{"id":130305,"date":"2024-08-06T10:36:17","date_gmt":"2024-08-06T09:36:17","guid":{"rendered":"https:\/\/www.artefact.com\/?post_type=blog&#038;p=130305"},"modified":"2024-10-29T09:02:14","modified_gmt":"2024-10-29T09:02:14","slug":"bnp-paribas-giskard-mistral-ai-google-cloud-at-ai-for-finance-by-artefact-ai-language-models-for-businesses-across-customer-support","status":"publish","type":"blog","link":"https:\/\/www.artefact.com\/de\/blog\/bnp-paribas-giskard-mistral-ai-google-cloud-at-ai-for-finance-by-artefact-ai-language-models-for-businesses-across-customer-support\/","title":{"rendered":"BNP PARIBAS, GISKARD, MISTRAL AI &amp; GOOGLE CLOUD auf der AI for Finance by Artefact - KI-Sprachmodelle f\u00fcr Unternehmen im Kundensupport"},"content":{"rendered":"<p><div class=\"fusion-fullwidth fullwidth-box fusion-builder-row-1 fusion-flex-container nonhundred-percent-fullwidth non-hundred-percent-height-scrolling\" style=\"--link_color: var(--awb-color6);--awb-border-radius-top-left:0px;--awb-border-radius-top-right:0px;--awb-border-radius-bottom-right:0px;--awb-border-radius-bottom-left:0px;--awb-background-color:var(--awb-color1);--awb-flex-wrap:wrap;\" ><div class=\"fusion-builder-row fusion-row fusion-flex-align-items-flex-start fusion-flex-content-wrap\" style=\"max-width:calc( 1440px + 20px );margin-left: calc(-20px \/ 2 );margin-right: calc(-20px \/ 2 );\"><div class=\"fusion-layout-column fusion_builder_column fusion-builder-column-0 fusion_builder_column_1_1 1_1 fusion-flex-column\" style=\"--awb-bg-size:cover;--awb-width-large:100%;--awb-margin-top-large:0px;--awb-spacing-right-large:10px;--awb-margin-bottom-large:0px;--awb-spacing-left-large:10px;--awb-width-medium:100%;--awb-order-medium:0;--awb-spacing-right-medium:10px;--awb-spacing-left-medium:10px;--awb-width-small:100%;--awb-order-small:0;--awb-spacing-right-small:10px;--awb-spacing-left-small:10px;\"><div class=\"fusion-column-wrapper fusion-column-has-shadow fusion-flex-justify-content-flex-start fusion-content-layout-column\"><div class=\"fusion-text fusion-text-1 description\" style=\"--awb-text-color:var(--awb-color5);--awb-text-font-family:&quot;PT Serif&quot;;--awb-text-font-style:normal;--awb-text-font-weight:400;\"><p>AI for Finance Summit von Artefact - 17. September 2024 - Paris<\/p>\n<p>Die wichtigsten Erkenntnisse aus der Podiumsdiskussion mit Hugues Even, Group Chief Data Officer bei BNP Paribas, Matteo Dora, CTO bei Giskard, Guillaume Bour, Head of Enterprise EMEA bei Mistral AI, Anne-Laure Giret, Head of Google Cloud AI GTM, EMEA South bei Google Cloud, und Hanan Ouazan, Partner &amp; Generative AI Lead bei Artefact.<\/p>\n<\/div><\/div><\/div><\/div><\/div><article class=\"fusion-fullwidth fullwidth-box fusion-builder-row-2 fusion-flex-container nonhundred-percent-fullwidth non-hundred-percent-height-scrolling\" style=\"--link_color: var(--awb-color6);--awb-border-radius-top-left:0px;--awb-border-radius-top-right:0px;--awb-border-radius-bottom-right:0px;--awb-border-radius-bottom-left:0px;--awb-background-color:var(--awb-color1);--awb-flex-wrap:wrap;\" ><div class=\"fusion-builder-row fusion-row fusion-flex-align-items-flex-start fusion-flex-justify-content-center fusion-flex-content-wrap\" style=\"max-width:calc( 1440px + 20px );margin-left: calc(-20px \/ 2 );margin-right: calc(-20px \/ 2 );\"><div class=\"fusion-layout-column