Principais aprendizados da discussão com o Dr. Sai Zeng, chefe do AI CoE e engenheiro renomado do UBS, no AI for Financial Services Summit, Artefact - 12 de junho de 2024

Perguntas de Akhilesh Kale, sócio da Artefact US.

Sobre Sai Zeng: No UBS, ela lidera a implementação de estratégias orientadas por AI para aprimorar o gerenciamento de data , a redução de riscos e a eficiência operacional em todas as funções do grupo do banco.

Sobre o UBS: O UBS é uma empresa global de serviços financeiros que oferece serviços de gestão de patrimônio, gestão de ativos e banco de investimentos. Opera nos principais centros financeiros do mundo, oferecendo soluções financeiras personalizadas para uma clientela diversificada.

Dimensionamento e desenvolvimento de talentos

A replicação de cientistas sênior da data e a integração de diversos talentos em aprendizado de máquina, aprendizado profundo e PNL são cruciais para o dimensionamento da tecnologia AI . data O co-desenvolvimento de soluções com equipes de desenvolvimento e partes interessadas nos negócios promove uma abordagem de "cientista de pilha completa".

AI como uma extensão das soluções existentes

AI e o aprendizado de máquina são vistos como extensões de produtos e soluções existentes, e não como produtos autônomos. Isso incentiva a estreita colaboração com as equipes de desenvolvimento e os proprietários de produtos para integrar os modelos da AI às estruturas existentes.

Equilíbrio entre inovação e produção

As equipes dedicam cerca de 20% de sua capacidade à inovação e à experimentação de novos modelos de linguagem ampla (LLMs) e tecnologias. Essa abordagem estruturada garante que a experimentação orientada por problemas se alinhe às metas organizacionais, equilibrando a necessidade de inovação com o fornecimento de progresso e valor mensuráveis.

Casos concretos de uso nos setores jurídico e financeiro

AI Os aplicativos incluem uma ferramenta de pesquisa de documentos jurídicos que aprimora a funcionalidade de pesquisa de 20 milhões de documentos e uma ferramenta de comentários automáticos para controladores financeiros que automatiza a agregação e a geração de comentários no site data . Essas ferramentas aumentam a eficiência operacional e atendem a necessidades comerciais específicas.

Estratégia de integração e implementação

A contratação de pessoas que entendam os algoritmos AI e possam integrar recursos com soluções de produtos é fundamental. Isso envolve um conceito de "cientista full stack data ", em que os profissionais conhecem AI, desenvolvimento de software, implantação e escalabilidade na produção, garantindo uma abordagem holística desde o início.

Inovação impulsionada pela solução de problemas

O tempo dedicado à inovação é impulsionado por problemas reais. Após a aquisição do Credit Suisse, um caso de uso específico envolveu consultas de RH sobre a comparação de planos 401(k). Essa exploração foi além de perguntas simples e chegou a estruturas complexas de vários agentes, inspirando mais exploração e inovação.

Eficiência e economia de custos

AI O foco dos serviços financeiros está na eficiência operacional e na economia de custos, com benefícios como a melhoria da experiência do cliente e das vendas/marketing. AI aplicativos em chatbots de FAQs internos, relatórios automatizados e automação em áreas como processos de combate à lavagem de dinheiro (AML) e de conhecimento do cliente (KYC) estão entrando rapidamente em produção.

Gerenciamento de projetos de longo prazo

Uma ferramenta de pesquisa de documentos jurídicos enfrentou desafios como lidar com 20 milhões de documentos e implementar o controle de acesso. A equipe desenvolveu uma pesquisa de documentos jurídicos semelhante à do Google, com foco na escalabilidade e no controle de acesso. A jornada da prova de conceito à produção levou mais de um ano.

Comentários financeiros automatizados

Uma ferramenta de comentários automáticos para controladores financeiros automatiza a agregação de data e a geração de comentários. Essa ferramenta agiliza o processo de explicação de mudanças significativas nos lucros e perdas (P&L), substituindo a classificação manual data por soluções automatizadas. Ela integra grandes modelos de linguagem para descobrir padrões de linguagem e gerar comentários diários.

Aprovação e governança

AI Os modelos de risco seguem processos de aprovação estabelecidos semelhantes aos modelos de risco. O fornecimento de evidências de entrada, saída e métricas garante a conformidade com os padrões de governança. Os grandes modelos de linguagem precisam de novas abordagens de validação, refletindo a natureza evolutiva das tecnologias AI .

Como lidar com os desafios da alucinação

Garantir a precisão sem alucinação é um desafio, especialmente em ambientes data estruturados. As soluções envolvem o uso de modelos AI para interpretar data e compor respostas, minimizando os erros. A interação com grandes modelos de linguagem se concentra na composição de respostas com base em data precisos extraídos por meio de instruções SQL.