لماذا لن تحقق نماذج اللغة الكبيرة وحدها عائد استثمار في الخدمات المالية

اكتشف أهم أخبار وتطورات التكنولوجيا المالية!

اشترك في نشرة FinTech Weekly الإخبارية

يقرأها التنفيذيون في JP Morgan وCoinbase وBlackrock وKlarna والمزيد

تمت الإشارة إلى نماذج اللغة الكبيرة (LLMs) على أنها كهرباء عصرنا، وقد أدت وصولها إلى موجة من التجارب في مجال التمويل. من الأبحاث الآلية إلى رؤى العملاء، الإمكانيات شاسعة. لكن مع زيادة الاعتماد، تتضح حقيقة واضحة: LLMs وحدها ليست كافية بدون طبقة وكيل فوقها.

يمكن لنماذج اللغة الكبيرة توليد الكلمات، لكنها تحتاج إلى وكلاء لضمان الحقيقة. يمكنها تلخيص البيانات، ولكن بدون طبقة وكيل، لا يمكنها تحديد ما هو الأكثر أهمية لعملك. وفي قطاع حيث الثقة والامتثال والسرعة غير قابلة للتفاوض، فإن هذه الفجوة حاسمة. بينما توفر نماذج اللغة الكبيرة القوة للنظام، يعرف الذكاء الاصطناعي الوكالي متى وكيف يشغل الأضواء.

LLMs وحدها ليست كافية

تعد نماذج اللغة الكبيرة مثيرة للإعجاب، لكنها تفاعلية. تستجيب للمحفزات، وتولد النصوص، وتلخص البيانات، لكنها لا تعمل ضمن سياق الأعمال. بمفردها، تفتقر إلى التأسيس في التعريفات التنظيمية والقواعد والجداول الزمنية. بدون طبقة وكيل وكتالوج سياقي، تكون هذه النماذج قوية ولكن غير مكتملة. يمكنها التواصل بطلاقة، لكنها لا تستطيع ضمان أن ما تقوله يتماشى مع كيفية تعريف العمل للحقيقة. تصبح هذه الفجوة حاسمة في البيئات المالية المعقدة حيث يجب الوثوق بالمعلومات وتنظيمها ومشاركتها باستمرار.

الذكاء الاصطناعي الوكالي، بالاقتران مع كتالوج سياقي، يوفر العناصر المفقودة: سياق الأعمال لاتخاذ القرارات والتعلم بمشاركة البشر لتحسين مستمر. معًا، يضيفون الاستقلالية والسياق والذاكرة. يعرف الوكلاء ما يجب البحث عنه، ويضمن كتالوج السياق أن المخرجات تتماشى مع التعريفات الموثوقة، وكلاهما يعمل ضمن حدود واضحة. في الممارسة العملية، يمكّن هذا المؤسسات المالية من:

*   مسح الأسواق والأخبار والملفات بشكل مستمر لاكتشاف الشذوذ قبل أن يلاحظها البشر
*   تتبع مشاعر العملاء بمرور الوقت وربط الرؤى بالمستشارين وفرق المنتجات
*   أتمتة تقارير العمل وعمليات الامتثال بحيث تترجم الرؤى مباشرة إلى قرارات

تحول الوكلاء مع طبقة بيانات الوصف نماذج اللغة الكبيرة من أدوات تفاعلية إلى مشاركين نشطين في العمليات المالية، بينما يبقى البشر صانعي القرار الأساسيين. إنهم يحولون الإمكانات إلى أداء.

مع اعتماد المزيد من الشركات لأدوات الذكاء الاصطناعي، فإن المنظمات التي تعالج الذكاء الاصطناعي كطبق جانبي فاخر لاستراتيجيتها لن ترى العائد على الاستثمار الذي تسعى إليه. تكون استراتيجية الذكاء الاصطناعي أكثر نجاحًا عندما يتم نسجها في نسيج المنظمة، عندما تصبح جزءًا من المنظمة نفسها.

بناء الذكاء فوق النموذج

توفر تاريخ الكهرباء تشبيهاً مفيداً. كانت القدرة المبكرة على الوصول إلى الكهرباء ميزة تنافسية. بمجرد أن أصبحت الكهرباء متاحة على نطاق واسع، انتقلت الميزة إلى أولئك الذين صمموا الأنظمة التي استخدمتها بكفاءة. أصبحت المصانع وخطوط التجميع وأنظمة الإضاءة عوامل تمييز.

توجد نماذج اللغة الكبيرة الآن في نفس المرحلة. إنها متاحة على نطاق واسع. تأتي الميزة الحقيقية من كيفية استخدام المؤسسات لها لإبلاغ سير العمل، وتنظيم القرارات، ودعم الحكم البشري. إن نشر نموذج كـ “حل شامل” ليس استراتيجية. إن استخدام الذكاء لحل أو دعم هدف محدد هو ما يدفع التأثير القابل للقياس.