fusion_builder_column fusion-builder-column-1 fusion_builder_column_1_1 1_1 fusion-flex-column\" style=\"--awb-bg-size:cover;--awb-width-large:100%;--awb-margin-top-large:0px;--awb-spacing-right-large:10px;--awb-margin-bottom-large:0px;--awb-spacing-left-large:10px;--awb-width-medium:100%;--awb-order-medium:0;--awb-spacing-right-medium:10px;--awb-spacing-left-medium:10px;--awb-width-small:100%;--awb-order-small:0;--awb-spacing-right-small:10px;--awb-spacing-left-small:10px;\"><div class=\"fusion-column-wrapper fusion-column-has-shadow fusion-flex-justify-content-flex-start fusion-content-layout-column\"><div class=\"fusion-video fusion-youtube\" style=\"--awb-max-width:670px;--awb-max-height:377px;--awb-align-self:center;--awb-width:100%;\"><div class=\"video-shortcode\"><div class=\"fluid-width-video-wrapper\" style=\"padding-top:56.27%;\" ><iframe title=\"YouTube-Videoplayer 1\" src=\"https:\/\/www.youtube.com\/embed\/93jwHVHvidg?wmode=transparent&autoplay=0\" width=\"670\" height=\"377\" allowfullscreen allow=\"autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture;\"><\/iframe><\/div><\/div><\/div><div class=\"fusion-title title fusion-title-1 fusion-sep-none fusion-title-text fusion-title-size-two\" style=\"--awb-text-color:var(--awb-color6);--awb-margin-bottom-small:8px;--awb-font-size:30px;\"><h2 class=\"fusion-title-heading title-heading-left fusion-responsive-typography-calculated\" style=\"font-family:&quot;PT Serif&quot;;font-style:normal;font-weight:700;margin:0;letter-spacing:1.6px;font-size:1em;--fontSize:30;line-height:1.47;\">KI-Sprachmodelle zur Verbesserung des Kundendienstes<\/h2><\/div><div class=\"fusion-text fusion-text-2\" style=\"--awb-font-size:20px;--awb-line-height:1.6;--awb-letter-spacing:var(--awb-typography4-letter-spacing);--awb-text-transform:var(--awb-typography4-text-transform);--awb-text-color:var(--awb-color5);--awb-text-font-family:var(--awb-typography4-font-family);--awb-text-font-weight:var(--awb-typography4-font-weight);--awb-text-font-style:var(--awb-typography4-font-style);\"><p>Diese Diskussion beleuchtet die transformative Rolle von KI-Sprachmodellen im Kundenservice und konzentriert sich auf ihre realen Anwendungen und Herausforderungen in verschiedenen Branchen, insbesondere im Bankwesen. Im Mittelpunkt des Gespr\u00e4chs steht der Einsatz von KI zur Automatisierung und Verbesserung von Kundeninteraktionen, z. B. \u00fcber E-Mail- und Sprachkan\u00e4le, mit Tools, die den Kontext verstehen, Aufgaben priorisieren und Antworten vorschlagen und so die Effizienz und Kundenzufriedenheit verbessern.<\/p>\n<\/div><div class=\"fusion-title title fusion-title-2 fusion-sep-none fusion-title-text fusion-title-size-two\" style=\"--awb-text-color:var(--awb-color6);--awb-margin-bottom-small:8px;--awb-font-size:30px;\"><h2 class=\"fusion-title-heading title-heading-left fusion-responsive-typography-calculated\" style=\"font-family:&quot;PT Serif&quot;;font-style:normal;font-weight:700;margin:0;letter-spacing:1.6px;font-size:1em;--fontSize:30;line-height:1.47;\">KI zur Unterst\u00fctzung bei der E-Mail- und Sprachverarbeitung<\/h2><\/div><div class=\"fusion-text