Цифровые сотрудники в финансовом секторе: перспективы LLM-систем

Сегодня искусственный интеллект все активнее проникает в финансовую сферу. Цифровые платформы, способные обрабатывать большие объемы данных и поддерживать принятие решений, обеспечивают увеличение ценности бизнеса. А цифровые сотрудники берут на себя множество рутинных задач, открывая новые возможности для автоматизации бизнес-процессов.

Какой путь прошел ИИ в своем развитии и каковы перспективы его использования в финансовом секторе?

Искусственный интеллект: понятие и история

В современном мире понятие ИИ может трактоваться широко. С одной стороны, его понимают как вычислительную составляющую способности достигать целей, с другой — как аналог биологического феномена. 

Например, Национальная стратегия развития искусственного интеллекта на период до 2030 года дает такое определение этому понятию: ИИ — это комплекс технологических решений, позволяющий имитировать когнитивные функции человека (в том числе самообучение и поиск решений без заранее заданного алгоритма) и получать при выполнении конкретных задач результаты, сопоставимые как минимум с результатами интеллектуальной деятельности человека.

ИИ включает в себя такие технологии, как машинное обучение, компьютерное зрение, обработка естественного языка, робототехника и другие.

Люди на протяжении веков стремились упростить решение вычислительных задач. Одним из таких ученых был Блез Паскаль, создавший в 1642 году суммирующую машину, которая была предшественником механических калькуляторов. В 1673 году Готфрид Вильгельм Лейбниц разработал арифмометр, способный выполнять уже все арифметические операции. В середине XIX века Ада Лавлейс, работая с Чарльзом Бэббиджем над аналитической машиной, создала алгоритм, который можно считать первым программным кодом.

Отправной точкой для исследований в области нейронных сетей стала концепция искусственного нейрона, представленная в 1943 году Уорреном Маккаллоком и Уолтером Питтсом. В 1957 году Фрэнк Розенблатт разработал первый в мире персептрон, простую модель искусственного нейрона, и алгоритм обучения. В 1980-1990 годах Джеффри Хинтон и его коллеги начали активно исследовать многослойные нейронные сети и разработали эффективные методы их обучения.

Эволюция больших языковых моделей

За последние годы впечатляющий путь развития прошли большие языковые модели (LLM) — нейросети, которые обучаются на больших объемах текстовых данных. Они уже оказывают значительное влияние на различные сферы жизни.

В 2018 году была представлена модель BERT, годом позже — GPT-2. Уже в 2020 году появилась модель GPT-3, способная решать такие задачи, как базовая обработка текстов, выявление закономерностей, классификация и аналитика. В 2021 году стали применяться модели с HRL (обучение с подкреплением от взаимодействия с человеком). Это GPT-Neo, GPT-J, Claude, GLaM. Они использовались в академических приложениях, а также для решения глобальных задач, связанных с изменением климата и пандемией коронавируса. 

В 2022 году в мире наблюдался рост числа доступных и высокоточных больших языковых моделей: LaMDA, Megatron NLG, GPT-NeoX, Chinchilla, PaLM, OPT, YaML 100B, BLOOM, Alexa TM. Это привело к их широкому применению в бизнес-задачах и возникновению новой профессии «промт-инженер». 2023 год тоже запомнился бумом доступных и точных LLM: LLaMA, GPT-4, StableLM, Gemini. Они стали активно применяться в повседневных задачах. Увеличился интерес к ним и со стороны бизнеса, где LLM-системы все чаще используются в качестве цифровых сотрудников. Следующий этап эволюции LLM связан с такими моделями, как Gobi, GPT-5, Olympus. 

Тренд на использование LLM в России и мире 

По данным Bloomberg, к 2032 году доходы рынка генеративного ИИ могут увеличиться в 32 раза и достигнуть $1,3 трлн. Взрывной рост, который ожидается в сфере генеративного ИИ в ближайшие годы, может кардинально изменить работу технологического сектора. Уже сейчас сектор растет среднегодовыми темпами более 40%. Это связано с возросшим спросом на инфраструктуру для обучения нейросетей. К 2032 году рынок такой инфраструктуры может составить около $247 млрд. Увеличивается также доля LLM-систем в общем рынке ИТ-систем. Если к началу 2024 году они составляли около 3%, то к 2032 году, по прогнозам, займут до 12% рынка.

