شارك رئيس قسم المعلومات في Wells Fargo، تشينتان ميهتا، رؤى حول استخدام البنك لتطبيقات الذكاء الاصطناعي التوليدية، مشيرًا إلى أن تطبيق المساعد الافتراضي، Fargo، تعامل مع 20 مليون تفاعل منذ إطلاقه في مارس. وقال ميهتا في حدثٍ في سان فرانسيسكو: "نعتقد أن لديه القدرة على إدارة ما يقرب من 100 مليون تفاعل سنويًا"، مؤكدًا أن هذا العدد سيزداد مع تحسين القدرات وأنواع المحادثات.
إن تقدم البنك في مجال الذكاء الاصطناعي ملحوظ جدًا، خصوصًا مقارنة بالعديد من الشركات الكبيرة التي لا تزال في مرحلة إثبات المفهوم. على الرغم من التوقعات بأن البنوك الكبرى ستتقدم بحذر بسبب المخاوف التنظيمية، إلا أن Wells Fargo تتقدم بسرعة. وقد انضم 4,000 موظف إلى برنامج الذكاء الاصطناعي القائم على الإنسان في جامعة ستانفورد، ولديهم العديد من مشاريع الذكاء الاصطناعي التوليدية التي هي قيد الإنتاج، مع التركيز على زيادة كفاءة الأعمال.
تحدث ميهتا خلال حدث AI Impact Tour، والذي يهدف إلى مساعدة الشركات الكبيرة على وضع إطار لحوكمة الذكاء الاصطناعي، خاصة فيما يتعلق بتطبيقات الذكاء الاصطناعي التوليدية التي تستخدم نماذج اللغة الكبيرة (LLMs) للحصول على استجابات ذكية. باعتبارها واحدة من أكبر ثلاثة بنوك في الولايات المتحدة، حيث تمتلك أصولًا تبلغ 1.7 تريليون دولار، تستخدم Wells Fargo نماذج LLM بشكل نشط عبر خدماتها.
يقدم Fargo، المساعد الافتراضي المستند إلى الهاتف الذكي، إجابات فورية لاستفسارات العملاء المصرفية عبر الصوت أو النص. يبلغ متوسط التفاعلات حاليًا 2.7 تفاعل لكل جلسة، ويمكنه تنفيذ مهام مثل دفع الفواتير واستفسارات المعاملات. ومعتمدًا على Google Dialogflow واستخدام نموذج Google PaLM 2، يتطور Fargo ليستخدم نماذج LLM متعددة لوظائف مختلفة، حيث أكد ميهتا: "لا تحتاج إلى نفس النموذج الكبير لكل شيء".
تطبيق آخر، Livesync، يساعد العملاء في وضع الأهداف والتخطيط. بُني حديثًا، وسرعان ما جذب مليون مستخدم نشط شهريًا في شهره الأول.
كما تبنت Wells Fargo نماذج LLM مفتوحة المصدر، بما في ذلك نموذج Llama 2 من Meta، للاستخدام الداخلي. على الرغم من أن تبني النماذج مفتوحة المصدر قد كان بطيئًا منذ الزيادة الكبيرة في الاهتمام بـ ChatGPT من OpenAI في أواخر 2022، فإن هذه النماذج تسمح بمزيد من التخصيص والتحكم، مما يفيد الاستخدامات المحددة، وفقًا لميهتا.
طوّر البنك منصة ذكاء اصطناعي تسمى Tachyon لدعم مبادراته في هذا المجال. تعتمد هذه المنصة على مبادئ أنه لا يوجد نموذج ذكاء اصطناعي واحد سيسيطر، وأن البنك سيستخدم مزودي خدمات سحابية متعددة، وأن هناك تحديات في نقل البيانات بين قواعد البيانات المختلفة. تتمتع Tachyon بالقدرة على التكيف، مما يمكّن من دمج نماذج جديدة وأكبر مع الحفاظ على الأداء والمرونة. تعزز تقنيات مثل تقسيم النموذج وتقسيم التنسور من كفاءة التدريب وتقلل من متطلبات الحوسبة.
وفيما يتعلق بالمستقبل، أشار ميهتا إلى أن نماذج LLM متعددة الوسائط، التي تسهل التواصل عبر الصور والفيديو والنص، ستكون حاسمة. قدم سيناريو افتراضي لتطبيق تجاري يمكن فيه للمستخدمين تحميل الصور، واستخدام مساعد افتراضي لحجز الخدمات المتعلقة بتلك الصور بسلاسة. بينما تتطلب النماذج متعددة الوسائط الحالية مدخلات نصية كبيرة للحصول على السياق، أوضح أن زيادة قدرة النموذج على فهم النوايا مع نص أقل هي مجال اهتمام رئيسي.
أكد ميهتا أن القيمة الأساسية للبنوك—مطابقة رأس المال مع احتياجات العملاء—تبقى ثابتة، مع تركيز الابتكار على تحسين تجربة المستخدم. وصف الإمكانية لنماذج LLM لتصبح أكثر "نشاطًا"، مما يمكّن المستخدمين من إتمام المهام بسلاسة من خلال مدخلات متعددة الوسائط.
فيما يتعلق بحوكمة الذكاء الاصطناعي، أكد ميهتا على أهمية تحديد هدف كل تطبيق بشكل واضح. رغم تناول الكثير من التحديات المتعلقة بالحوكمة، لا تزال المخاوف بشأن أمان التطبيقات، بما في ذلك الأمن السيبراني والاحتيال، قائمة.
أعرب ميهتا عن القلق بشأن تأخر تنظيمات البنوك التي تجد صعوبة في مواكبة التقدم في الذكاء الاصطناعي التوليدي والتمويل اللامركزي. قال: "هناك فجوة متزايدة بين طموحاتنا والتنظيمات الحالية"، مشيرًا إلى أن التغييرات التنظيمية قد تؤثر بشكل كبير على عمليات واستراتيجيات Wells Fargo الاقتصادية.
للتنقل في هذا المشهد، يستثمر البنك موارد كبيرة في الذكاء الاصطناعي القابل للتفسير، وهو مجال بحث يركز على فهم الأسباب وراء استنتاجات نماذج الذكاء الاصطناعي.
قائمة الترتيب
