ChatGPT kommer till finans, så låt oss prata om risker och belöningar

Lanseringen av ChatGPT skickade världen in i en frenesi. Inom fem dagar efter lanseringen hade det över en miljon användare. Inom två månader bröt rekord som den snabbast växande konsumentapplikationen i historien, med 100 miljoner användare. För perspektivs skull tog det TikTok nio månader och Instagram 2,5 år för att nå den milstolpen.

Sedan dess har generativ AI byggts upp till en feberpitch i nästan varje sektor, inklusive finans. BloombergGPT tillkännagavs i slutet av mars, och dess funktioner inkluderar sentimentanalys, riskbedömning, bedrägeridetektering och dokumentklassificering, samt andra finansiella NLP-uppgifter.

Nu när Pandoras ask har öppnats finns det ingen återvändo. Vi kommer att se generativ AI och LLM ta en mer betydande roll i den finansiella sektorn, vilket troligen kommer att leda till att investeringsexperter byter till nya positioner som betonar promptteknik och kontextuell analys.

Eftersom förändringen är oundviklig är det logiska nästa steget att felsöka systemet, så att säga, genom att titta på de potentiella riskerna och överväga sätt att mildra dem.

Risk: Bekräftelsebias och överdriven tillit till maskinell “expertis”

För närvarande upplever de finansiella marknaderna allvarliga svängningar som lämnar alla utom de mest järnstarka investerarna känslan av åksjuka. Låt oss nu överväga vad som kan hända om vi lägger till en betydande kohort av finansiella rådgivare som är starkt beroende av AI för att ge investeringsråd.

Det är sant att vi alla vet att AI är benägen för bias; vi vet också att mänsklig natur gör oss mycket mer benägna att lita för mycket på maskiner, särskilt de som verkar mycket intelligenta. Denna bias – som kallas “maskinheuristik” – kunde alltför lätt urarta om proffs börjar lita för mycket på AI-prediktioner och inte kontrollerar utdata mot sin egen kunskap och erfarenhet.

Den nuvarande iterationen av ChatGPT håller i princip med allt du säger, så om människor börjar fråga ChatGPT om finansiella marknader baserat på otydlig, ofullständig eller falsk information, kommer de att få svar som bekräftar deras idéer, även om de är fel. Det är lätt att se hur detta kunde leda till katastrof, särskilt när mänskliga bias eller en aning av lat faktakontroll läggs till i mixen.

Belöning: Förbättrad effektivitet, produktivitet, riskhantering och kundtillfredsställelse

Hedgefonder som Citadel och bankjättar som Morgan Stanley har redan börjat använda denna teknik som en kunskapsresurs eftersom den är så skicklig på att slutföra rutinuppgifter som dataorganisering och riskbedömning. När den införlivas som ett verktyg i en investeringsproffs verktygslåda kan den hjälpa finansiella chefer att fatta bättre beslut på kortare tid, vilket frigör dem att göra de expertdrivna delarna av jobbet som de tycker mest om.

Det kan också analysera finansiell data i realtid, identifiera bedrägeritransaktioner och vidta omedelbara åtgärder för att förhindra förluster. Att upptäcka dessa bedrägerimönster skulle vara svårt eller omöjligt att upptäcka med traditionella metoder. Finansiella institutioner i USA ensam förlorade över 4,5 miljarder dollar till bedrägeri under 2022, så detta är en stor belöning för banker.

Dessutom möjliggör generativ AI smartare virtuella assistenter för att tillhandahålla personlig och effektiv kundservice dygnet runt. Till exempel har Indiens Tata Mutual Fund samarbetat med konversationsplattformen Haptik för att skapa en chatbot som hjälper kunder med grundläggande kontoförfrågningar och tillhandahåller finansiell rådgivning, vilket ledde till en minskning av samtal med 70 % och bättre kundtillfredsställelse.

Risk: Otillräckliga efterlevnadregler

Det är svårt att föreställa sig, men GPT:s otroliga kraft är fortfarande i relativ barndom. Framtiden kommer utan tvekan att se en iteration som är så sofistikerad att vi inte kan förstå dess förmågor fullt ut. På grund av detta måste den globala gemenskapen etablera strikta, omfattande regleringsramar som säkerställer dess rättvisa och etiska användning. Annars är det troligt att vi kommer att se diskriminerande metoder uppstå som ett resultat av bias i data, antingen avsiktligt eller oavsiktligt.

