去过那里 ， 这样做 ： 企业和投资银行如何应对 Gene AI

金融服务实践 去过那里，这样做：企业和投资银行如何应对GeneAI 批发银行在传统人工智能方面拥有丰富的专业知识。这是一项稳健的投资，随着生成人工智能的发展，它再次获得回报。 作者：CarloGiovine,LarryLerner,JaredMoon和StefanSchorsch 2023年9月 “它肯定是当第一容易多了.“这是MargiCall的许多令人难忘的台词之一，这是一部关于华尔街的2011年电影。这是对批发银行对人工智能及其子集机器学习的立场的一个很好的总结。企业和投资银行（CIB）在几十年前首次采用了人工智能和机器学习，远远早于其他行业。交易团队已经使用机器学习模型来推导和预测交易模式，他们还使用自然语言处理(NLP)来读取证券文件和公司行为中成千上万页的非结构化数据，以找出公司可能走向何方。 如今，一些CIB机构正在大规模使用AI，并获得了巨大的收益。但是，该行业的许多行业都落后于领先的CIB机构 ；许多银行正在使用定制的，类似工匠的方法，这些方法本质上效率较低。另一个问题是：银行家们经常认为前台、中端和后台的区域过于复杂，无法使用机器学习。一些领先的银行在其中一些领域取得了与人工智能相关的进展，包括关系经理(RM)支持和咨询、合规和风险决策 。 和复杂定制产品的客户服务(想想远期商品协议的外汇对冲)。 现在出现了生成AI：您可能听说过它（咳咳）。麦肯锡全球研究所（MGI）估计，在所有银行业务中，批发,和零售，GeneAI可能会增加2000亿美元和 3400亿美元的价值-例如，通过提高生产率。1该技术在整个CIB业务系统中具有巨大的潜力。顾名思义，新工具非常善于提出可以在许多领域用作初稿的内容。但是他们也善于理解以前发布的内容；genAI增加了自然语言理解 （NLU）的新元素 这可以将基于NLP的应用程序提升到一个完全不同的水平 。 考虑几个例子。CIB银行可以通过使用GeeAI对监管机构的报告进行分类，以初级合规官员的方式智能地阅读它们 ，找到最相关的报告，然后为高级官员撰写摘要以采取行动。他们可以通过使用该技术编写当前手工制作的文档来提高其在客户服务方面的竞争力。他们可以利用Broadridge的BodGPT等工具。2为投资者和交易者提供债券相关问题的答案，对实时流动性的见解等。 一些银行已经开始从GeneAI中抓住机会。摩根大通已经提交了一项GeneAI服务的专利申请，该服务可以帮助投资者选择股票。3摩根士丹利已经建立了一个工具来帮助RM实时向客户提供相关的想法。4Many然而，其他银行只是在修补边缘。还有一些银行担心计算成本，或者由于知识产权限制而停滞不前。 我们坚信，银行需要克服挑战，并利用从GeeAI中获得的重大利益。根据我们的经验，根据应用，GeerAI可以将核心CIB活动的生产率提高30％至90％。据MGI估计，生产力和其他收益可能会使CIB营业利润增加9％至15％ 。(我们应该注意到，这些是我们在早期使用我们自己的新一代人工智能工具Lilli时看到的效率。). 在本文中，我们将研究GeneAI对公司和投资银行最有潜力的领域，以及银行需要关注的风险。最后，我们概述了以下功能： 1生成AI的经济潜力：下一个生产力前沿，麦肯锡，2023年6月14日。 2有关更多信息，请参阅“Broadridge的LTX推出由OpenAIGPT-4提供支持的BondGPTSM”，Broadridge新闻稿，2023年6月6日。 3Kin和Carta博客，“6个企业GenAI应用程序产生了巨大影响”，2023年8月17日。 4有关更多信息，请参阅“摩根士丹利财富管理公司宣布OpenAI创新之旅的关键里程碑”，摩根士丹利新闻稿，2023年3月14日。 如果银行要在GenAI时代蓬勃发展，它们将需要。 在哪里应用genAI 公司和投资银行正在让genAI在整个业务系统中发挥作用 （参见侧栏“genAI在批发银行业务中的潜在应用”）。