в ринкових можливостях у кожній ланці. Інвестиції ресурсів, професійні знання та переваги першого гравця в деяких ланках сформували галузеві бар’єри і стати новими учасниками.Сильна перешкода для інвесторів і малих підприємств розширювати свій бізнес.
Збільшення розміру світового ринку з 2022 по 2035 роки відбуватиметься в основному за рахунок апаратного забезпечення з боку навчання, рекламних програм і програмного забезпечення. Серед них сукупний річний темп зростання інфраструктурних послуг сягне 60% із збільшенням на 244,8 мільярда доларів США. Загальний річний темп зростання рекламних додатків досяг 125%, збільшившись на 192,4 мільярда доларів США.
У ланцюжку створення вартості генеративного ШІ є такі ринкові можливості, які заслуговують на увагу:
**1. Спеціалізоване апаратне забезпечення: **Інфраструктура обчислювальної потужності, яка використовується в процесі навчання моделі та висновків, має високі ринкові бар’єри та в основному зайнята великими гравцями.Ядром апаратного забезпечення обчислювальної потужності є обчислювальні мікросхеми, представлені GPU та TPU.
**2. Хмарна платформа: **Платформа для доступу до обчислювальної інфраструктури та запуску генеративних робочих навантажень ШІ з відносно концентрованою часткою ринку.
**3. Базова модель: **Основна ланка виробничого ланцюжка створення вартості ШІ керується професійними знаннями та інвестиціями. Тенденція до загальної моделі великої моделі є зосередженою, і в галузевій моделі все ще існує розрив ринку. трек.
**4. Model Center і MLOps: ** Інструменти для розміщення, тонкого налаштування та розгортання моделей. Гіганти та незалежні постачальники утворюють диференційовану конкуренцію. Model Center і MLOps виконують два необхідні завдання для створення програм на основі базових моделей: по-перше, модель Склад надає простір для зберігання та доступу до базових моделей; другий — це спеціалізований інструмент MLOps для тонкого налаштування та розгортання базових моделей у програмах.
**5. Програми: **Програми терміналів, засновані на тонкому налаштуванні великих моделей, є напрямком, де стартапи мають найбільші можливості. Близько половини генеративних компаній-єдинорогів штучного інтелекту народилися на цьому ринку. Ми очікуємо, що за короткий час Термін, для вертикальних категорій «Галузь» і «Розробка конкретних функцій» першими можуть виділятися програми, створені на основі точно налаштованих моделей.
**6. Послуги: **Загальні постачальники рішень, які надають послуги з доданою вартістю на основі модельних продуктів, монополізовані великими виробниками, але все ще є ринковий простір для малих і середніх гравців для участі у вертикальному полі.
Практичний бій: як підприємства розгортають генеративний ШІ
**По-перше, це зміна операційної моделі. **Масштабне просування GenAI вимагає від підприємств повної трансформації своїх операційних моделей і впровадження ШІ в кожен аспект свого бізнесу. При широкомасштабному впровадженні додатків GenAI успішна операційна модель повинна охоплювати шість основних аспектів: стратегічна дорожня карта, талант, операційна модель, технологія, дані та технологічне застосування та управління змінами.
Generative AI стрімко розвивається, і генеральні директори також досліджують його бізнес-цінність і потенційні ризики. Керівники відіграють важливу роль у спонуканні компаній зосередитися на генеративному ШІ. Багато стратегій, про які керівники компаній повинні пам’ятати, починаючи цю подорож, узгоджуються з тим, як керівники компаній реагували на минулі технологічні хвилі.
Однак генеративний штучний інтелект також несе унікальні виклики, включаючи його безпрецедентну швидкість розвитку за попередні технологічні зміни та, як наслідок, складність реагування.
З цією метою ми надаємо короткий опис генеративного штучного інтелекту для довідки генеральних директорів (див. малюнок вище).
Перш ніж прийняти рішення про застосування генеративного штучного інтелекту, врахуйте величезні витрати часу та ресурсів на початок роботи з нуля, а також методом проб і помилок. Підприємства також можуть належним чином використовувати потужність професійних установ для прискорення розгортання генеративного штучного інтелекту та використання сторонніх технологій, знань та Досвід, уникайте обхідних шляхів і пасток і досягайте мети створення цінності швидше та економніше.
