برای آخرین به روزرسانی ها و مطالب اختصاصی در مورد پوشش هوش مصنوعی پیشرو در صنعت ، به خبرنامه های روزانه و هفتگی ما بپیوندید. بیشتر بدانید
صنعت خدمات مالی یکی از تنظیم شده ترین بخش ها است. همچنین مقادیر زیادی از داده ها را مدیریت می کند. شرکت های مالی آگاه از نیاز به احتیاط ، به آرامی عوامل تولید کننده هوش مصنوعی و هوش مصنوعی را به اصطبل خدمات خود اضافه کرده اند.
صنعت برای اتوماسیون غریبه نیست. اما استفاده از اصطلاح “عامل” خاموش شده است. و به طور واضح ، بسیاری از این صنعت موضع بسیار محتاطانه نسبت به هوش مصنوعی تولیدی ، به ویژه در صورت عدم وجود چارچوب های نظارتی ، گرفتند. با این حال ، اکنون ، بانکهایی مانند JP Morgan و Bank of America دستیاران دارای هوش مصنوعی را آغاز کرده اند.
بانکی در خط مقدم روند BNY است. بانک سرمایه گذاری و متولدین که توسط الکساندر همیلتون تأسیس شده است ، ابزار هوش مصنوعی خود ، الیزا (به نام همسر همیلتون) را به روز می کند و آن را به یک منبع چند عامل تبدیل می کند. این بانک نمایندگان هوش مصنوعی را به عنوان کمک ارزشمند به نمایندگان فروش خود در حالی که بیشتر مشتریان شرکت های خود را درگیر می کند ، می داند.
یک رویکرد چند عامل
Saarthak Pattanaik ، رئیس مرکز اطلاعات مصنوعی BNY و رئیس مهندسی دارایی های دیجیتالی ، خزانه داری ، ترخیص ، در مصاحبه ای به VentureBeat گفت که این بانک با فهمیدن چگونگی اتصال بسیاری از واحدهای خود شروع کرد تا به اطلاعات آنها به راحتی قابل دسترسی باشد.
BNY برای تیم های مختلف خود یک عامل توصیه اصلی ایجاد کرد. اما این کار بیشتری انجام داد در حقیقت ، از یک معماری چند عامل برای کمک به تیم فروش خود در ارائه توصیه های مناسب به مشتریان استفاده می کند.
پاتانایک گفت: “ما یک نماینده داریم که همه چیز (تیم فروش) را در مورد مشتری خود می داند.” وی گفت: “ما یک عامل دیگر داریم که در مورد محصولات ، تمام محصولاتی که بانک از آن … از نقدینگی گرفته تا وثیقه ، پرداخت ، خزانه داری و غیره صحبت می کند. در نهایت … ما در حال تلاش برای حل نیاز مشتری از طریق قابلیت های موجود ، قابلیت های محصول ما هستیم. “
پاتانایک افزود: نمایندگان این کشور تعداد افرادی را که بسیاری از کارمندان مشتری مداری خود باید با آنها صحبت کنند ، برای تعیین یک توصیه خوب برای مشتریان کاهش داده اند. بنابراین ، “به جای فروشندگان با 10 مدیر مختلف محصول ، 10 نفر از مشتری های مختلف ، 10 نفر از بخش های مختلف ، که همه اینها اکنون از طریق این عامل انجام می شود.”
نماینده به تیم فروش خود اجازه می دهد تا به سؤالات بسیار خاصی که مشتریان بانکداری سرمایه گذاری می توانند پاسخ دهند. به عنوان مثال ، آیا اگر مشتری بخواهد کارت اعتباری را در کشور راه اندازی کند ، از ارزهای خارجی مانند Ringgit مالزی پشتیبانی می کند؟
چگونه آنها آن را ساختند
قابلیت های توصیه چند عامل در ابزار الیزا BNY آغاز شد.
حدود 13 عامل وجود دارند که “با یکدیگر مذاکره می کنند” تا بسته به بخش بازاریابی ، توصیه محصول خوبی را کشف کنند. پاتانایک توضیح داد که نمایندگان از عوامل عملکردی مانند عوامل مشتری گرفته تا عوامل بخش که بر روی داده های ساختار یافته و بدون ساختار لمس می کنند ، متغیر است. بسیاری از مأمورین موجود در الیزا “استدلال” دارند.
