2023年生成式AI席捲全球，人們利用它更輕鬆地撰寫故事、製作圖像，以及找尋資訊。
而受到高度監管的產業，例如金融服務等產業，在這方面的發展則採取較為謹慎的步伐，通常會先進行概念驗證、前導試驗與測試，以決定哪些使用場景應該被優先採用與規模化。
金融服務業是世界上數據驅動程度最高的產業之一，而生成式AI可用於分析資料並產出洞察報告，協助金融機構做出更好的決策，也可以幫助銀行改善客戶體驗、提高服務效率與員工生產力、降低成本，以及開發全新且更個人化的產品與服務。
生成式AI席捲金融機構，4方式實現
我預測，今年我們將看到更多銀行把他們生成式AI的用例，從前導試驗階段推向生產階段，讓員工與客戶能使用這些服務，而這將透過以下四種關鍵方式實現：
關鍵1：領導階層的支持
生成式AI快速發展引起了企業領導者的興趣，他們越來越清楚地意識到這項技術能轉變公司營運方式並獲得競爭優勢的潛力。
根據GoogleCloud近期一項調查發現，96%銀行高層表示，公司的高層管理團隊與董事會因對生成式AI具有高度興趣，而讓他們更願意參與技術與IT決策。
生成式AI代表著巨大的生產力和營運效率機會。超過三分之一（38%）銀行高層表示，生成式AI在未來五年內可以為機構節省61-80%的成本。
這就是為什麼企業領導人想要確保公司投資合適的技術來利用生成式AI的原因，無論是打造個人化客戶體驗和自動化工作任務，或是開發新的產品和服務。
關鍵2：模型數量爆炸性成長
大型語言模型（LLMs）是生成式AI的驅動引擎，而最近這些模型正在大量成長中，例如，Google Cloud的Vertex AI Model Garden已經擁有超過130個模型，而它們的區別在於訓練的資料、營運成本多寡，以及涵蓋的專業資訊類型。
由於許多金融服務都擁有自身特定的詞彙和語境，我們將會看到更多經過微調的大型語言模型。
這類模型是經過預先訓練的語言模型，並進一步在更小、更具體的文本和程式碼資料集上進行訓練，這使得模型能夠更好地理解和回應與特定主題或領域相關的提示和查詢，例如監管政策的改變或財務報告的標準。
此外，透過把生成的文本與現實世界的資訊與背景脈絡連接起來，能提升生成式AI的輸出品質。這意味著對於每個產生的判斷或估計，模型都能夠透過註腳或直接連結，回到原先的資料源頭。
這類可解釋的生成式AI模型，讓金融機構能夠清楚地向客戶解釋決策過程，因而對金融機構所提供的AI驅動服務產生信任和信心。
關鍵3：掌握技術人才
金融市場的人才短缺，成為企業廣泛採納生成式AI技術的障礙。
在我們調查的銀行高階主管中，有將近半數（45%）表示，他們採用生成式AI面臨最大的挑戰是人才與技能的缺口，同時幾乎每位受訪者（99%）都表達他們正在聘僱人才，來支持生成式AI計畫。
隨著某些例行性工作變得更自動化，我們將看到工作人員的技能更加提升，並且更多對於新角色需求的出現。
舉例來說，根據我們的研究顯示，AI品保測試人員、提示工程師（prompt engineers）、AI策略顧問和AI產品經理等，是銀行高階主管規劃要聘請的一些熱門職位。
在技能方面，了解雲端技術、程式語言技能，以及對商業與AI交叉領域理解的人，將會越來越受到青睞。
關鍵4：維持監管的「人機迴圈」
對銀行業而言，將人類納入AI決策過程中非常重要，如此一來，做出客戶財務決策的AI系統才可讓人監督和控制。
藉由讓人參與其中，銀行能協助確保AI模型符合法規、降低風險和維持客戶信任。
誰能領先群雄？先看自己投入了多少
除了讓人們參與決策外，我甚至也可以說，2024年生成式AI的成功與否將取決公司有多少人參與其中。
舉例而言，開發金控集團推出「集團AI發展計畫」，透過與GoogleCloud的技術交流，共同開發具有可行性的應用解決方案，也利用集團內部宣導、黑客松（hackathon）等內部活動，強調「AI賦能」使集團各單位具備創建AI解決方案的思維能力，刺激員工以創新思維提出創新性方案。
當AI的知識與應用不再僅侷限於資訊單位，員工參與的意願及影響力便隨之增加，開發金控近期活動單場即吸引超過700位內部同仁參與。這樣的賦能方式，可以協助公司即時適應市場變化，提高效率與競爭力。
最後誰會脫穎而出？顯然，過去幾年持續將資料基礎現代化的金融機構，將在利用資料方面處於最佳位置；那些願意調整工作流程，以利用客戶體驗和服務提升生產力的管理者們；以及認知到生成式AI可以協助他們以前所未有的方式了解公司的領導者們。
《數位時代》長期徵稿，針對時事科技議題，需要您的獨特觀點，歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw，文長至少800字，請附上個人100字內簡介，文章若採用將經編輯潤飾，如需改標會與您討論。
（觀點文章呈現多元意見，不代表《數位時代》的立場）
責任編輯：溫偉軒