他们在三个领域取得了最大的进展：新产品开发，客户运营以及营销和销售。 在新产品开发中，银行正在使用GeeAI使用所谓的代码助手来加速软件交付。这些工具可以帮助进行代码翻译（例如，。NET到Java），以及错误检测和修复。他们还可以改进遗留代码，重写代码，使其更具可读性和可测试性 ；他们还可以记录结果。许多金融机构可以从中受益。交易所和信息提供商，支付公司和对冲基金定期发布代码;根据我们的经验，这些重度用户可以将许多代码发布的上市时间缩短一半。 对于许多长期以来一直在考虑对其技术堆栈进行全面改革的银行来说，generAI提供的新速度和生产率意味着经济已经改变。考虑证券服务，低利润率意味着传统技术被忽略而不是被爱；现在，技术堆栈升级可能在卡中。 即使在清算系统等关键领域，GeneAI也可以大大减少时间和返工工作。 在客户运营中，银行正在使用genAI来提取、搜索和汇总非结构化 servinginformationandtranslateitintomachine-readableinstructions.Thatcomesasabigrelief:upto60percentofCIBservicesisdonethrough emailandmanualdocumentation.Inpost-tradeservices,banksareusinggenAItoreadthedocumentoncorporateactions—and,critically,banksareusingNLUtoassesstheimplications 跨客户和产品的公司行为。在中间办公室，银行正在自动化手动任务。事实证明，GenAI能够编写技术文档，如财务、环境、社会和治理(ESG)；和审计报告 。它还被用来编写贷款合同，如抵押贷款。 例如，一家领先的亚洲企业银行遇到了一个问题：其RM花费了大量时间来努力总结银行的可持续发展绩效，并填写了每个B2B客户所需的调查表。为了解决这个问题，该银行开始使用GeeAI从整个企业中提取知识，以回答RM通常被问到的问题。该银行将这些问题转化为其大型语言模型的提示，该模型在银行的ESG相关内容上进行了培训 。GeAI工具跨来源合成材料（并将来源命名为必备品） ，提取支持报价，并表示对其工作的信心。 然后，分析师接管了这项工作；他们发现generAI工具的答案是正确的90％。现在，RM节省了他们在此任务上花费的90％的时间。 营销和销售是GeAI正在改变银行家工作的第三个领域。最令人兴奋的机会可能是关系管理，在这种情况下，geAI有可能与客户进行所有语音和文本交互（以及有关客户的内部讨论），并使用它们来创建“RM助手”。RM桌面上的一代AI驱动工具几乎可以立即帮助完成投资理念、销售和产品政策等任务。这可以将响应客户端所需的时间从几小时或几天缩短到几秒钟。Ge. genAI在批发银行业务中的潜在应用 我们看到新技术在整个价值链中的应用。这是一个样本。 在销售和营销方面，genAI可以： —充当关系经理(RM)的实时销售助理 —生成营销宣传材料和客户入职说明 —作为一个公共助理，以帮助客户 —准备提案和推销书籍 —帮助寻找跨复杂法律实体结构的交叉销售机会 —通过模拟客户呼叫来指导RM-提高客户参与度和 铅生成 在风险评估中，GenAI可以： —适用承保规则 —自动化模型文档 —监控公司行为 —对欺诈行为进行全面评估 —发现高级金融犯罪 —担任虚拟风险专家，协助风险经理在定价方面，GenAI可以： —创建产品使用和倾向场景 —模型寿命值，以确定长期产品和定价 —生成和预先批准指示性报价在客户服务中，genAI可以： —作为通话中的“副驾驶” —处理高级服务请求 —自动化呼叫分析在操作中，genAI可以： —担任中层助理提供专业知识 —在办公室准备文件 —提取和验证数据 在收集和恢复中，genAI可以： —识别风险客户 —设计治疗策略 —自动化抵押品估值在财务和人力资源领域，GeneAI可以： —产生月度财务和KPI —为内部和外部通信编写副本 —筛选候选人并创建诸如职位简介之类的内容 —自动化费用在技术上， genAI可以： —加快代码开发 —自动化Web和移动测试 —改进遗留代码的维护 AI可以通过基于通话记录的培训模拟和个性化指导建议 ，帮助初级RM更好地满足客户需求。 