Він повідомляє, що генеративна технологія штучного інтелекту покращує роботу компаній.
Як керівник відділу розвитку ринку фінансових послуг в Amazon Web Services (AWS), Джон Кейн і його команда відповідають за допомогу клієнтам у трансформації їхніх процесів за допомогою нових технологій, які значною мірою керуються ШІ. Маючи власний досвід фінансових послуг, Кейн розуміє, що означає працювати в жорстко регульованому середовищі. Колишній помічник редактора відділу ризиків і страхування, а теперішній автор статті Кеті Дваєр розповіла з ним про те, як страховики використовують штучний інтелект, одночасно забезпечуючи дотримання нормативних вимог і ефективне управління в міру розвитку технології.
Ризик і страхування: Дякую за ваш час, Джоне. Що являє собою структуру належного управління навколо ШІ?
Джон Кейн: ШІ дещо змінився з точки зору традиційного проти генеративного ШІ. Статистичні процеси та більш традиційні форми машинного навчання не є новими. Страхова галузь у цілому давно зрозуміла, що означає побудувати добре керований процес навколо використання цих систем. Перший крок — це розуміння проблеми, яку ви намагаєтеся вирішити, пов’язаних із нею ризиків і рівня ризику, який ви готові взяти на себе. Другим кроком є оцінка наборів даних, які живлять модель. Чи точні вони? Чи маю я впевненість, що дані, які я використовую, сприятимуть прийняттю правильних рішень? Чи використовую я правильний інструмент для правильної роботи?
По-третє, це моніторинг моделі. Після того, як ви навчили модель, чи робить вона з часом прогнози, як ви очікували? Будь-які значні відхилення вимагають перевірки. Це ключові компоненти того, що керує процесом машинного навчання.
R&I: Як генеративний та агентський ШІ ускладнив підходи до управління?
JK: Generative AI додає новий поворот. Це за своєю суттю непередбачуване. Його статистичний процес є складним. Оскільки він тренується з великою кількістю інформації, існує потенціал для галюцинацій. Отже, виклик для галузі полягав у тому, як створити генеративні програми штучного інтелекту, які використовують переваги можливостей, які він надає, і водночас зменшують галюцинації, щоб ви могли довіряти цій інформації та використовувати її для автоматизації процесів або ефективнішої підтримки своїх співробітників?
Зрештою, ви повинні контролювати те, що входить до моделі, щоб контролювати те, що з неї виходить. Одним із прикладів є обмеження типів запитань, які ви можете ставити моделі, лише релевантними темами, щоб уникнути викривлення результату, який вона створює, і переконатися, що результат має сенс щодо поставленого запитання. Якщо у вас є впевненість, що модель виконує те, що вона повинна робити, ви можете надати їй набір даних, який відповідає меті моделі, щоб забезпечити певний контекст. Це знижує галюцинації, які можуть виникнути.
Останнім часом люди створюють агентські системи, щоб бути більш орієнтованими на робочий процес. Вони розбивають робочий процес на невеликі окремі завдання та створюють агентів, які добре справляються з кількома речами в межах завдання. Наприклад, одним завданням може бути ідентифікація клієнта, а іншою — перевірка його особи. Кожен крок стає більш конкретним і тому легшим керувати. Це полегшує управління цим процесом.
R&I: Чи застарілі системи ускладнюють або гальмують впровадження платформи або інструментів ШІ в галузі?
JK: Тиск щодо модернізації зосереджений на загальному покращенні досвіду клієнтів. Це призвело до тиску на галузь, щоб отримати дані з цих застарілих систем таким чином, щоб отримати інформацію, що дозволяє більше персоналізувати. Це відмінна риса галузі – можливість використовувати дані на користь ваших клієнтів.
Скориставшись цими можливостями, ви повинні вміти застосувати цю інформацію до свого основного бізнесу. Якщо ви швидко реагуєте на уроки, отримані з ваших даних, це призводить до кращої системи та кращої взаємодії з клієнтами. Genitive AI полегшив деякі з цих зусиль. Його можна використовувати, щоб допомогти розробникам зрозуміти мейнфрейми застарілої платформи, які можуть використовувати старий код. Він може перевірити код і допомогти запропонувати деякі місця для його перебудови.
R&I: Як генеративний штучний інтелект допомагає в оцінці ризиків або прийнятті рішень про андеррайтинг?
JK: Для прийняття деяких рішень нам завжди потрібні будуть люди. Generative AI збирає цю інформацію та пакує її, щоб полегшити прийняття цих рішень. ШІ може сканувати системи, агрегувати дані та передавати їх особам, які приймають рішення, у набагато більш структурований спосіб. Ви можете отримати підсумок звіту, супутникове зображення чи будь-яку іншу інформацію, на перевірку якої аналітику зазвичай потрібні були б дні чи тижні, а тепер ви маєте її за лічені години. Набагато більше, що дані, які надходять у процес прийняття рішень, мають генеративний ШІ, а не ШІ, який приймає ризиковані рішення.
R&I: Як впровадження більш просунутих інструментів штучного інтелекту впливає на потребу в технічній експертизі в галузі?
JK: Два роки тому, з точки зору традиційного машинного навчання, галузь відчувала потребу в талантах, які могли б принести технічне розуміння штучного інтелекту, а також знання процесів і даних страхової галузі. Але самі інструменти стали значно кращими. Це зробило ці інструменти доступними для менш технічних користувачів.
Наші клієнти найбільше в захваті від такої можливості для бізнес-користувачів фактично отримати більше вказівок з точки зору технічної допомоги та швидко адаптуватися. Ми бачимо, що генеративна технологія ШІ покращує бізнес.
Також важливо зазначити, що вам не потрібно створювати власні платформи. Розміщуються великі мовні моделі. Ми вносимо дані клієнтів у модель.
Галузь не обов’язково шукає правильні варіанти використання генеративного ШІ. Досвід, який потребує галузь, більше пов’язаний із розбудовою її таким чином, щоб забезпечити безпеку, відповідність вимогам, керування та масштабованість, водночас рухаючи бізнес вперед. &
