供的信息而遭受损失
单纯从技术角度来看，生成式人工智能可以立即增强现有工具和流程，这在很多用例中都适用。然而，这些模型并不完美，而且重要的是，与人类或现有机器学习相比，它们会以新的方式出错。因此，对于公司来说，围绕生成式人工智能开发新的业务流程、风险和监管框架至关重要。例如，LLM 聊天机器人可能能够全天候检索和向客户提供财务信息，速度比任何人类顾问都要快，这使得立即部署它非常诱人。但是，如果客户错误地依赖 LLM 聊天机 佐治亚电报数据 器人提怎么办？如果聊天机器人态度粗鲁或带有歧视性怎么办？当人类员工不负责互动时，赔偿规则是什么？声誉损害会被放大吗？当金融服务公司考虑哪些生成式人工智能应用可以在 2024 年安全实施时，这些业务和风险问题将成为他们最关心的问题。
全球市场加速推进生成式人工智能生产
金融服务业中一些更有前景的试点用例集中在研究和全球市场。其主题是利用 LLM 在自然语言方面的优势，为没有能力手动监控所有内容的交易员和投资者总结新闻、收益和央行会议记录。从历史上看，BERT 等 NLP 模型已用于这些用例，但新一代 LLM 可以生成更丰富的分析，并被要求以一种更方便用户使用的来回方式调整其摘要。
頁:
[1]