بانک می فهمد که اکوسیستم عامل آن کاملاً عامل نیست. همانطور که پاتانایک خاطرنشان کرد ، “نسخه کاملاً عامل این است که به طور خودکار پاورپوینت را تولید می کند که می توانیم به مشتری بدهیم ، اما این کاری نیست که ما انجام می دهیم.”
پاتانایک گفت که این بانک به اتوژن مایکروسافت روی آورد تا عوامل هوش مصنوعی خود را زنده کند.
وی گفت: “ما از آنجا که منبع باز است ، با اتوژن شروع کردیم.” ما به طور کلی یک شرکت سازنده هستیم. هر کجا که بتوانیم از منبع باز استفاده کنیم ، این کار را انجام می دهیم. “
پاتانایک گفت: Autogen مجموعه ای از نگهبانان جامد را که می تواند از آن استفاده کند ، برای ایجاد پاسخ بسیاری از عوامل و آنها را تعیین کننده تر می کند. این بانک همچنین به Langchain برای معمار سیستم نگاه کرد.
BNY چارچوبی را در اطراف سیستم عامل ایجاد کرد که به نمایندگان طرح برای پاسخ به درخواست ها می دهد. برای انجام این کار ، مهندسان هوش مصنوعی شرکت با سایر بخش های بانکی همکاری نزدیکی داشتند. پاتانایک تأکید کرد که BNY سالهاست که در حال ساخت سکوهای مهم ماموریت است و محصولاتی مانند ترخیص و سیستم عامل های وثیقه خود را مقیاس می دهد. این نیمکت عمیق دانش برای کمک به مهندسان هوش مصنوعی مسئول سکوی عامل مهم بود که به مأمورین تخصص تخصصی مورد نیاز خود را می دهد.
پاتانایک گفت: “داشتن توهم کمتر مشخصه ای است که همیشه به شما کمک می کند ، در مقایسه با داشتن مهندسین هوش مصنوعی موتور.” مهندسان هوش مصنوعی ما بسیار نزدیک با مهندسین پشته ای که سیستم های مهم و مهم را ساخته اند ، همکاری کردند تا به ما در رفع مشکل کمک کنند. این در مورد مؤلفه است تا قابل استفاده مجدد باشد. ”
به عنوان مثال ، ساختمان ، یک عامل ارتش سرب از این طریق اجازه می دهد تا توسط خطوط مختلف تجارت BNY توسعه یابد. این به عنوان یک میکروسرویس عمل می کند “که به یادگیری ، عقل و عمل ادامه می دهد.”
در حال گسترش الیزا
با گسترش ردپای عامل خود ، BNY قصد دارد تا ابزار پرچمدار AI خود ، الیزا را به روز کند. BNY این ابزار را در سال 2024 منتشر کرد ، اگرچه از سال 2023 در حال توسعه است. الیزا به کارمندان BNY اجازه می دهد تا به بازار برنامه های هوش مصنوعی دسترسی پیدا کنند ، مجموعه داده های تأیید شده را دریافت کرده و به دنبال بینش باشند.
پاتانایک گفت: الیزا در حال حاضر نقشه ای را برای چگونگی حرکت BNY با نمایندگان هوش مصنوعی ارائه می دهد و به کاربران خدمات پیشرفته تر و هوشمند تری ارائه می دهد. اما این بانک نمی خواهد راکد باشد و می خواهد تکرار بعدی الیزا باهوش تر باشد.
پاتانایک گفت: “آنچه ما با استفاده از الیزا 1.0 ساخته ایم ، یک نمایش و جنبه یادگیری چیزها است.” وی گفت: “با 2.0 ، ما قصد داریم روند را بهبود بخشیم و همچنین بپرسیم ، چگونه می توانیم یک عامل عالی بسازیم؟ اگر به نمایندگان فکر می کنید ، این مربوط به چیزی است که می تواند یاد بگیرد و استدلال کند و در بعضی از مواقع ، برخی اقدامات را در مورد این یک وقفه ارائه می دهد ، این یک استراحت نیست و موارد دیگر. این مسیری است که ما در هنگام ساختن 2.0 به سمت آن می رویم ، زیرا بسیاری از موارد باید از نظر نگهبان های خطر ، توضیح ، شفافیت ، پیوندها و موارد دیگر قبل از اینکه کاملاً خودمختار شویم ، تنظیم شوند. ”