**Крім того, варто зазначити, що генеративний штучний інтелект забезпечує новий імпульс зростання для всіх сфер життя, але він також має певні негативні наслідки. Фінансові установи повинні звертати особливу увагу на ілюзію моделі, зловмисне використання та витік інформації під час застосування генеративного ШІ та інші три ключові ризики. **Підприємства повинні надавати цьому великого значення та активно вживати заходів для належного запобігання та управління ним, мінімізації його потенційних ризиків і максимізації його вартості.
(Автор Цюй Сянцзюнь є глобальним старшим партнером McKinsey і керівником консалтингового бізнесу фінансових установ Китаю; Хан Фен є глобальним партнером McKinsey; члени команди McKinsey Ху Іронг, Фан Хаосян, Фан Сіюань, Лі Цзіньяо, Сон Ге , а також Цю Вайшань, Ван Чжечен, Цзян Цзисян, Лу Чжіцзюань та ін. також зробили внесок у цю статтю; дослідник Caijing Дін Янь також зробив внесок у цю статтю)
Переглянути оригінал
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
Майбутнє управління капіталом із генеративним ШІ
Джерело: "Financial May Flower" (ID: Caijing-MayFlower), автор: Qu Xiangjun Han Feng
Дивлячись на список основних вітчизняних і зарубіжних технологічних стратегічних тенденцій і інвестиційних напрямків у першій половині 2023 року, немає сумнівів, що генеративний штучний інтелект (далі — «генеративний ШІ») є однією з найбільш привабливих технологій. . З появою ChatGPT ця нова технологія охопила безпрецедентне шаленство. Усі верстви суспільства обговорюють пов’язані теми, не кажучи вже про загибель технологічних гігантів і виробників штучного інтелекту. Боячись пропустити це свято технологій, лідери деяких галузей і ЗМІ порівняли хвилю генеративного штучного інтелекту з можливостями мобільного Інтернету минулого, ще більше підкресливши його потенційну величезну цінність і вплив.
**Порівняно з традиційним штучним інтелектом генеративний штучний інтелект має чотири основні переваги, які роблять його привабливим, включаючи автоматизацію та підвищення ефективності, персоналізацію та налаштування, креативність та інноваційні можливості, а також пояснюваність і прозорість. **Це особливо важливо для таких сфер, як фінанси та охорона здоров’я, які вимагають зрозумілості, сприяння зміцненню довіри, дотримання нормативних вимог і полегшення людям прийняття та ухвалення системних рішень.
Коротше кажучи, генеративний ШІ може створити величезну цінність для різних галузей промисловості в усьому світі шляхом підвищення ефективності виробництва, сприяння інноваційним можливостям і зміни конкурентного середовища.
**За прогнозами McKinsey, штучний інтелект в цілому принесе позитивний економічний вплив на світову економіку в розмірі до 25,6 трильйонів доларів США, з яких внесок генеративного штучного інтелекту досягає 7,9 трильйонів доларів США, що еквівалентно поточному загальному ВВП країни. світова економіка (валовий внутрішній продукт) 8% обсягу. **
Сценарій: Нові зміни у фінансовій індустрії з генеративним ШІ
Генеративний штучний інтелект привернув увагу та уяву людей у всьому світі завдяки своїй широкій функціональності — його «надздібність» розуміння природної мови та створення вмісту може використовувати майже будь-хто, завдяки чому генеративний штучний інтелект ШІ має значні переваги у підвищенні ефективності промислового виробництва та сприяння інноваційним продуктам і, як очікується, підірве існуючу структуру різних галузей у всьому світі в майбутньому.
**Можно побачити, що фінансова галузь є однією з галузей з найбільшим потенціалом для генеративних випадків використання штучного інтелекту як з точки зору абсолютного значення, так і відносного потенціалу зростання. **Отже, як чудовий генеративний ШІ поєднується з галузевими характеристиками для створення цінності? McKinsey помітив, що наразі існує чотири найпоширеніші методи додатків, які разом отримають 75% загальних переваг, отриманих від генеративного штучного інтелекту у фінансовій галузі. Ми підсумовуємо їх як «4C», а саме: вдосконалення вмісту/віртуальні експерти (Concision) ), взаємодія з користувачем (залучення клієнтів), генерація контенту (генерація вмісту) і прискорення програмування (кодування).
