منذ حوالي 40 عامًا ، ربما يعرف مدير فرع البنك اسم كل عميل وكان قادرًا على تقديم مشورة وتوجيهات مخصصة. ولكن كما يشير رانيل بوتيجو ، كبير موظفي البيانات والتحليل في مجموعة لويدز المصرفية ، في عالم اليوم ، لا يمكن أن يتوسع هذا النموذج.
يقول: “في عالم التخطيط المالي ، لا يستطيع معظم الناس في المملكة المتحدة رؤية مخطط مالي”.
هناك أيضًا عدد غير كافٍ من المستشارين الماليين المدربين لمساعدة الجميع على طلب المشورة ، وهذا هو السبب في أن المؤسسات المالية تبحث في كيفية نشرها الذكاء الاصطناعي التوليدي (Genai) لدعم العملاء مباشرة.
لكن نماذج اللغة الكبيرة (LLMS) و Genai من فرطات الفائقة تشبه الصناديق السوداء ويمكنها تقديم ردود غير صحيحة ، والمعروفة باسم الهلوسة في شروط الذكاء الاصطناعي. لا شيء من هذه الأشياء مقبول في قطاع ينظمه هيئة السلوك المالي (FCA).
ما يثير Boteju هو القدرة على توسيع نطاق النموذج البالغ من العمر 40 عامًا لمدير البنك لتلبية الطلب الحالي عن طريق استخدام الذكاء الاصطناعي بطريقة توفر للبنك ثقة في أن الذكاء الاصطناعى قادر على فهم ما يحتاجه الناس ومنحهم التوجيه الصحيحة بطريقة يمكن تقييمها وتلبية إرشادات FCA.
يقول: “سيكون” فتح “رائع للمملكة المتحدة من حيث إعطاء إمكانية الوصول إلى التوجيه المالي عالي الجودة لمجموعة أوسع وأكبر من السكان”.
كما يلاحظ Boteju ، كانت البنوك تستخدم الذكاء الاصطناعي لسنوات عديدة. يقول: “لقد استخدمنا جميع أنواع خوارزميات التعلم الآلي لأشياء مثل تقييمات مخاطر الائتمان وفحص الاحتيال لأكثر من 15 عامًا”. “لقد استخدمنا أيضًا chatbots لمدة 10 سنوات على الأقل.”
على هذا النحو ، فإن الذكاء الاصطناعي هي قدرة مستخدمة جيدًا في الخدمات المالية. ما الجديد ، ومع ذلك ، هو AI التوليد و وكيل الذكاء الاصطناعي. “اندلعت الذكاء الاصطناعي في مكان الحادث في أواخر عام 2022 مع chatgpt. يقول بوتيجو: “لقد مر ما يقرب من عامين ونصف حتى الآن”.
في حين أن البنوك لديها خبرة مع الذكاء الاصطناعي ، فقد احتاجت لمعرفة كيفية استخدام الذكاء الاصطناعي ونماذج اللغة الكبيرة. الحديث عن تجربته الخاصة ، يقول Boteju: “نفكر في أشياء مثل الأداء النموذجية وما إذا كنا نستخدم الخوارزمية المناسبة”.
هناك أيضًا شفافية وأخلاقيات ودرجات وكيفية نشر نماذج الذكاء الاصطناعي. يقول Boteju: “هذه شائعة بالنسبة لنماذج اللغة الكبيرة والمنظمة العفوبية التقليدية. لكن الذكاء الاصطناعى التوليدي لديه تحديات محددة في الخدمات المالية لأننا صناعة منظمة”.
منذ أن AI التوليدي يمكن غالبًا ما يؤدي إلى الهلوسةيقول إن البنوك يجب أن تكون حذرة للغاية بشأن كيفية تعريض نماذج الحركة الكبيرة مباشرة للعملاء. “لقد بذلنا الكثير من الجهد لضمان أن تكون مخرجات نماذج اللغة الكبيرة صحيحة ودقيقة وشفافة ، وليس هناك تحيز.”
في صناعة منظمة ، من الأهمية بمكان ضمان أن نماذج الذكاء الاصطناعى لا تهلوس. يقول: “من المحتمل أن يكون هذا أحد الأشياء الرئيسية التي نحتاج إلى أن ندركها حقًا”.
الحاجة إلى نماذج منظمة العفو الدولية المتخصصة
كما يلاحظ Boteju ، مثل نموذج مثل جوجل الجوزاء مدرب على كل شيء. “إذا طرحت عليه سؤالاً ، فسيعتمد الإخراج على معرفته بكل شيء. تم تدريبه على الكثير والكثير من البيانات.”
ليس كل هذه البيانات ذات صلة بالخدمات المالية. من خلال تقييد نموذج الذكاء الاصطناعي للبيانات الخاصة بالخدمات المالية ، ينبغي للنموذج ، من الناحية النظرية ، أن يقلل من الهلوس.