CIB营销人员还可以使用新工具来自动总结银行的知识和 使用它来创建可行的营销内容，例如市场回顾，研究报告和投书。例如，一家领先的投资银行已经建立了一个generAI工具来帮助分析师编写投书的初稿。分析师上传所有相关文档，然后查询聊天机器人以确保 它具有所需的材料。然后，分析师可以指导该工具制作许多通常需要的幻灯片，以及许多反映拟议投资细节的幻灯片。该工具为分析师节省了大约30％的时间用于创建pitchbook。 这三个领域-新产品开发，客户运营以及营销和销售-代表了该技术最有前途的领域。但是其他功能也可以beefit.考虑贷款发放和决策。GeAI可以从客户互动，贷款和抵押文件以及公共新闻来源中提取文本内容，以改善信用模型和预警指标。或者，它可以像许多银行所做的那样，研究风险和合规支持，从而GeAI可以为一线和二线功能提供支持，以识别相关法规和合规要求，并帮助找到相关指令。该技术尚未达到银行有足够信心全面移交风险和合规任务的状态。但是今天已经有可能做出重大贡献。 简而言之，毫不夸张地说，GeneAI可以改变批发银行家的日常工作（展览）。 大规模成功的成分 大多数CIB机构都是从AI应用的概念验证开始的。为了超越这一阶段，银行将希望在其当前的AI和机器学习能力和技术基础上，以确保以下要素到位： 战略路线图。CIB领导者应该定义一个明确的战略，说明他们希望如何将GeeAI集成到他们的流程中。GeAI是否完全改变了他们的核心业务（就像在市场和股权研究支持方面一样），还是提供了收入提升或生产力机会 ？早期采用者通过从CIB各部门的银行收入和成本线的自上而下的价值热图开始，找到价值创造的潜力，取得了良好的成果。 对费用的考虑必须成为路线图的一部分。开发GeeralAI的每一步——嵌入和存储知识、每天支持数千个查询、构建和训练新模型——都可能导致巨大的成本。银行将需要为其预期应用确定最佳模型组合，不仅要保证准确性和可持续性能，还要获得路线图中确定的价值。 天赋.CIB公司通常拥有丰富的AI人才-定量，“strats”，建模者，翻译者，模型解释者等等。这提出了一些问题 ：这些员工可以将GeeAI添加到他们的技能中吗？还是公司需要新的功能？银行应该如何组织这些GeeAI专家？市场领导者正在根据先前经过测试且非常成功的AI交付模型，跨产品细分和IT业务建立跨职能团队。我们看到的另一个问题是：新用户将需要知道如何使用他们获得的通用AI工具。银行如何大规模建立所谓的即时工程学院？。 -数据。大多数CIB公司已经在努力巩固和优化市场、参考和客户数据。但他们并不总是有一个非结构化数据的策略，如文本，图像，客户端文档等。所有这些对于成功的AI应用至关重要;公司可能需要为整个公司的人们建立基础设施，以便从其平台上的任何地方访问非结构化数据。 -技术。从GeeAI中解锁价值需要的不仅仅是订阅聊天机器人服务。领导者发现，要在整个过程中充分获取生产力收益，他们需要现代化的基础架构以及能够使用和接收AI创建的指令（例如平台范围的工作流工具和API）的干净的体系结构和系统环境。这些公司也选择了混合基础设施方法，这样。 他们可以使用敏感数据的私有模型，并且仍然可以探索日益发展的公共云功能。 需要注意的风险 组织将需要注意并仔细计划与扩展生成AI相关的风险。以下是CIB公司需要解决的一些主要问题： —公平性受损。由于在开发和部署阶段的训练数据或工程决策不完善，GenAI可能会投射算法偏差。 —隐私问题。GenAI可能会通