Інші типові випадки використання включають: обробка транзакцій: автоматизована обробка фінансових операцій, включаючи обробку замовлень, розрахунки та кліринг тощо; генерація фінансової звітності: автоматичний збір, організація та аналіз фінансових даних, а також генерація точної та своєчасної фінансової звітності, яка відповідає зі стандартами бухгалтерського обліку, допомагаючи скоротити час на підготовку звіту та зменшити кількість помилок вручну; оцінка ризиків і перевірки відповідності: автоматично аналізувати великі обсяги фінансових даних, визначати потенційні фактори ризику та проводити перевірки відповідності.
**З точки зору взаємодії з користувачем, генеративні системи штучного інтелекту надають користувачам персоналізовані рішення та підтримку шляхом вивчення та аналізу великої кількості професійних знань і людського досвіду. **Фінансові компанії можуть відповідно надавати більш персоналізовані, ефективні та задовільні послуги. Наприклад, використовуючи чат-ботів для завершення контактів із клієнтами та збору даних, щонайменше 80% взаємодії з клієнтами можна буде автоматизувати протягом наступних 5–10 років. Інші типові випадки використання включають: інтелектуальні помічники, персоналізовані рекомендації та індивідуальні послуги, аналіз настроїв і моніторинг емоцій.
**Що стосується генерації контенту, генеративний штучний інтелект може створювати новий контент, такий як текст і візуальні ілюстрації, вивчаючи та аналізуючи великі обсяги тексту, зображень і аудіоданих, прискорюючи процес розробки контенту для підприємств фінансової галузі. **Наприклад, він може створювати звіти про аналіз фінансового ринку та персоналізовану інформацію про інвестиції; його можна використовувати для розробки важливих документів, таких як контракти та тендери; його також можна використовувати для написання рекламних копій і маркетингових матеріалів для банків, страхування, управління активами і фірми з цінних паперів тощо.
**У фінансовій сфері, особливо в кількісній торгівлі та управлінні ризиками, ефективне та точне написання коду має вирішальне значення. **З точки зору прискорення програмування, генеративний штучний інтелект може інтерпретувати та генерувати код, а також прискорювати процес розробки програмного забезпечення та зменшувати кількість помилок вручну шляхом автоматичного створення фрагментів коду, шаблонів і алгоритмів.
З функціональної точки зору банківської системи, випадки використання генеративного штучного інтелекту мають найбільший вплив на чотири функції: передовий розподіл, клієнтські операції, технології та юридичні, ризики, відповідність і шахрайство, що становить приблизно 1% від загальної потенційної вартості банку.70 %. Використання генеративних інструментів штучного інтелекту може підвищити задоволеність клієнтів, покращити процес прийняття рішень і досвід співробітників, а також зменшити ризик за рахунок кращого моніторингу шахрайства та інших видів поведінки.
**З точки зору страхової галузі, як важливої частини фінансової індустрії, а також з точки зору 4C, генеративний ШІ принесе величезну цінність страхуванню майна та страхуванню життя. **
До них належать: покращення швидкості та якості розробки програмного забезпечення, значне підвищення ефективності регулювачів страхових претензій, підвищення ефективності страхових брокерів і пропозиції цінності для клієнтів, а також значне покращення досвіду клієнтів зі страхування тощо.
З точки зору ефективності варіантів використання, McKinsey зауважив, що вартість компенсації складних позовів (таких як судові позови) можна заощадити приблизно на 25%, точність ідентифікації шахрайства та шахрайського страхування можна збільшити приблизно на 18%, а на 99% процес андеррайтингу може здійснюватися за допомогою генеративного штучного інтелекту. Очікується, що завдяки автоматизованим рішенням страхові компанії зменшать витрати на андеррайтинг на 10%-20%.
**З точки зору індустрії управління активами, McKinsey також спостерігав і узагальнив застосування 4C генеративного ШІ. **Наприклад, з точки зору вдосконалення вмісту та віртуальних експертів, уявлення можна генерувати на основі неструктурованих даних і сприяти інвестиційним діям, таким як пошук інвестиційних цілей. Наприклад, глобальний постачальник ділової, фінансової та фінансової інформації в Сполучених Штатах розробив власний GPT: велику модель, навчену на поєднанні даних у конкретних фінансових сферах і загальних даних; центром якої є відповіді на фінансові запитання та аналіз звітів.
