Dr. Sai Zeng, hoofd van AI en Distinguished Engineer bij UBS, tijdens AI Financial Services NYC – AI in vermogensbeheer

Over Sai Zeng: Bij UBS geeft zij leiding aan de implementatie van AI strategieën om data , de risicobeperking en de operationele efficiëntie binnen de groepsfuncties van de bank te verbeteren.

Over UBS: UBS is een wereldwijde financiële organisatie vermogensbeheer, activabeheer en investeringsbankieren. Het bedrijf is actief in belangrijke financiële centra over de hele wereld en biedt financiële oplossingen op maat aan een breed scala aan klanten.

Het opleiden van senior data en het integreren van diverse talenten op het gebied van machine learning, deep learning en NLP zijn cruciaal voor de schaalvergroting AI . Door samen met ontwikkelingsteams en zakelijke belanghebbenden oplossingen te ontwikkelen, wordt een „full-stack data gestimuleerd.

AI machine learning worden gezien als uitbreidingen van bestaande producten en oplossingen, en niet als op zichzelf staande producten. Dit stimuleert een nauwe samenwerking met ontwikkelteams en producteigenaren om AI in bestaande systemen te integreren.

Teams besteden ongeveer 20% van hun capaciteit aan innovatie en experimenten met nieuwe grote taalmodellen (LLM’s) en technologieën. Deze gestructureerde aanpak zorgt ervoor dat probleemgestuurde experimenten aansluiten bij de organisatiedoelstellingen, waarbij een evenwicht wordt gevonden tussen de behoefte aan innovatie en het realiseren van meetbare vooruitgang en waarde.

Tot AI behoren onder meer een zoekfunctie voor juridische documenten die de zoekmogelijkheden voor 20 miljoen documenten verbetert, en een tool voor het automatisch genereren van toelichtingen voor financieel controllers, die data en het opstellen van toelichtingen automatiseert. Deze tools verhogen de operationele efficiëntie en spelen in op specifieke bedrijfsbehoeften.

Het is van cruciaal belang om mensen aan te nemen die verstand hebben van AI en die deze mogelijkheden kunnen integreren in productoplossingen. Hierbij gaat het om het concept data ‘full-stack data professionals die thuis zijn in AI, softwareontwikkeling, implementatie en schaalbaarheid in de productieomgeving, waardoor vanaf het begin een holistische aanpak wordt gewaarborgd.

De tijd die aan innovatie wordt besteed, wordt ingegeven door concrete problemen. Na de overname van Credit Suisse betrof een specifiek praktijkvoorbeeld HR-vragen over het vergelijken van 401(k)-pensioenregelingen. Dit onderzoek reikte verder dan eenvoudige vragen en strekte zich uit tot complexe multi-agent-kaders, wat aanleiding gaf tot verdere verkenning en innovatie.

AI de financiële dienstverlening richt zich op operationele efficiëntie en kostenbesparingen, met voordelen zoals een betere klantervaring en verbeteringen op het gebied van verkoop en marketing. AI zoals chatbots voor interne veelgestelde vragen, geautomatiseerde rapportage en automatisering op gebieden als antiwitwasmaatregelen (AML) en Know Your Customer-processen (KYC) worden in hoog tempo in de praktijk gebracht.

Een zoekprogramma voor juridische documenten stond voor uitdagingen zoals het verwerken van 20 miljoen documenten en het implementeren van toegangscontrole. Het team ontwikkelde een Google-achtige zoekfunctie voor juridische documenten, waarbij de nadruk lag op schaalbaarheid en toegangscontrole. Het traject van proof of concept tot de productiefase nam meer dan een jaar in beslag.

Een tool voor het automatisch genereren van toelichtingen, bedoeld voor financieel controllers, automatiseert data en het opstellen van toelichtingen. Deze tool stroomlijnt het proces van het toelichten van belangrijke veranderingen in de winst- en verliesrekening (P&L) door handmatig data te vervangen door geautomatiseerde oplossingen. De tool maakt gebruik van grote taalmodellen om taalpatronen te herkennen en dagelijkse toelichtingen te genereren.

AI volgen vastgestelde goedkeuringsprocessen die vergelijkbaar zijn met die voor risicomodellen. Door bewijs te leveren van input, output en meetgegevens wordt naleving van governance-normen gewaarborgd. Grote taalmodellen vereisen nieuwe validatiemethoden, die recht doen aan het voortdurend veranderende karakter van AI .

Het waarborgen van nauwkeurigheid zonder onjuistheden is een uitdaging, met name in data gestructureerde data . Oplossingen omvatten het gebruik van AI om data te interpreteren data antwoorden samen te stellen, waardoor fouten tot een minimum worden beperkt. Bij de interactie met grote taalmodellen ligt de nadruk op het samenstellen van antwoorden op basis van nauwkeurige data via SQL-query’s data .