摩根士丹利（Morgan Stanley）和美国银行（Bank of America）将AI的重点放在工具上，以提高员工的效率

金融业的人工智能方法揭示了相当大的实用主义。

在Openai的Chatgpt爆炸性增长的指导下，流行的生成AI概念，通常是面向消费者的聊天机器人。但金融机构更倾向于简化日常任务的内部AI工具。

这需要培训计划以及用户体验设计，可以帮助银行的整个组织 - 从指导高价值帐户到同事的关系银行家了解最新的AI技术。

从AI分类到AI一代

银行长期以来一直使用传统的AI和机器学习技术来用于各种功能，例如客户服务机器人和决策算法这为市场波动提供了比人类更快的反应。

但是现代生成的AI与以前的AI/ML方法不同，并且具有自己的优点和劣势。美国银行首席信息官兼零售，首选，小型企业和财富技术负责人Hari Gopalkrishnan表示，Generative AI是一种提供新功能的新工具，而不是替代先前的AI努力。

Gopalkrishnan告诉Business Insider：“我们有一个四层框架。”

第一层是基于规则的自动化，该自动化是根据特定条件采取措施的，例如在发生时收集和保存有关信用卡交易下降的数据。第二个是分析模型，例如用于欺诈检测的模型。第三层是语言分类，它美国银行用来建造埃里卡，2016年虚拟财务助理。

Gopalkrishnan说：“我们的埃里卡（Erica）旅程始于理解语言出于分类的目的。”但是，该公司没有与Erica一起生成任何东西，他补充说：“我们将客户问题分类为意图，并利用这些意图将客户带到应用程序或网站的正确部分，以帮助他们自己服务。”

当然，第四层是生成的AI。

Morgan Stanley董事总经理兼财富管理生产AI负责人Koren Picariello说，摩根士丹利走了一条类似的道路。在整个2010年代，该公司用于多种目的，例如寻求投资机会满足特定客户的需求和偏好。这些技术中的许多仍被使用。

Picariello告诉BI：“从历史上看，我一直从事分析，数据和创新。在那个领域，摩根士丹利确实专注于更传统的AI/ML工具。”“然后，在2022年，我们与Openai开始对话，然后才成为家喻户晓的名字。这开始了我们的生成旅程。”

鉴于历史，可以合理地认为银行会将生成型工具变成新的聊天机器人，或多或少是美国银行的埃里卡（Erica）的更好版本自主财务顾问。但是，最直接的更改是内部流程和工具。

摩根士丹利（Morgan Stanley）的第一个主要生产工具，摩根士丹利（Morgan Stanley）助理，于2023年9月推出适用于财务顾问和支持员工等员工，以帮助客户管理他们的钱。它由OpenAI的GPT-4提供支持，旨在在公司图书馆中提供100,000多个研究报告和文件的回复。

第二个工具，摩根士丹利汇报，于6月推出。它可以帮助财务顾问创建，审查和总结与客户会议的注释。

Picariello说：“这就像在摩根士丹利坐在你旁边有最知情的人。”“因为您遇到的任何问题，无论是在本质上是在本质上还是研究，我们要求模型的工作都是根据我们的内部内容来为用户提供答案。”

美国银行正在追求类似的申请，包括呼叫中心工具通过转录客户对话实时，对客户的需求进行分类，并为代理商生成摘要。

首先在内部而不是外部部署生成AI的决定部分是由于AI最著名的弱点：幻觉。

在生成的AI中，幻觉是对提示的不准确或荒谬的响应，例如Google Search AI臭名昭著地建议家庭厨师使用胶水以防止奶酪滑落披萨。

银行对面向消费者的面对面谨慎AI聊天机器人可能会犯类似错误关于银行产品和政策。

部署生成AI在内部减少了关注。它不使用自主为银行的客户和客户提供服务，而是为可以选择或拒绝其建议或帮助的银行员工提供帮助。

Gopalkrishnan告诉BI，美国银行提供了AI工具，可以帮助银行家与客户进行会议，但并不是要自动化银行客户关系。

Picariello说，摩根士丹利（Morgan Stanley）采用类似的方法来使用生成AI，同时保持准确性。该公司的AI生成的会议摘要可以自动与客户共享，但事实并非如此。相反，财务顾问在发送之前对其进行审查。

美国银行和摩根士丹利也在培训银行员工如何使用生成-AI工具，尽管他们的策略有所不同。

Gopalkrishnan说，美国银行采取了自上而下的方法来教育高级领导层有关生成AI的潜力和风险。

大约两年前，他告诉BI，他帮助银行的高级员工“很好地意识到” AI的可能性。他说，让公司的高级领导层简要介绍了生成AI的特权及其局限性，对于整个公司做出明智的决定很重要。

同时，摩根士丹利（Morgan Stanley）专注于使公司的AI工具易于理解。

Picariello说：“我们花了很多时间来思考与这些工具相关联的UX，以使其直观地使用，并使用户完成与生成AI的过程和循环。”“大部分培训都内置在工作流程和用户体验中。”例如，摩根士丹利（Morgan Stanley）的工具可以建议员工如何重新构架或更改提示以产生更好的响应。

目前，银行将AI计划集中在组织内识别和自动化越来越复杂和细微的任务上，而不是开发针对客户体验的一次性应用程序。

Gopalkrishnan说：“我们试图将问题当作技术问题，而是作为业务问题。业务问题是，美国银行员工都在公司中执行许多任务。”“机会是更全面地思考，了解任务并找到最大的机会，以便从现在开始五年和十年，我们是一个更有效的组织。”