TOTALENERGIES TRADING op AI voor Finance by Artefact - LLM voor trading

De video bespreekt het gebruik van Large Language Models (LLM's) in de handel. De handelsdivisie van TotalEnergies, met 1.400-1.500 werknemers verspreid over wereldwijde hubs, beheert zowel de oliehandel als nieuwere grondstoffen zoals gas en elektriciteit. De focus ligt op technologische uitdagingen die voortkomen uit de verschillende volwassenheidsniveaus van de handelsactiviteiten, gevormd door de multi-energiestrategie van organisatie.

De verschillende handelsgebieden van TotalEnergies vertonen verschillende digitaliseringsgraden. De oliehandel maakt bijvoorbeeld gebruik van IT-systemen die meer dan 30 jaar oud zijn en die een point-to-point afhandeling vereisen, terwijl de energiehandel inherent meer gedigitaliseerd is. Deze verschillen brengen uitdagingen met zich mee, met name bij het harmoniseren van roadmaps in een poging om de systemen binnen de hele handelsdivisie op elkaar af te stemmen.

De roadmap leidde tot experimenten met Generative AI agents om de adoptie binnen bedrijfsonderdelen te stimuleren. Twee use cases zijn nu in productie: een voor pre-deal informatietoegang en besluitvorming, en een andere voor post-deal anomaliedetectie. De eerste is een nieuwe besluitvormingstool, terwijl de tweede een bestaande machine learning-oplossing verbetert.

De use cases werden geïnitieerd via een samenwerkingsproces aangestuurd door het innovatieteam. Ze hielden workshops en presentaties om business units te inspireren en ideeën te genereren. Teams met interesse in generatieve AI, met name in middle-office operations, volgden ontwikkelingen zoals ChatGPT actief en droegen ideeën aan. Deze samenwerkingsgeest maakte het mogelijk om snel use cases te bedenken en toe te passen, ondersteund door technologische partners zoals AWS om proefprojecten te ontwikkelen.

De AI agents hebben waarde toegevoegd aan bedrijfsfuncties, maar komen met uitdagingen. Bedrijfsteams moeten de agents nu actief trainen en verbeteren. TotalEnergies heeft mechanismen gecreëerd voor teams om instructies en feedback te geven. De adoptie varieert: sommige gebieden omarmen de technologie snel, terwijl andere meer tijd nodig hebben. Digitale kampioenen in elk team helpen deze adoptie te stimuleren.

De ontwikkeling en inzet van AI agents gebeurt grotendeels ter plaatse, met een mix van praktisch leren en meer gestructureerde training. Technologische teams worden geconfronteerd met aanzienlijke uitdagingen bij het voorbereiden van IT-systemen op AI integratie, waarbij ondersteuning en een verschuiving in ontwikkelingsparadigma's nodig zijn. Generatief AI verandert de manier waarop systemen worden ontworpen, waardoor soms een "supervising agent" nodig is om gespecialiseerde agents te beheren voor verschillende functies, zoals zoeken op het web en data samenvatten.

De anomaliedetectie use case laat een duidelijke ROI zien, aangezien het detecteren van kostbare anomalieën cruciaal is, waarbij LLM-gebaseerde detectie de nauwkeurigheid met 20% verbetert. De ROI voor besluitvormingstools is moeilijker te kwantificeren en is vaak gebaseerd op kwalitatieve feedback over hun nut en efficiëntie. Pilots duren 1 tot 3 maanden, afhankelijk van de complexiteit en prestatiedoelen.

TotalEnergies lanceert meer initiatieven, waaronder een hackathon met Artefact om AI ideeën voor de handel te genereren. Er werden meer dan 50 ideeën ingediend en er zijn plannen om een tiental veelbelovende concepten te ontwikkelen. Ondanks operationele zorgen blijft het momentum hoog om waardevolle AI toepassingen te identificeren en te implementeren, met als doel om volgend jaar meer projecten te laten zien.