„Goldman“ ankstesnė patirtis su „Claude“ modeliais, naudojamais programinės įrangos kūrimui, lėmė jos sprendimą išplėsti AI į kitas veiklos sritis. Kūrėjai naudoja Claude versiją su Cognition’s Devin agentu, kad padėtų jiems programuoti. Šiame kontekste žmonių kūrėjai nustato specifikacijas ir reguliavimo parametrus, agentas sukuria kodą, o žmonės peržiūri rezultatus. Agentas taip pat naudojamas kodo testams ir patvirtinimams vykdyti. Jis tai apibūdina kaip kūrėjų darbo eigos pakeitimą, kai agentai veikia pagal apibrėžtas instrukcijas. Nauda – padidėjęs kūrėjo produktyvumas ir greitesnis projektų užbaigimas.s
Prekybos apskaitos ir klientų įtraukimo tikslais Goldman ir Anthropic AI projektų savininkai stebėjo esamas darbo eigas su domeno ekspertais, kad nustatytų darbo kliūtis. Įdiegti agentai peržiūri dokumentus, ištraukia objektus, nustato, ar reikia papildomų dokumentų, įvertina nuosavybės struktūras ir gali pradėti tolesnius atitikties patikrinimus. Tokiu būdu automatizuotos užduotys paprastai yra daug dokumentų ir reikalauja individualaus sprendimo. Automatizuodami išgavimą ir preliminarų vertinimą, agentai sumažina laiką, kurį analitikai praleidžia palyginimui.
Indranil Bandyopadhyay, pagrindinis „Forrester“ analitikas, teigia, kad norint suderinti prekybos apskaitą, reikia palyginti suskaidytus duomenis vidinėse knygose, sandorio šalių patvirtinimus ir perskaityti banko ataskaitas, o įprasta darbo eiga priklauso nuo tikslaus skaičių ir teksto ištraukimo ir suderinimo su esamais dokumentais. Pasak jo, Claude’o gebėjimas apdoroti didelius konteksto langus ir sekti instrukcijas leidžia jį pritaikyti būtent tokioms darbo eigoms. Darbo jėga, susijusi su klientų įtraukimu, pvz., pasų ir įmonės registracijos dokumentų analizė, ir visų šaltinių kryžminės nuorodos reiškia, kad dirbtinio intelekto gebėjimas išgauti struktūrinius duomenis ir pažymėti neatitikimus leidžia technologiją tinkamai pritaikyti ir sumažinti bendrą darbo krūvį.
Bandyopadhyay pabrėžia, kad apskaitos ir atitikties platformos išlieka kanoninėmis įrašų sistemomis. Claude’as dirba darbo eigos lygmenyje, tvarkydamas išgavimą ir palyginimą, todėl analitikai gali susidoroti su kodo išimtimis. Jo vertinimu, veiklos vertė reguliuojamoje aplinkoje, pavyzdžiui, bankininkystėje, priklauso nuo tokio darbo pasidalijimo.
Jonathanas Pelosi, „Anthropic“ finansinių paslaugų vadovas, sako, kad Claude’as yra išmokytas atskleisti netikrumą ir pateikti šaltinio priskyrimą, sukurdamas audito seką – sumažindamas haliucinacijų poveikį. Bandyopadhyay taip pat pažymi žmogaus priežiūros ir patvirtinimo svarbą, sakydamas, kad institucijos turėtų kurti sistemas taip, kad klaidos būtų aptiktos anksti.
Goldmano Marco Argenti atmeta nuomonę, kad dirbtinio intelekto sistemas iš prigimties yra lengviau apgauti nei žmones, teigdamas, kad socialinė inžinerija išnaudoja žmonių pažeidžiamumą ir kad AI gali aptikti subtilias anomalijas, ir pakartoja, kad reikia derinti žmogaus sprendimus su automatizuotu tikrinimu komandose. Jo teiginys reiškia, kad padidės veiklos pajėgumai proporcingai nepadidinus darbuotojų, net jei žinomos problemos, turinčios įtakos DI diegimui.
AI bankinėse operacijose
Bankininkystės sektoriuje generatyvusis dirbtinis intelektas yra įrankis, kuris pagerina veiklos našumą pagreitindamas dokumentų apdorojimą, sumažindamas išimčių tvarkymo laiką ir padidindamas didelės apimties darbo eigos pralaidumą. Tačiau būtinybė išlaikyti žmogaus priežiūrą, kad būtų pašalintos AI klaidos, reiškia, kad esamos įrašų sistemos išlieka ir pasikliaujama jomis.
(Vaizdo šaltinis: Noahwesley „Dreams…“ licencijuota pagal CC BY-NC-SA 2.0)
Norite daugiau sužinoti apie AI ir didelius duomenis iš pramonės lyderių? Peržiūrėkite „AI & Big Data Expo“, vykstančią Amsterdame, Kalifornijoje ir Londone. Išsamus renginys yra TechEx dalis ir vyksta kartu su kitais pagrindiniais technologijų renginiais. Norėdami gauti daugiau informacijos, spustelėkite čia.
AI naujienas teikia TechForge Media. Čia rasite kitus būsimus įmonių technologijų renginius ir internetinius seminarus.
