Artefact 举办的人工智能金融峰会 - 2024 年 9 月 17 日 - 巴黎
法国巴黎银行集团首席 Data 官 Hugues Even、Giskard 首席技术官 Matteo Dora、Mistral AI 欧洲、中东和非洲地区企业主管 Guillaume Bour、Google Cloud 欧洲、中东和非洲地区南区 Google Cloud AI GTM 主管 Anne-Laure Giret 以及 Artefact 合作伙伴兼生成式 AI 负责人 Hanan Ouazan 参加了小组讨论，并从中汲取了重要经验。.
人工智能语言模型提升客户服务
本次讨论强调了人工智能语言模型在客户服务中的变革性作用，重点关注其在各行各业（尤其是银行业）的实际应用和挑战。对话强调了人工智能的部署，以自动化和增强客户互动，例如通过电子邮件和语音渠道，利用能理解上下文、确定任务优先级和建议应对措施的工具，从而提高效率和客户满意度。.
人工智能协助处理电子邮件和语音
Hugues 分享了人工智能如何通过对电子邮件进行分类、优先级排序和路由安排来协助处理电子邮件，同时还建议回复以供审核。对于语音交互，人工智能可生成通话后总结、行动项目和见解，这些都可用于未来的会议。这些工具通过分析互动的内容和语气帮助银行提高服务质量，超越了传统的客户反馈方法。.
人工智能简化关键银行流程
对话还谈到了人工智能在贷款申请和客户入职等关键银行流程中的作用。人工智能利用语言模型和计算机视觉，帮助验证文件和交叉检查信息，以简化这些流程。与会者强调了生成式人工智能的作用如何从简单的脚本聊天机器人发展到高级对话助理，以处理各种咨询并提供更加个性化的服务。.
过渡到由 LLM 支持的对话式助手
讨论的一个重要启示是向由大型语言模型（LLM）驱动的会话助手过渡，与以前的聊天机器人相比，LLM 可提供更多动态响应。不过，这些模型需要根据特定的语境和行业进行微调，需要进行低级适应等调整。讨论强调了保持对这些人工智能系统控制的重要性，尤其是对敏感的 data 的控制，并强调了与 Mistral 等人工智能供应商的合作，以确保 data 的安全性和性能。.
在生产中推广人工智能所面临的挑战
人工智能在生产中的扩展带来了各种挑战，如 data governance、性能和安全性。保持人工智能模型的效率和可解释性，同时确保网络安全，对于大规模部署至关重要。讨论指出，需要对模型进行持续更新，以满足不断变化的客户和监管需求，而人工智能工具的用户教育是成功的关键。.
优化模型尺寸，提高成本效益
为了应对人工智能的性能挑战，Guillaume Bour 解释说，在保持准确性和成本效益的同时缩小模型规模是扩展的关键。他们还提到，将小型模型与协调工作流程相结合可以优化性能，在不牺牲质量的情况下降低成本。可观察性和监控系统对于在实时生产环境中维护这些模型至关重要。.
通过严格测试缓解人工智能幻觉
最后，讨论了人工智能的 “幻觉 ”问题--提供错误信息。严格的测试对于防止客户互动中出现此类错误至关重要。BNP 和 Discard 等公司之间的合作可确保人工智能系统在部署前经过全面测试，以降低风险。随着时间的推移，客户需求、法规和外部环境的变化会影响人工智能的性能，因此部署后的监控对于发现和解决问题也至关重要。.