fusion-text-3\" style=\"--awb-font-size:20px;--awb-line-height:1.6;--awb-letter-spacing:var(--awb-typography4-letter-spacing);--awb-text-transform:var(--awb-typography4-text-transform);--awb-text-color:var(--awb-color5);--awb-text-font-family:var(--awb-typography4-font-family);--awb-text-font-weight:var(--awb-typography4-font-weight);--awb-text-font-style:var(--awb-typography4-font-style);\"><p>Hugues berichtet, wie KI bei der Bearbeitung von E-Mails hilft, indem sie diese kategorisiert, nach Priorit\u00e4ten ordnet und weiterleitet und gleichzeitig Antworten zur \u00dcberpr\u00fcfung vorschl\u00e4gt. Bei Sprachinteraktionen generiert KI nach dem Gespr\u00e4ch Zusammenfassungen, Aktionspunkte und Erkenntnisse, die f\u00fcr zuk\u00fcnftige Gespr\u00e4che genutzt werden k\u00f6nnen. Diese Tools helfen Banken, die Servicequalit\u00e4t zu verbessern, indem sie den Inhalt und den Tonfall von Interaktionen analysieren und damit \u00fcber die traditionellen Methoden des Kundenfeedbacks hinausgehen.<\/p>\n<\/div><div class=\"fusion-title title fusion-title-3 fusion-sep-none fusion-title-text fusion-title-size-two\" style=\"--awb-text-color:var(--awb-color6);--awb-margin-bottom-small:8px;--awb-font-size:30px;\"><h2 class=\"fusion-title-heading title-heading-left fusion-responsive-typography-calculated\" style=\"font-family:&quot;PT Serif&quot;;font-style:normal;font-weight:700;margin:0;letter-spacing:1.6px;font-size:1em;--fontSize:30;line-height:1.47;\">KI rationalisiert wichtige Bankprozesse<\/h2><\/div><div class=\"fusion-text fusion-text-4\" style=\"--awb-font-size:20px;--awb-line-height:1.6;--awb-letter-spacing:var(--awb-typography4-letter-spacing);--awb-text-transform:var(--awb-typography4-text-transform);--awb-text-color:var(--awb-color5);--awb-text-font-family:var(--awb-typography4-font-family);--awb-text-font-weight:var(--awb-typography4-font-weight);--awb-text-font-style:var(--awb-typography4-font-style);\"><p>Das Gespr\u00e4ch befasst sich auch mit der Rolle der KI in wichtigen Bankprozessen wie Kreditantr\u00e4gen und der Aufnahme von Kunden. Mithilfe von Sprachmodellen und Computer Vision hilft KI bei der \u00dcberpr\u00fcfung von Dokumenten und dem Abgleich von Informationen, um diese Prozesse zu rationalisieren. Die Teilnehmer heben hervor, wie sich die Rolle der generativen KI von einfachen, geskripteten Chatbots zu fortschrittlichen Gespr\u00e4chsassistenten entwickelt, die eine breite Palette von Anfragen bearbeiten und einen pers\u00f6nlicheren Service bieten.<\/p>\n<\/div><div class=\"fusion-title title fusion-title-4 fusion-sep-none fusion-title-text fusion-title-size-two\" style=\"--awb-text-color:var(--awb-color6);--awb-margin-bottom-small:8px;--awb-font-size:30px;\"><h2 class=\"fusion-title-heading title-heading-left fusion-responsive-typography-calculated\" style=\"font-family:&quot;PT Serif&quot;;font-style:normal;font-weight:700;margin:0;letter-spacing:1.6px;font-size:1em;--fontSize:30;line-height:1.47;\">\u00dcbergang zu konversationellen Assistenten auf der Basis von LLMs<\/h2><\/div><div class=\"fusion-text fusion-text-5\" style=\"--awb-font-size:20px;--awb-line-height:1.6;--awb-letter-spacing:var(--awb-typography4-letter-spacing);--awb-text-transform:var(--awb-typography4-text-transform);--awb-text-color:var(--awb-color5);--awb-text-font-family:var(--awb-typography4-font-family);--awb-text-font-weight:var(--awb-typography4-font-weight);--awb-text-font-style:var(--awb-typography4-font-style);\"><p>Eine wichtige Erkenntnis aus der Diskussion ist der \u00dcbergang zu