Just nu saknas konsekventa kontroller, vilket lämnar företag och länder kämpande för att bestämma hur de ska hantera denna teknik och hur stränga deras begränsningar bör vara. Till exempel har många organisationer inom sektorer som hanterar känsliga data, såsom finans, hälsovård och regering, helt förbjudit all användning av ChatGPT eftersom de inte vet hur säkra deras data kommer att vara. Amazon, Verizon, JPMorgan Chase, Accenture och Goldman Sachs är alla exempel på denna omfattande förbud.

På en större skala är länderna i samma regleringslimbo, med vissa, som Tyskland och Italien, utfärdar tillfälliga förbud tills de kan säkerställa att det inte kommer att utlösa GDPR-brott. Detta är en allvarlig oro för alla EU-medlemmar, särskilt i kölvattnet av kända data läckor som redan rapporterats av OpenAI.

Tyvärr är regulatorerna redan ganska långt efter kurvan när det gäller att utveckla solida rättsliga ramverk för denna teknik. Men när de kommer ikapp kan vi förvänta oss att se GPT ta sin plats i varje sektor av den globala gemenskapen.

Belöning: Bättre reglering innebär snabbare antagande

Bristen på kontroller för GPT-teknik är en stor flaskhals för en mer omfattande antagande. Ja, det är en trendig nyhet just nu, men det kan inte ses som en seriös del av någon långsiktig företagsstrategi utan omfattande regler och riktlinjer för dess användning.

När den globala gemenskapen har utvecklat och infört lämpliga ramverk kommer företag att känna sig mer bekväma med att investera i denna teknik, vilket kommer att öppna upp en helt ny våg av användningsfall över till och med de mest cybersäkerhetsinriktade sektorerna som hälsovård och regering.

Risk: Översvämning av finansiella marknader med amatörer

Tidigare nämnde jag problemet med att generativ AI endast kan ge utdata baserat på dess indata. Detta problem har bredare implikationer än att tillåta erfarna proffs att vara lite lata. Åtminstone har branschveteranerna den bakgrund och de färdigheter som behövs för att sätta in data i sitt sammanhang, vilket är mer än vad som kan sägas om amatörerna som tror att de kan utge sig för att vara proffs genom att lära sig använda ChatGPT.

Det finns inget fel med att vara en DIY-investerare, särskilt om du njuter av att utforska finansiella marknader och experimentera med risk på egen bekostnad. Problemet är när dessa relativt outbildade personer med lite pengar och mycket fritid bestämmer sig för att de är mer kompetenta än de faktiskt är på grund av AI och utger sig för att vara proffs. Deras brist på verklig världserfarenhet och formell utbildning kommer troligen att orsaka en hel del kortvarig kaos och lägga extra stress på riktiga proffs.

Belöning: ChatGPT kan ge proffs en långsiktig ryktesboost och demokratisera finansiell rådgivning

Den goda nyheten här är att om de riktiga veteranerna kan överleva besväret med en tillfälligt översvämmad marknad, kommer de att se hur snabbt människor tröttnar på att höra generisk rådgivning som de kunde ha läst på Yahoo Finance och se amatörerna försvinna från marknaden lika snabbt som de gick in, vilket lämnar endast de erfarna rådgivarna att ta hand om de nu rådgivar-lösa kunderna som vill betala för expert hjälp från någon som kan leverera verkliga resultat.

På andra sidan av ekvationen kan ChatGPT också spela en roll i att minska gapet i finansiell kunskap och hjälpa dem som inte har tillgång till en professionell rådgivare att lära sig några grundläggande strategier för att optimera sin ekonomi. Dess förmåga att generera användbar, grundläggande investeringsråd innebär att det nu är möjligt att börja göra finansiell utbildning mer tillgänglig, även för dem som tidigare inte har kunnat betala för professionella finansiella tjänster. Att sänka barriärerna för bättre finansiell stabilitet är en extremt viktig fördel med denna teknik eftersom endast en av tre vuxna i den globala gemenskapen är finansiellt litterata.