Los agentes de IA están involucrados en la industria financiera y se han implementado una gran cantidad de aplicaciones, pero la comercialización llevará tiempo.

AI Agent es una palabra de alta frecuencia en el campo de la inteligencia artificial en 2024, y la industria financiera también está involucrada. En la Conferencia del Inclusion Bund de 2024, se mencionó con frecuencia a los agentes de IA, y la industria cree que los agentes de IA se convertirán en una de las direcciones principales para el desarrollo de la inteligencia artificial. Los reporteros de China Business News también notaron que se están implementando muchas aplicaciones de inteligencia financiera, aportando una experiencia más humana a la comunicación inteligente entre humanos y máquinas. Sin embargo, en aplicaciones en el campo financiero, los agentes inteligentes son propensos a sufrir "alucinaciones". La comercialización tardará en iterarse y también es necesario mejorar el marco regulatorio pertinente. Los agentes de IA involucrados en la industria financiera se refieren a agentes de inteligencia artificial, que son entidades inteligentes que pueden percibir el entorno, tomar decisiones y ejecutar acciones. Tienen la capacidad de completar gradualmente objetivos determinados a través de herramientas de llamada y pensamiento independientes. Desde la perspectiva del usuario, los agentes inteligentes tienen la capacidad de pensar profundamente sobre problemas y campos específicos, y pueden comunicarse con personas más parecidas a "humanos". Según Han Xinyi, presidente de Ant Group, los agentes de IA, como una forma de producto de inteligencia artificial generativa, son la dirección central de la aplicación actual de modelos grandes, lo que permite que a los modelos grandes les crezcan "manos y pies". Sun Maosong, académico extranjero de la Academia Europea de Ciencias y vicepresidente ejecutivo del Instituto de Investigación de Inteligencia Artificial de la Universidad de Tsinghua, señaló en una entrevista con China Business News que en inglés "inteligente" se traduce como "Agente", y La aparición de la IA le ha dado a este término un nuevo significado. El concepto es relativamente amplio y puede referirse a un robot inteligente o un humano digital en el mundo virtual. Puede que ni siquiera tenga el concepto de "humano", sino que se refiere a un software o una herramienta que utiliza tecnología de inteligencia artificial para ayudar a las personas a resolver problemas. . Los agentes de IA que pueden hacer que los modelos grandes tengan características más humanas son la dirección central de las aplicaciones actuales de modelos grandes. Esta tendencia ya se ha extendido a la banca, los seguros, la gestión financiera y otros campos financieros. En 2024, muchos grandes fabricantes de modelos explorarán el desarrollo de aplicaciones de agentes de IA en términos de gestión patrimonial, evaluación de riesgos, servicio al cliente, etc. en el campo financiero, los agentes están mostrando su valor comercial. Por ejemplo, el programa "Cerebro de Ahorro Postal" lanzado por el Postal Savings Bank ha pasado de la percepción y el conocimiento a la creación generativa, y está promoviendo escenarios como asistentes comerciales inteligentes, administradores de cuentas digitales y salas de negocios virtuales "Ark" del China Construction Bank; Plan "está promoviendo gradualmente la construcción financiera de modelos a gran escala en el campo promueve la implementación de agentes inteligentes en escenarios como marketing, informes de investigación de inversiones y control de riesgos. Los agentes de IA también brindan servicios de inteligencia digital a profesionales y servicios de consultoría patrimonial de bajo umbral al público. Por ejemplo, en la exposición de este año, Zhixiaozhu 2.0 es un asistente inteligente desarrollado por Ant Group basado en su modelo grande de desarrollo propio y su marco de agente personalizable con conocimiento profesional. En el lugar, un público le pidió: "Por favor proporcione un plan de gestión financiera y de inversión adecuado para las personas mayores". Dio las correspondientes sugerencias de inversión, analizó la situación objetivo en función de las condiciones actuales del mercado