2024 年会成为金融服务领域大幅采用 AI 的一年吗？
文章编译：Tiffany，Meta Era
文章来源：Coindesk
2023 年，AI 成为新闻的主角。随着这项新兴技术及其应用场景的不断发展，它既有可能成为企业的辅助资产，也可能构成竞争威胁。金融顾问将如何适应这项技术，并可能面临竞争威胁，因为客户也将能够使用 AI 工具进行投资？本篇文章中，Coindesk 采访了两位行业大咖，围绕 AI 的发展与仍旧存在的问题做出相关解答。
围绕数据治理和所有权的问题仍然存在，2024 年会成为金融服务领域大幅采用 AI 的一年吗？
当今全球形势的迅速变化为商业领袖们带来了挑战和机遇。他们不断面临着各种干扰，其中生成式AI是推动这些变化的重要因素之一。每天都有新的信息和发展出现，这让领导者们决定最佳行动方案变得更加困难。
在这种动态的环境中，采取被动态度可能会危及进步。领导者们早期理解生成式 AI 的巨大潜力及其相关风险至关重要。如果做不到这一点，可能会错过机会，且在测试和采纳新兴 AI 能力方面比更灵活的竞争对手失去竞争优势。
一个常见的问题是，「生成式 AI 的重要性是否仅仅是炒作?」
虽然有些人可能夸大了一些当前能力的现实情况，但其转型的力量是不可否认的。通过从历史和以往科技革命的洞察中汲取经验，领导者可以更好地理解和应对这一AI时代。
历史上，人们从对互联网初现时的怀疑，最终转变成了对其巨大影响的广泛认可。同样地，营销技术工具的迅猛发展也教会了我们一个教训：「盲目采用新技术而无策略规划将会带来风险。」
生成式 AI 的革命，虽然反映了过去的技术趋势，但其快速发展和潜在影响却是独一无二的。这种加速的步伐，得益于现有的基础设施和以往的技术进步，加之它被推广至大众。
最近的报告突显了 AI 的日益普及。因此，为了利用其优势并避免其挑战，企业应从过去的教训和当前知识中汲取经验。
在金融顾问领域，AI 有望成为金融顾问们不可或缺的工具。这个群体的工作重点在于智力能力和基于知识的决策制定。特别是生成式AI，有潜力显着提升金融顾问的能力，并增加工作效率，使他们能够在安全的非公开领域中，更加精细地管理和利用其知识产权(IP)。
当客户和竞争对手都能使用相同的新兴工具，并且能接触到这些平台提供的新一层次的智能时，「如何继续提供增值和差异化服务的问题」便油然生。此外，还特别强调了这项技术无法复制人类的同理心、信任、情感以及个人联系这些元素，而这些正是客户与顾问关系的基石。
这促使金融顾问超越对特定工具或技术的关注。相反，他们正在考虑如何将AI融入到他们的个人策略或公司的总体目标、文化、客户需求、网络安全、隐私和合规要求中。
认识到 AI 在金融顾问领域中的益处和挑战，特别突显了其对他们独立或组织策略的更广泛影响。这超越了技术採纳，而是包括情境规划和变革管理。随着个人和公司将AI融入他们的工作流程和运营中，他们需要调整策略和思维方式，以适应多样化的未来情境，为AI带来的重大变革做好准备，以保持在动态商业环境中的韧性和敏捷性。工作性质的演变要求重新技能培训和持续学习。这不仅仅是关于实施软件，而是要重塑组织的文化和思维方式，以适应 AI 驱动的世界。
在我们探索生成式AI时代的複杂性时，个人和企业保持知情和积极主动至关重要。过去的教训和当下的现实提供了一个明确的信息：成功取决于战略规划和拥抱变化。对于金融顾问领域及其以外的人来说，不仅仅是关于採用新技术，而是要以一种符合组织长期愿景和伦理标准的方式来整合它们。前方的道路儘管充满挑战，但通过优先考虑持续学习和适应性，企业可以利用AI不仅满足当今的需求，而且能够蓬勃发展，为未来设定标准。
- Lynda Koster, Cofounder & Managing Partner, Growthential
专家采访: 探讨 AI 炒作
Q：AI 是否像炒作所暗示的那样具有破坏性？
A：这取决于你所关注的领域。在麦肯锡的一份关于生成式 AI 未来的报告中，该公司调查了几个行业中自动化工作的潜力，并发现知识型工作最容易受到生成式 AI 的干扰。例如，劳动力培训非常容易被自动化，而农业和运输则不那麽容易。创意产业，如媒体和艺术，也在名单的高位。
Q：我应该如何考虑在我的组织中使用 AI？
A：即使在容易受到 AI 干扰的行业（如营销）中，你更有可能在中小型公司发现生成式AI的使用，因为它们更愿意进行实验。生成式AI的使用通常是自下而上的现象，组织中的个人通过将工具应用于他们的特定工作来寻找效率，通常伴随着大量的试错，有时甚至不告知雇主。要让一个组织在大规模上释放生成式 AI 的潜力，它需要投入时间和专业知识来研究可用的模型，然后构建工具，以抽象繁琐的寻找正确提示（即提示工程）的工作，从而使 AI 的输出相对一致。
Q：使用生成式 AI 有哪些风险？
A：虽然生成式 AI 几乎可以立即创造文本、图像和视频，但对于它创造的内容还是有一些广泛的担忧：
- 法律：驱动生成式AI服务的大型语言模型（LLMs）使用从公开网络上收集的大量训练数据。虽然“爬取”互联网内容是搜索引擎的标准做法，但AI服务根据该信息创造全新内容，通常不进行链接甚至不提供信用。这可能构成版权侵犯——这是《纽约时报》最近对 OpenAI（ChatGPT的製造商）提起诉讼的基础。
- 安全：在使用 LLMs 的过程中，可能在有意或者无意的情况下，生成具误导性或者具有冒犯意味的内容，甚至可能是犯罪性质的（例如深度伪造）。AI 公司通常会在其模型中构建防护网，以减少这种情况的发生，但由于 LLMs 生成答案的方式并未完全被理解，因此无法完全消除。此外，过度纠正“不安全”的输出可能会使模型整体上变得不那麽有用。
- 质量：AI 工具有时会产生幻觉——本质上是捏造事实并以极高的信心陈述——这导致了几次尴尬的事件，其中生成的内容在没有适当审查的情况下被发布或使用。这些案例强调了对任何AI驱动过程加入人类监督的需求。但即使AI得到了正确的事情，写作往往可能感觉基础和无灵魂。对于改善 LLMs“开箱即用”的输出的渴望正在创造对微调和提示工程技能的需求。
— Pete Pachal, Founder, The Media Copilot