Для іншого прикладу, що стосується прискорення програмування, американський міжнаціональний інвестиційний банк і компанія, що надає фінансові послуги, використовує внутрішні інструменти штучного інтелекту типу ChatGPT, щоб допомогти розробникам писати код; з точки зору генерації вмісту, північноамериканська компанія з управління активами використовує ChatGPT для прискорення вмісту. маркетингової застави. Створюйте, а також створюйте інструменти візуалізації даних або перевірки; щодо взаємодії з користувачем одна з найбільших компаній з управління фондами в Сполучених Штатах запустила технологію реєстрації за допомогою ШІ, яка дозволяє фінансовим установам створювати, переглядати та затверджувати публічні комунікації з використанням власних моделей НЛП. Вищезазначені сценарії використання генеративного ШІ охоплюють усі бізнес-функції управління активами та враховують потреби інвесторів і внутрішніх співробітників компаній з управління активами.
Зрештою, генеративний штучний інтелект може відігравати величезну роль у фінансовій індустрії завдяки чотирьом характеристикам, які сформувалися в галузі протягом тривалого часу. Візьмемо як приклад банки: по-перше, це пов’язано з традиційною ІТ-архітектурою. Протягом десятиліть банки інвестували в технології. , накопичили велику кількість «технічної заборгованості» та ізольовану та складну ІТ-архітектуру; по-друге, з точки зору великої кількості робочої сили, орієнтованої на клієнтів, банківська галузь покладається на велику кількість представників бізнес-служб; по-третє, банківська сторона паперової роботи є важкою та генеративною. Вплив штучного інтелекту може охопити всю організацію, допомагаючи всім співробітникам писати електронні листи, створювати бізнес-презентації та виконувати інші завдання; крім того, банківська справа є дуже регульованою галуззю та має значні ризики , відповідність і юридичні потреби.
**Підсумовуючи, для фінансових установ генеративні програми штучного інтелекту можуть підвищити ефективність виробництва та заощадити час і ресурси за рахунок зменшення людських помилок; водночас вони розширюють інноваційні можливості та надають кінцевим користувачам кращі продукти та кращий досвід обслуговування. **
Інвестиції: промислові перспективи з фінансової точки зору
Завдяки бурхливому розвитку генеративного штучного інтелекту масштаби його галузі також швидко зростають, залучаючи інвесторів до індустрії. Згідно з даними Bloomberg, дохід від ринку штучного інтелекту становитиме 40 мільярдів доларів США у 2022 році, і очікується, що він досягне 399 мільярдів доларів США та 1,304 мільярда доларів США у 2027 та 2032 роках відповідно. Сукупний темп зростання з 2022 по 2032 роки досягне 42%.
Що стосується китайського ринку, згідно з даними «China AI Digital Outlook 2021-2025», масштаб у 2022 році становитиме приблизно 66 мільярдів юанів, а сукупний темп зростання з 2020 по 2025 рік досягне 84%. У 2025 році він становитиме складають 10% світового розміру ринку (217 мільярдів доларів США) 14%. З цієї точки зору генеративний ШІ не тільки створює величезну цінність для світової економіки, але й сама галузь також має величезні інвестиційні можливості.
**Генеративний ланцюжок створення вартості AI складається з шести ланок, а саме виділеного апаратного забезпечення, хмарної платформи, базової моделі, модельного центру та MLO, програм і послуг. **З процвітанням технологій весь ланцюжок створення вартості містить величезні можливості. Проте дослідження показують, що існують значні відмінності в ринкових можливостях у кожній ланці. Інвестиції ресурсів, професійні знання та переваги першого гравця в деяких ланках сформували галузеві бар’єри і стати новими учасниками.Сильна перешкода для інвесторів і малих підприємств розширювати свій бізнес.
Збільшення розміру світового ринку з 2022 по 2035 роки відбуватиметься в основному за рахунок апаратного забезпечення з боку навчання, рекламних програм і програмного забезпечення. Серед них сукупний річний темп зростання інфраструктурних послуг сягне 60% із збільшенням на 244,8 мільярда доларів США. Загальний річний темп зростання рекламних додатків досяг 125%, збільшившись на 192,4 мільярда доларів США.