y sacó conclusiones desde dos aspectos: riesgo y devolver. . "La aplicación de la tecnología de agentes inteligentes está entrando en la vida pública sin mostrar nada". Sun Maosong señaló que ya tenemos la capacidad de crear mejores agentes, principalmente debido a la capacidad de generar grandes modelos de lenguaje, los "cuatro grandes avances" en la capacidad de generar código, capacidades de procesamiento de imágenes y videos, y capacidades de modelado 3D han brindado nuevas oportunidades de desarrollo a los agentes inteligentes. Sin embargo, Sun Maosong también cree que, en comparación con los grandes modelos que se limitan a entornos de diálogo en condiciones generales, la inteligencia es un concepto ascendente más complejo que se discute en espacios tridimensionales y cuatridimensionales, pero desde la perspectiva de la industria y la industria. En la implementación, los agentes son conceptos posteriores de grandes modelos aplicados en diversos campos prácticos. Dificultades y desafíos La aplicación de agentes de IA en el campo financiero es el único camino a seguir, pero este proceso no es fácil y todavía quedan muchos problemas y desafíos por resolver. En primer lugar, en el ámbito financiero, existen desafíos en la comercialización de agentes de IA. "La comercialización de la tecnología de agentes inteligentes todavía necesita tiempo para iterarse". Sun Maosong cree que se trata de un proceso en el que los cambios cuantitativos conducen a cambios cualitativos. Pueden ser necesarios varios años de iteración y acumulación antes de que su rendimiento mejore significativamente. El valor comercial de los agentes inteligentes valdrá la pena. Lo esperamos con ansias, pero tendremos más paciencia. El camino hacia la comercialización de agentes de IA también está restringido por las capacidades de I+D. Según Huang Xuanjing, profesor de la Universidad de Fudan, los agentes inteligentes se consideran un camino prometedor hacia la inteligencia artificial general. Puede aprovechar al máximo la profesionalidad de grandes modelos de lenguaje y generar actualizaciones iterativas de varios servicios. Pero al mismo tiempo, la investigación y el desarrollo de agentes inteligentes enfrenta actualmente cuatro desafíos principales: capacidades insuficientes del modelo base, falta de un marco interactivo unificado, falta de autoaprendizaje y autoevolución, y problemas éticos y de seguridad con agentes inteligentes. Además, el problema de la ilusión de modelos grandes es un desafío importante para la aplicación de agentes de IA en la industria financiera. Los expertos de la industria creen que la tasa de tolerancia a fallas de la industria financiera es muy baja, ya sea que se trate de preguntas y respuestas de conocimiento o de extracción de contenido, lo que plantea requisitos muy altos para los agentes inteligentes. La precisión del modelo se ha convertido en un obstáculo importante para la adopción de generativos. IA en la industria financiera. "Los modelos grandes son muy populares y sus habilidades también son muy poderosas, pero existen condiciones para que esta habilidad sea fuerte. Por ejemplo, se desempeña muy bien en un entorno de diálogo, pero una vez que sales de ese entorno, tu habilidad es cuestionable. " Sun Maosong señaló que a través de agentes inteligentes y otros, se pueden mejorar aún más las capacidades de los modelos grandes, pasando de "copiloto" a "conductor principal". "Aunque los modelos grandes han demostrado un gran potencial en el campo de los negocios financieros, su aplicación integral en la industria financiera todavía enfrenta muchos desafíos". Según Wu Lianfeng, vicepresidente y analista jefe de IDC China, la combinación actual de modelos grandes generales y el La industria en su conjunto todavía está en su infancia. Además, la estricta supervisión de la industria financiera y los estrictos requisitos de cumplimiento también hacen que la implementación de modelos grandes deba ser más cautelosa y el ciclo será más largo. En general, el ecosistema industrial de modelos grandes aún no está completamente maduro y su aplicación generalizada requiere superar desafíos como la tecnología, la evolución de la industria, la regulación y la ética tecnológica.