يقول Boteju: “لقد شعرنا بقوة أننا أردنا استخدام نموذج لغة أو مجموعة من النماذج التي تم تدريبها على وجه التحديد على بيانات الخدمات المالية ذات الصلة بالمملكة المتحدة”.
أدى ذلك إلى اقتراب مجموعة Lloyds المصرفية من بدء التشغيل الاسكتلندي Aveni لدعم تطوير finllm، نموذج لغة كبيرة خاصة بالخدمات. في عام 2024 ، حصلت الشركة على 11 مليون جنيه إسترليني من الاستثمار من الأسهم الخاصة PUMA ، بمشاركة من Lloyds و Nationwide.
يقول Boteju ، إن مناقشة العمل مع Aveni ، إن مجموعة Lloyds المصرفية لا ترغب في أن تكون مرتبطة بنموذج معين ، لذلك قررت اتباع نهج مفتوح لنماذج الأساس. من منظور سيادة الذكاء الاصطناعى ، يقول: “لا نريد أن نقتصر على النماذج الكبيرة الفائقة.
يقوم البنك باختبار Finllm في فريق التدقيق الخاص به ، حيث يقوم مساعد بالتدقيق الافتراضي الذي تم تطويره بواسطة مجموعة مراجعة وسلوك المجموعة (GA & CI) في Lloyds Banking Group ، يحول كيفية الوصول إلى مدققي الحسابات والتفاعل مع ذكاء التدقيق. يدمج chatbot منظمة العفو الدولية التنظيمية مع نظام التوثيق الداخلي للمجموعة ، أطلس ، مما يجعل استرجاع المعلومات أسرع وأكثر ذكاءً وأكثر بديهية.
يقول Boteju إن البنك قام بتدريب chatbot بشكل فعال باستخدام Finllm ومعرفته بمراجعة الحسابات ، استنادًا إلى جميع بيانات التدقيق التي جمعها.
يصف النهج الذي اتبعته مجموعة Lloyds المصرفية لتقليل الأخطاء بأنها “وكيل كقاضي”. يقول: “قد يكون لديك نموذج أو وكيل محدد يأتي بنتيجة محددة”. “ثم سنقوم بتطوير نماذج مختلفة وعوامل مختلفة تراجع تلك النتائج وتسجلها بفعالية.”
يعمل البنك عن كثب مع Aveni لتطوير نهج استخدام وكلاء الذكاء الاصطناعى كقضاة لتقييم ناتج نماذج الذكاء الاصطناعى الأخرى.
يتم تقييم كل نتيجة بشكل مستقل من قبل مجموعة من النماذج المختلفة. تتيح مراجعة المخرجات من نماذج الذكاء الاصطناعى Lloyds التأكد من توافقها مع إرشادات FCA وكذلك اللوائح الداخلية للبنك.
يعد التحقق من مخرجات نماذج الذكاء الاصطناعى طريقة جيدة حقًا للتحقق من أن العميل لا يتم تقديم نصيحة سيئة ، وفقًا لـ Boteju ، الذي يضيف: “نحن بصدد تحسين هذه الدرابزين ، ومن الضروري أن يكون لدينا [this process] في مكان “.
يشير Boteju إلى أن وجود A الإنسان في الحلقة سيظل مهمًا بغض النظر عن نهج “الوكيل كقاضي”. يقول: “لا يزال هناك مكان كبير للبشر في الحلقة في المستقبل”.
قوة نماذج الذكاء الاصطناعى المختلفة في AIC
في حين تم ضبط نموذج AI مثل Finllm لفهم خصوصيات وعموميات الخدمات المصرفية ، يقول Boteju إن النماذج الأخرى أفضل بكثير في فهم السلوك البشري. هذا يعني أن البنك يمكنه ، على سبيل المثال ، استخدام أحد نماذج الذكاء الاصطناعى من فرط الفصح ، مثل chatgpt 5 أو Google Gemini ، لفهم ما يقوله العميل بالفعل.
يقول: “سنستخدم نماذج مختلفة لتحطيم ما يقولونه في أجزاء مكون”. ثم يتم تكليف نماذج مختلفة بمعالجة كل جزء متميز من استعلام العميل. “الطريقة التي نفكر بها في ذلك هي أن هناك نماذج مختلفة ذات نقاط قوة مختلفة ، وما نريد القيام به هو استخدام أفضل نموذج لكل مهمة.”
هذا النهج هو كيف يرى البنك النشر AI الوكيل. يقول Boteju ، مع Aulecic AI ، يتم تقسيم المشكلات إلى أجزاء أصغر وأصغر ، حيث تستجيب عوامل مختلفة لكل جزء. هنا ، يشبه وجود وكيل كقاضٍ تقريبًا زميل في الخط الثاني يعمل كمراقب.
