Artefact 主办的金融人工智能峰会Artefact 2024年9月17日——巴黎
道达尔能源贸易公司（TotalEnergies Trading）数字官兼创新负责人皮埃尔·范·英格兰特（Pierre Van Ingelandt）与Artefact合伙人洛伦佐·克罗阿蒂（Lorenzo Croati）对话中的关键要点。
引言
该视频探讨了大型语言模型（LLMs）在交易中的应用。道达尔能源（TotalEnergies）的交易部门在全球各枢纽拥有1,400至1,500名员工，负责管理石油交易以及天然气和电力等新兴大宗商品交易。视频重点探讨了因交易活动成熟度各异而产生的技术挑战，这些挑战源于该公司实施的多能源战略。
不同的成熟度水平与数字化转型的挑战
道达尔能源（TotalEnergies）各交易领域的数字化程度各不相同。例如，石油交易仍在使用已有30多年历史的IT系统，需要点对点处理，而电力交易则天生更具数字化特征。这些差异带来了诸多挑战，特别是在试图统一交易部门各系统的同时，如何协调各领域的数字化路线图。
生成式人工智能代理简介
该路线图促使我们开始尝试生成式人工智能代理，以推动各业务部门采用该技术。目前已有两个用例投入生产：一个用于交易前的信息获取和决策，另一个用于交易后的异常检测。前者是一款新的决策工具，而后者则对现有的机器学习解决方案进行了优化。
协作与构思过程
这些用例的制定始于由创新团队主导的协作流程。他们举办了研讨会和专题演讲，以激发各业务部门的灵感并收集创意。对生成式人工智能感兴趣的团队——尤其是中台运营团队——积极关注ChatGPT等技术的发展动态，并积极贡献创意。这种协作精神促成了用例的快速构思和落地，并在AWS等技术合作伙伴的支持下，成功开发了试点项目。
大型语言模型应用场景的优势与挑战
人工智能代理为业务职能带来了价值，但也伴随着挑战。业务团队现在需要积极对这些代理进行培训和优化。道达尔能源（TotalEnergies）已建立相关机制，以便团队能够提供指导和反馈。各团队的采用情况各不相同，有些部门迅速接受了这项技术，而有些则需要更多时间。每个团队中的数字化推动者都在助力这一进程。
团队的组建、培训与准备
人工智能代理的开发与部署主要在实际环境中进行，融合了实践学习与更系统化的培训。技术团队在为IT系统做好人工智能集成准备时面临重大挑战，这需要外部支持以及开发范式的转变。生成式人工智能改变了系统设计的方式，有时需要引入“监督代理”来管理负责不同功能（如网页搜索和数据摘要）的专用代理。
衡量投资回报率及关键经验
异常检测用例展现出明显的投资回报率（ROI），因为检测代价高昂的异常至关重要，而基于大型语言模型（LLM）的检测技术可将准确率提升20%。决策工具的投资回报率则更难量化，通常基于对其实用性和效率的定性反馈。试点项目通常需要1至3个月，具体时长取决于项目的复杂程度和性能目标。
未来展望与新创意黑客马拉松
道达尔能源正在推出更多举措，包括Artefact 举办黑客马拉松Artefact 征集适用于交易领域的人工智能创意。活动共收到50余份创意提案，计划从中开发约10个有前景的概念。尽管存在运营方面的顾虑，但公司仍保持着强劲的势头，致力于发掘并实施有价值的人工智能应用，力争在明年展示更多项目。