Konversationsassistenten, die von gro\u00dfen Sprachmodellen (LLMs) angetrieben werden, die dynamischere Antworten als bisherige Chatbots bieten. Diese Modelle m\u00fcssen jedoch auf bestimmte Kontexte und Branchen abgestimmt werden, was Anpassungen wie Low-Rank-Adaption erfordert. Die Diskussion unterstreicht, wie wichtig es ist, die Kontrolle \u00fcber diese KI-Systeme zu behalten, insbesondere bei sensiblen data, und hebt die Zusammenarbeit mit KI-Anbietern wie Mistral hervor, um die Sicherheit und Leistung von data zu gew\u00e4hrleisten.<\/p>\n<\/div><div class=\"fusion-title title fusion-title-5 fusion-sep-none fusion-title-text fusion-title-size-two\" style=\"--awb-text-color:var(--awb-color6);--awb-margin-bottom-small:8px;--awb-font-size:30px;\"><h2 class=\"fusion-title-heading title-heading-left fusion-responsive-typography-calculated\" style=\"font-family:&quot;PT Serif&quot;;font-style:normal;font-weight:700;margin:0;letter-spacing:1.6px;font-size:1em;--fontSize:30;line-height:1.47;\">Herausforderungen bei der Skalierung von KI in der Produktion<\/h2><\/div><div class=\"fusion-text fusion-text-6\" style=\"--awb-font-size:20px;--awb-line-height:1.6;--awb-letter-spacing:var(--awb-typography4-letter-spacing);--awb-text-transform:var(--awb-typography4-text-transform);--awb-text-color:var(--awb-color5);--awb-text-font-family:var(--awb-typography4-font-family);--awb-text-font-weight:var(--awb-typography4-font-weight);--awb-text-font-style:var(--awb-typography4-font-style);\"><p>Die Skalierung von KI in der Produktion bringt Herausforderungen mit sich, wie data governance, Leistung und Sicherheit. Die Aufrechterhaltung der Effizienz und Erkl\u00e4rbarkeit von KI-Modellen bei gleichzeitiger Gew\u00e4hrleistung der Cybersicherheit ist f\u00fcr einen gro\u00df angelegten Einsatz unerl\u00e4sslich. In der Diskussion wird darauf hingewiesen, dass die Modelle laufend aktualisiert werden m\u00fcssen, um den sich \u00e4ndernden Anforderungen der Kunden und der Regulierungsbeh\u00f6rden gerecht zu werden, und dass die Schulung der Benutzer \u00fcber KI-Tools f\u00fcr den Erfolg entscheidend ist.<\/p>\n<\/div><div class=\"fusion-title title fusion-title-6 fusion-sep-none fusion-title-text fusion-title-size-two\" style=\"--awb-text-color:var(--awb-color6);--awb-margin-bottom-small:8px;--awb-font-size:30px;\"><h2 class=\"fusion-title-heading title-heading-left fusion-responsive-typography-calculated\" style=\"font-family:&quot;PT Serif&quot;;font-style:normal;font-weight:700;margin:0;letter-spacing:1.6px;font-size:1em;--fontSize:30;line-height:1.47;\">Optimierung der Modellgr\u00f6\u00dfe f\u00fcr Kosteneffizienz<\/h2><\/div><div class=\"fusion-text fusion-text-7\" style=\"--awb-font-size:20px;--awb-line-height:1.6;--awb-letter-spacing:var(--awb-typography4-letter-spacing);--awb-text-transform:var(--awb-typography4-text-transform);--awb-text-color:var(--awb-color5);--awb-text-font-family:var(--awb-typography4-font-family);--awb-text-font-weight:var(--awb-typography4-font-weight);--awb-text-font-style:var(--awb-typography4-font-style);\"><p>Um den Herausforderungen der KI-Leistung zu begegnen, erkl\u00e4rt Guillaume Bour, dass die Reduzierung der Modellgr\u00f6\u00dfe bei gleichzeitiger Beibehaltung der Genauigkeit und Kosteneffizienz der Schl\u00fcssel zur Skalierung ist. Sie erw\u00e4hnen auch, dass die Kombination kleiner Modelle mit orchestrierten Workflows die Leistung optimieren und die Kosten senken kann, ohne die Qualit\u00e4t zu beeintr\u00e4chtigen. Beobachtbarkeit und \u00dcberwachungssysteme sind entscheidend f\u00fcr die Aufrechterhaltung dieser Modelle in Echtzeit-Produktionsumgebungen.