自媒体写作的 QRIES 方法论,初学者如何写出让人信服的好文章

华尔街科技领域的首要任务:建立内部搜索引擎

2024-10-18 09:01:00 英文原文

作者:Bianca Chan

  • 金融公司和金融科技初创企业正试图利用生成式AI来提升搜索能力。
  • 搜索是一个复杂而具有挑战性的技术问题,但人工智能可以使其变得简单得多。
  • 这里介绍的是像高盛和黑石这样的公司是如何尝试破解搜索领域的密码。

感谢您注册!

在您外出时,通过个性化推送查看您最喜欢的主题。

通过点击“注册”,您接受我们的服务条款以及隐私政策您可以通过访问我们的偏好设置页面或点击电子邮件底部的“取消订阅”随时退订。

如果数据是新的石油,那么像高盛这样的银行就经营得很好。

几十年来,高盛收集了与之有业务往来的客户的信息、执行的交易、每一分钱的投资以及每笔贷款融资的数据。结合从彭博和纳斯达克获取的外部数据,目的是增强银行的分析引擎,并为投资银行家、交易员和销售人员提供竞争优势。

但只有能够利用那种燃料它才有用。

对于银行来说,其中的大部分数据都被存档了,通常只有在员工确切知道自己要找什么以及在哪里能找到的情况下才会被发现。

随着高盛在其全公司数据平台上推出生成式AI聊天界面,这一切都可能发生变化。首席数据官尼玛·拉斐尔告诉了《商业内幕》。

高盛员工可以用简单的英语提问,让人工智能来做调查。在回答问题时,这个名为Legend AI Query的工具可以检索用户甚至不知道存在的信息。

聊天界面结合银行的数据储备,“为你提供了这种信息超智能,帮助人类更快更好地建立更全面的心理模型,”拉斐尔说道。

这是华尔街破解搜索代码努力的最新进展。

从高盛到黑石,最大的金融公司正在利用生成式人工智能更好地利用其海量数据。尽管自谷歌几十年前将有效的搜索引擎引入日常生活以来,只有最近金融公司才开始投入资源改进员工访问内部数据的方式。他们试图将繁琐且有时几乎不可能完成的信息搜索任务变成一个无缝的过程,从而大幅提升员工的生产力。从长远来看,完善搜索可能会导致更多的自动化和更复杂的生成式人工智能工具。

搜索只是开始

高盛街上的同行们也有自己与搜索相关的计划正在进行中。摩根大通私人银行的人工智能副驾帮助顾问实时查找信息。美国银行的 banker assist(注意:"banker assist" 在此情境下可能是一个特定的产品或服务名称,直译为“银行助理”,保持术语原样)聚合内部和第三方信息以给员工提供洞察。摩根士丹利的AIMS帮助顾问搜索银行的内部内容。

虽然使员工能够快速从海量数据中获取答案将大幅提升工作效率,但这些努力背后可能还有一个更大的野心。

提取正确的信息并具备一些上下文理解是进入更复杂用例的第一步,Keri Smith 告诉彭博社。Smith 在埃森哲帮助金融机构制定和执行数据及生成式人工智能方面的战略。

“企业搜索的力量在于它能够节省时间,让人类可以进行创新和互动,”摩根士丹利全公司人工智能负责人杰夫·麦克米兰对BI表示。“此外,它降低了员工快速访问公司顶级专家的强大智力资本的门槛,实质上为他们在会议和讨论中提供了知识武器。”他补充道。

一类新的金融科技公司开始出现,旨在向华尔街推销剔除那些简单但耗时的任务,比如在投资银行演示文稿中完善公司logo以及为客户会议做高管准备。

Rogo是一家这样的初创公司提供类似初级银行家水平的助理服务。它已经将大约25家华尔街公司纳入其生成式人工智能平台。

"公司们意识到企业搜索的价值不仅仅是一个典型的搜索引擎,而是你可以在此基础上构建所有下游应用。"Rogo联合创始人兼首席执行官盖伊·斯滕格尔告诉了BI(此处的BI可能指的是商业智能或具体的某个人名缩写,未提供更多信息,保持原样)

与此同时,两名斯坦福大学的毕业生走到了一起构建Mako一个为私募股权行业服务的生成式AI助手。这家初创公司旨在帮助员工搜索机构数据,最近筹集了155万美元。来自同一个VC那是OpenAI早期的支持者之一。

为什么搜索很难

这就是为什么Google是人们首选的搜索引擎。

“实际上,从众多信息中提取并排序哪些可能对特定用户有用是非常困难的问题,”拉斐尔谈到搜索时说道。他补充说,搜索不仅是一个难以解决的计算机科学问题,而且个性化相关性和处理账户权限(谁有权查看给定的数据)也非常具有挑战性。

后者是黑石花了大约十个月的时间来确定何时最近建立了自己的内部人工智能搜索引擎.

考虑到华尔街的行话复杂且微妙——在非金融背景下,像对冲、股票代码和期权这样的词有着完全不同的含义——这为使用现成产品的金融机构,如OpenAI的ChatGPT,设置了另一道障碍。

三月份,Balyasny资产管理公司聘请了前谷歌AI科学家Peter Anderson,以帮助该对冲基金。升级其后端系统以获取信息从数以百万计的文档中回答复杂的研究问题。使OpenAI的模型熟悉金融术语意味着巴利亚斯尼内部版本的ChatGPT比没有这项训练的情况下更频繁地出现了最有帮助的文档,频率提高了60%。

仍然,生成式人工智能使公司更接近于解决搜索问题。

拉斐尔说:“人们正在建立知识库,他们让这个生成式人工智能进行爬取,并能够搜索或总结,我认为这可能是解决这个问题的一个阶段性成果。”

高盛在大力投入生成式AI领域

高盛的Legend AI查询只是开始。

搜索工具是该银行推出的第二个此类生成式人工智能工具,第一个是生成式AI开发助手这有助于软件工程师更高效地编写代码。根据使用情况的不同,这项努力使效率大约提高了20%。

同时,高盛的AI/ML工程师们在努力破解搜索代码的同时,还建立了一个旨在帮助数据工程师(负责处理银行的数据并确保其经过审查、组织和结构化的开发人员)更好地完成工作的生成式AI工具。Legend Copilot是该银行本月推出的一款新工具,旨在使更多数据更容易地上载到Legend,并以系统化的方式进行管理。

拉斐尔说他专注于“真正帮助工程师和非工程师找到他们用例所需的正确数据。”

关于《华尔街科技领域的首要任务:建立内部搜索引擎》的评论


暂无评论

发表评论

摘要

金融公司和金融科技初创企业正试图利用生成式AI来提升搜索能力。聊天界面与银行的数据积累相结合,“为你提供了一种信息超智能,帮助人类更快地建立更好的心理模型,并且来源更多”,Raphael说道。虽然让员工能够快速从海量数据中获取答案将大幅提升工作效率,但这些努力背后可能还有一个更大的野心。“企业意识到,企业搜索引擎的价值不仅仅是一个典型的搜索引擎,而是可以在此基础上构建所有下游应用”,Rogo的联合创始人兼首席执行官Gabe Stengel向BI表示。与此同时,两位斯坦福大学的毕业生联手打造了Mako,一款面向私募股权行业的生成式AI助手。根据使用场景的不同,该努力已经带来了约20%的效率提升。