Le Dr Sai Zeng, directeur du Centre d'excellence en IA et ingénieur émérite chez UBS, lors de la conférence « AI for Financial Services NYC » – Les réussites de l'IA dans la gestion d'actifs

À propos de Sai Zeng : Chez UBS, elle dirige la mise en œuvre de stratégies basées sur l'intelligence artificielle visant à améliorer data , la réduction des risques et l'efficacité opérationnelle au sein des fonctions du groupe bancaire.

À propos d'UBS : UBS est une société internationale de services financiers proposant des services de gestion de fortune, de gestion d'actifs et de banque d'investissement. Présente dans les principaux centres financiers du monde entier, elle offre des solutions financières sur mesure à une clientèle diversifiée.

La formation data expérimentés et l'intégration de talents diversifiés dans les domaines de l'apprentissage automatique, de l'apprentissage profond et du traitement du langage naturel sont essentielles pour développer à grande échelle les technologies d'IA. Le co-développement de solutions avec les équipes de développement et les parties prenantes métier favorise une approche data full stack ».

L'IA et l'apprentissage automatique sont considérés comme des extensions des produits et solutions existants, et non comme des produits autonomes. Cela favorise une collaboration étroite avec les équipes de développement et les responsables produit afin d'intégrer les modèles d'IA dans les structures existantes.

Les équipes consacrent environ 20 % de leurs ressources à l'innovation et à l'expérimentation de nouveaux modèles linguistiques à grande échelle (LLM) et de nouvelles technologies. Cette approche structurée garantit que l'expérimentation axée sur les problèmes s'aligne sur les objectifs de l'organisation, en conciliant le besoin d'innovation avec la réalisation de progrès et de valeur mesurables.

Parmi les applications d'IA, on trouve un outil de recherche de documents juridiques qui améliore les fonctionnalités de recherche sur 20 millions de documents, ainsi qu'un outil de génération automatique de commentaires destiné aux contrôleurs de gestion, qui automatise data et la création de commentaires. Ces outils améliorent l'efficacité opérationnelle et répondent à des besoins spécifiques de l'entreprise.

Il est essentiel de recruter des personnes qui maîtrisent les algorithmes d'IA et sont capables d'intégrer ces capacités dans les solutions produits. Cela repose sur le concept de « data full stack data , selon lequel les professionnels maîtrisent l'IA, le développement logiciel, le déploiement et l'évolutivité en production, garantissant ainsi une approche globale dès le départ.

Le temps consacré à l'innovation est motivé par des problèmes concrets. À la suite de l'acquisition de Credit Suisse, un cas d'utilisation spécifique concernait des demandes du service des ressources humaines visant à comparer différents plans 401(k). Cette analyse a dépassé le cadre de simples questions pour s'étendre à des modèles complexes impliquant plusieurs agents, ce qui a suscité de nouvelles recherches et innovations.

Dans le secteur des services financiers, l'IA vise principalement à améliorer l'efficacité opérationnelle et à réduire les coûts, tout en offrant des avantages tels qu'une meilleure expérience client et une optimisation des ventes et du marketing. Les applications de l'IA, notamment les chatbots pour les FAQ internes, la génération automatisée de rapports et l'automatisation dans des domaines tels que la lutte contre le blanchiment d'argent (AML) et les procédures de connaissance du client (KYC), sont rapidement mises en œuvre.

Un outil de recherche de documents juridiques a dû relever des défis tels que la gestion de 20 millions de documents et la mise en place d'un contrôle d'accès. L'équipe a développé un moteur de recherche de documents juridiques similaire à celui de Google, en mettant l'accent sur l'évolutivité et le contrôle d'accès. Le processus, de la validation du concept à la mise en production, a duré plus d'un an.

Un outil de génération automatique de commentaires destiné aux contrôleurs de gestion automatise data et la création de commentaires. Cet outil simplifie le processus d'explication des variations significatives du compte de résultat, en remplaçant data manuel data par des solutions automatisées. Il intègre des modèles linguistiques de grande envergure pour identifier des schémas linguistiques et générer des commentaires quotidiens.

Les modèles d'IA suivent des processus de validation bien établis, similaires à ceux des modèles de risque. La fourniture de preuves concernant les données d'entrée, les résultats et les indicateurs garantit le respect des normes de gouvernance. Les grands modèles linguistiques nécessitent de nouvelles approches de validation, qui tiennent compte de la nature évolutive des technologies d'IA.

Garantir la précision sans fausses conclusions constitue un véritable défi, en particulier dans data structurées. Les solutions consistent à utiliser des modèles d'IA pour interpréter data formuler des réponses, ce qui permet de réduire les erreurs au minimum. L'interaction avec les grands modèles linguistiques vise principalement à formuler des réponses à partir de data précises data via des requêtes SQL.