<\/p>\n<\/div><div class=\"fusion-title title fusion-title-7 fusion-sep-none fusion-title-text fusion-title-size-two\" style=\"--awb-text-color:var(--awb-color6);--awb-margin-bottom-small:8px;--awb-font-size:30px;\"><h2 class=\"fusion-title-heading title-heading-left fusion-responsive-typography-calculated\" style=\"font-family:&quot;PT Serif&quot;;font-style:normal;font-weight:700;margin:0;letter-spacing:1.6px;font-size:1em;--fontSize:30;line-height:1.47;\">Entsch\u00e4rfung von KI-Halluzinationen durch rigorose Tests<\/h2><\/div><div class=\"fusion-text fusion-text-8\" style=\"--awb-font-size:20px;--awb-line-height:1.6;--awb-letter-spacing:var(--awb-typography4-letter-spacing);--awb-text-transform:var(--awb-typography4-text-transform);--awb-text-color:var(--awb-color5);--awb-text-font-family:var(--awb-typography4-font-family);--awb-text-font-weight:var(--awb-typography4-font-weight);--awb-text-font-style:var(--awb-typography4-font-style);\"><p>Schlie\u00dflich wird auch das Problem der \u201cHalluzinationen\u201d der KI - die Bereitstellung falscher Informationen - diskutiert. Strenge Tests sind unerl\u00e4sslich, um solche Fehler bei Kundeninteraktionen zu vermeiden. Die Zusammenarbeit zwischen Unternehmen wie BNP und Discard stellt sicher, dass KI-Systeme vor dem Einsatz gr\u00fcndlich getestet werden, um die Risiken zu minimieren. Die \u00dcberwachung nach der Einf\u00fchrung ist ebenfalls entscheidend, um Probleme im Laufe der Zeit zu erkennen und zu beheben, da sich \u00c4nderungen der Kundenanforderungen, der Vorschriften und des externen Umfelds auf die KI-Leistung auswirken.<\/p>\n<\/div><\/div><\/div><\/div><\/article><\/p>","protected":false},"excerpt":{"rendered":"<p>Die wichtigsten Erkenntnisse aus der Podiumsdiskussion mit Hugues Even, Group Chief Data Officer bei BNP Paribas, Matteo Dora, CTO bei Giskard, Guillaume Bour, Head of Enterprise EMEA bei Mistral AI, Anne-Laure Giret, Head of Google Cloud AI GTM, EMEA South bei Google Cloud, und Hanan Ouazan, Partner &amp; Generative AI Lead bei Artefact.<\/p>","protected":false},"featured_media":130306,"parent":0,"template":"","meta":{"_acf_changed":false,"ep_exclude_from_search":false},"blog-category":[21930],"blog-language":[2991],"class_list":["post-130305","blog","type-blog","status-publish","has-post-thumbnail","hentry","blog-category-finance","blog-language-en"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/blog\/130305","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/blog"}],"about":[{"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/types\/blog"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/media\/130306"}],"wp:attachment":[{"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/media?parent=130305"}],"wp:term":[{"taxonomy":"blog-category","embeddable":true,"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/blog-category?post=130305"},{"taxonomy":"blog-language","embeddable":true,"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/blog-language?post=130305"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}