اعتبر ثلاثة أمثلة:

*   **بحث السوق**: يمكن لنموذج اللغة الكبيرة تلخيص الأخبار أو الملفات. يقوم وكيل، مدعومًا ببيانات وصف سياقية، بتصفية وتحديد أولويات وتسليط الضوء على ما هو ذي صلة بقرارات الاستثمار المخصصة للمستثمر.
*   **تحليل مشاعر العملاء**: يقرأ نموذج اللغة الكبيرة المشاركات الاجتماعية أو الاستطلاعات. يجمع الوكلاء، الذين تم توضيحهم بواسطة الكتالوج، الرؤى، ويتتبعون الاتجاهات، ويربطون النتائج بمديري العلاقات.
*   **الاحتيال والامتثال**: تقوم نماذج اللغة الكبيرة بتحليل البيانات غير المنظمة. يقوم الوكلاء بتنظيم اكتشاف الشذوذ باستخدام التعريفات من الكتالوج، ثم يقومون بأتمتة التقارير والمهام المتابعة لمنع المخاطر التشغيلية.

في كل سيناريو، يوفر النموذج النطاق والطلاقة، لكن الجمع بين الوكيل وكتالوج السياق يخلق الصلة والتركيز والقدرة على اتخاذ الإجراءات.

دعم الحكم البشري

يفترض البعض أن الوكلاء أو نماذج اللغة الكبيرة ستحل محل البشر. في خدمات التمويل، من غير المحتمل حدوث ذلك. يقدم البشر الحكم والإشراف والتفكير الاستراتيجي الذي لا يمكن أتمتته. يعزز الوكلاء وكتالوج السياق قدرات البشر من خلال ضمان أن المعلومات دقيقة ومؤطرة وجاهزة لاتخاذ القرارات. إنهم يتعاملون مع المهام المتكررة أو المستغرقة للوقت أو الموزعة بشكل كبير.

عندما يتم دمجها، تخلق نماذج اللغة الكبيرة والوكلاء وكتالوج السياق حلقة تغذية راجعة: يولد النموذج الرؤية؛ يقوم الوكيل بتحديد أولوياتها وتنظيمها؛ يثبت الكتالوج ذلك في الحقيقة التنظيمية. أخيرًا، يتخذ البشر القرارات.

النتيجة هي نتائج أسرع وأكثر ثقة ودقة. يقضي المحللون والقادة وقتًا أقل في جمع المعلومات ووقتًا أكثر في اتخاذ الإجراءات بناءً عليها.

الإلزام التنافسي

تظل المؤسسات المالية التي تعتمد فقط على نماذج اللغة الكبيرة تفاعلية. بينما تكتسب تلك التي تدمج الوكلاء وكتالوج السياق الاستباقية والكفاءة والرؤية على نطاق واسع. تعتبر نماذج اللغة الكبيرة ضرورية ولكنها غير مكتملة. يحولها الوكلاء إلى أنظمة تقدم قيمة حقيقية. يضمن الكتالوج أن تلك الأنظمة تعمل على تعريفات موثوقة وبيانات قابلة للتحقق.

توجد صناعة الخدمات المالية في نقطة تحول. أصبحت نماذج اللغة الكبيرة أداة أساسية. تأتي الميزة التنافسية الآن من تصميم الأنظمة التي تنظم الذكاء، وتوفر السياق، وتدمج عبر سير العمل. الذين يفهمون هذه الحقيقة سيحددون العصر التالي من الابتكار في التكنولوجيا المالية.

توفر نماذج اللغة الكبيرة القوة. توجه الوكلاء وكتالوج السياق تلك القوة وتجعلها مفيدة. معًا، يسمحون لمنظمات الخدمات المالية برؤية بوضوح، والعمل بثقة، واتخاذ قرارات أكثر ذكاءً.

عن المؤلف

ألكسندر والش هو المؤسس المشارك والرئيس التنفيذي لشركة أوريون. مع خلفية متنوعة في الاستراتيجية والتمويل والتوسع الدولي، قضى ألكسندر أكثر من عقد من الزمن في دفع النمو لشركات عالمية رائدة. قبل تأسيس أوريون، شغل منصب مدير التوسع الدولي في Via.work، حيث ساعد في توسيع العمليات العالمية للشركة وقادها إلى خروج ناجح عبر الاستحواذ من JustWorks. تشمل خبرته أدوارًا في Apple وN26 وSilicon Valley Bank، حيث تخصص في العمليات والامتثال واتخاذ القرار القائم على البيانات. تكمن خبرة ألكسندر في استراتيجية الأعمال والإدارة المالية واستغلال الأتمتة لدفع النمو وتحويل الأعمال.