У ланцюжку створення вартості генеративного ШІ є такі ринкові можливості, які заслуговують на увагу:
**1. Спеціалізоване апаратне забезпечення: **Інфраструктура обчислювальної потужності, яка використовується в процесі навчання моделі та висновків, має високі ринкові бар’єри та в основному зайнята великими гравцями.Ядром апаратного забезпечення обчислювальної потужності є обчислювальні мікросхеми, представлені GPU та TPU.
**2. Хмарна платформа: **Платформа для доступу до обчислювальної інфраструктури та запуску генеративних робочих навантажень ШІ з відносно концентрованою часткою ринку.
**3. Базова модель: **Основна ланка виробничого ланцюжка створення вартості ШІ керується професійними знаннями та інвестиціями. Тенденція до загальної моделі великої моделі є зосередженою, і в галузевій моделі все ще існує розрив ринку. трек.
**4. Model Center і MLOps: ** Інструменти для розміщення, тонкого налаштування та розгортання моделей. Гіганти та незалежні постачальники утворюють диференційовану конкуренцію. Model Center і MLOps виконують два необхідні завдання для створення програм на основі базових моделей: по-перше, модель Склад надає простір для зберігання та доступу до базових моделей; другий — це спеціалізований інструмент MLOps для тонкого налаштування та розгортання базових моделей у програмах.
**5. Програми: **Програми терміналів, засновані на тонкому налаштуванні великих моделей, є напрямком, де стартапи мають найбільші можливості. Близько половини генеративних компаній-єдинорогів штучного інтелекту народилися на цьому ринку. Ми очікуємо, що за короткий час Термін, для вертикальних категорій «Галузь» і «Розробка конкретних функцій» першими можуть виділятися програми, створені на основі точно налаштованих моделей.
**6. Послуги: **Загальні постачальники рішень, які надають послуги з доданою вартістю на основі модельних продуктів, монополізовані великими виробниками, але все ще є ринковий простір для малих і середніх гравців для участі у вертикальному полі.
Практичний бій: як підприємства розгортають генеративний ШІ
**По-перше, це зміна операційної моделі. **Масштабне просування GenAI вимагає від підприємств повної трансформації своїх операційних моделей і впровадження ШІ в кожен аспект свого бізнесу. При широкомасштабному впровадженні додатків GenAI успішна операційна модель повинна охоплювати шість основних аспектів: стратегічна дорожня карта, талант, операційна модель, технологія, дані та технологічне застосування та управління змінами.
Generative AI стрімко розвивається, і генеральні директори також досліджують його бізнес-цінність і потенційні ризики. Керівники відіграють важливу роль у спонуканні компаній зосередитися на генеративному ШІ. Багато стратегій, про які керівники компаній повинні пам’ятати, починаючи цю подорож, узгоджуються з тим, як керівники компаній реагували на минулі технологічні хвилі.
Однак генеративний штучний інтелект також несе унікальні виклики, включаючи його безпрецедентну швидкість розвитку за попередні технологічні зміни та, як наслідок, складність реагування.
Перш ніж прийняти рішення про застосування генеративного штучного інтелекту, врахуйте величезні витрати часу та ресурсів на початок роботи з нуля, а також методом проб і помилок. Підприємства також можуть належним чином використовувати потужність професійних установ для прискорення розгортання генеративного штучного інтелекту та використання сторонніх технологій, знань та Досвід, уникайте обхідних шляхів і пасток і досягайте мети створення цінності швидше та економніше.
**Крім того, варто зазначити, що генеративний штучний інтелект забезпечує новий імпульс зростання для всіх сфер життя, але він також має певні негативні наслідки. Фінансові установи повинні звертати особливу увагу на ілюзію моделі, зловмисне використання та витік інформації під час застосування генеративного ШІ та інші три ключові ризики. **Підприємства повинні надавати цьому великого значення та активно вживати заходів для належного запобігання та управління ним, мінімізації його потенційних ризиків і максимізації його вартості.
(Автор Цюй Сянцзюнь є глобальним старшим партнером McKinsey і керівником консалтингового бізнесу фінансових установ Китаю; Хан Фен є глобальним партнером McKinsey; члени команди McKinsey Ху Іронг, Фан Хаосян, Фан Сіюань, Лі Цзіньяо, Сон Ге , а також Цю Вайшань, Ван Чжечен, Цзян Цзисян, Лу Чжіцзюань та ін. також зробили внесок у цю статтю; дослідник Caijing Дін Янь також зробив внесок у цю статтю)