По мнению российских аналитиков, внедрение ИИ в ключевых отраслях экономики страны может увеличить ВВП до 2025 года на 1–2%. Объем рынка генеративного ИИ в России в 2023 году оценивался примерно в $311 млн. Ожидается, что к 2030 году он может достичь размера $1,5 млрд, демонстрируя среднегодовой рост в 25%. 

Задачи для ИИ в финансовом секторе

Внедрение искусственного интеллекта открывает широкие возможности для оптимизации бизнес-процессов в финансовом секторе и повышения их эффективности.

Например, технологии классического машинного обучения (ML) позволяют анализировать в реальном времени большие объемы данных, выявлять аномалии в операциях и процессах, определять оптимальные цены на финансовые продукты, рассчитывать пожизненную ценность клиента, предсказывать вероятность его ухода и т.д.

Генеративный ИИ в финансовом секторе помогает при работе с большими текстовыми данными. Другой вариант его применения — это чат-боты для обработки запросов клиента. Также генИИ может использоваться в виде виртуальных помощников, упрощающих сотрудникам решение стандартных задач.

Помимо этого, можно выделить еще несколько перспективных направлений для внедрения генИИ. Это обнаружение и предотвращение мошенничества, управление рисками, финансовое прогнозирование, автоматизированные торговые стратегии, кредитный скоринг и андеррайтинг кредитов, индивидуальные финансовые продукты, внутреннее обучение и поддержка, анализ документов и контрактов, управление активами и др.

К примеру, с помощью ИИ можно упростить подготовку приказов, договоров, актов и прочей документации, создав конструктор документов с использованием модели, обученной на данных заказчика. Аналогичным образом можно разработать модель для автораспознавания информации из документации различных типов.

Добавив к модели, основанной на данных заказчика, LLM-модель,  можно решить также задачу по составлению персонализированных контент-планов и презентаций, ускорив время их подготовки и снизив затраты. Также можно ускорить работу с БД и SQL, используя LLM-модель и данные заказчика для генерации кода, макросов, запросов и тестов.

Должности для цифровых сотрудников

Цифровые сотрудники на основе LLM-систем в финансовом секторе могут быть задействованы в нескольких областях. 

Первое направление — цифровой сотрудник поддержки. Это специализированное программное обеспечение, способное обрабатывать запросы пользователей. Его можно интегрировать в чат-системы, электронную почту или другие формы коммуникации. Такие цифровые сотрудники помогают компаниям улучшать качество обслуживания клиентов и оптимизировать рабочие процессы.

Обычно цифровой сотрудник поддержки используется для выполнения рутинных задач. Он может отвечать на часто задаваемые вопросы, давать инструкции по работе с продуктом, помогать в устранении проблем с программным обеспечением. К тому же благодаря таким технологиям, как обработка естественного языка и машинное обучение, цифровые сотрудники поддержки могут обучаться в процессе работы и становиться более эффективными. 

Второе направление — цифровой HR. В этом случае речь идет об использовании цифровых технологий для рекрутинга, обучения и развития сотрудников, а также для решения административных задач кадрового учета. К примеру, искусственный интеллект может применяться для анализа данных по сотрудникам и прогнозирования потребностей компании в персонале. Он способен помочь HR в формировании требований для вакансий, в адаптации новых сотрудников и их навигации по текущим вопросам. Таким образом, цифровой HR способствует более эффективному и адаптивному управлению человеческими ресурсами в организации.

Третье направление — виртуальный помощник сотрудника. Это набор программных инструментов (LLM, ML, MV, NLP и других), собранных в единую систему, которая позволяет пользователям с большей эффективностью решать рабочие задачи. Виртуальный помощник упрощает обобщение, анализ данных, принятие решений, повышает скорость выполнения рутинных операций, автоматизирует отдельные бизнес-процессы. Все это в результате повышает личную эффективность сотрудника.

Сейчас на рынке наблюдается устойчивый спрос на ИИ, который становится неотъемлемой частью многих отраслей бизнеса. Компании видят в нем потенциал для улучшения своей конкурентоспособности и готовы инвестировать в эту технологию. При внедрении ИИ формируется потребность в новых профессиональных ролях, связанных с разработкой, управлением и обслуживанием систем ИИ, а также в экспертах по обработке и анализу данных. В этих условиях успех компании зависит от ее гибкости и адаптивности, а также от переквалификации и подготовки персонала к новым задачам.