Store språkmodeller (Large Language Models, LLM) har potensial til å forbedre effektiviteten og sikkerheten i finanssektoren ved å oppdage svindel, generere økonomisk innsikt og automatisere kundeservice, ifølge forskning fra Alan Turing Institute.

Fordi LLM-er har evnen til å analysere store datamengder raskt og generere sammenhengende tekst, er det økende forståelse for potensialet for å forbedre tjenester i en rekke sektorer, blant annet helsevesen, jus, utdanning og finansielle tjenester som bank, forsikring og finansiell planlegging.

Denne rapporten, som er den første som undersøker bruken av LLM-er i finanssektoren, viser at de som jobber på dette området, allerede har begynt å bruke LLM-er til å støtte en rekke interne prosesser, for eksempel gjennomgang av regelverk, og vurderer potensialet for å støtte eksterne aktiviteter som levering av rådgivnings- og handelstjenester.

I tillegg til en litteraturstudie arrangerte forskerne en workshop med 43 fagpersoner fra store high street- og investeringsbanker, tilsynsmyndigheter, forsikringsselskaper, betalingstjenesteleverandører, myndigheter og jurister.

Flertallet av workshopdeltakerne (52 %) bruker allerede disse modellene til å forbedre ytelsen i informasjonsorienterte oppgaver, fra håndtering av møtenotater til innsikt i cybersikkerhet og compliance, mens 29 % bruker dem til å styrke evnen til kritisk tenkning, og ytterligere 16 % bruker dem til å bryte ned komplekse oppgaver.

Sektoren er også allerede i gang med å etablere systemer for å øke produktiviteten gjennom rask analyse av store tekstmengder for å forenkle beslutningsprosesser, risikoprofilering og forbedre investeringsanalyser og backoffice-aktiviteter.

På spørsmål om fremtiden for LLM i finanssektoren mente deltakerne at LLM vil bli integrert i tjenester som investeringsbankvirksomhet og strategiutvikling for risikokapital innen to år.

De mente også at det var sannsynlig at LLM vil bli integrert for å forbedre samspillet mellom mennesker og maskiner, for eksempel ved at diktering og innebygde AI-assistenter kan redusere kompleksiteten i kunnskapsintensive oppgaver som gjennomgang av regelverk.

Men deltakerne erkjente også at teknologien innebærer risikoer som vil begrense bruken av den. Finansinstitusjonene er underlagt omfattende regulatoriske standarder og forpliktelser, noe som begrenser deres mulighet til å bruke AI-systemer som de ikke kan forklare og som ikke genererer resultater på en forutsigbar, konsistent og feilfri måte.

På bakgrunn av funnene anbefaler forfatterne at fagfolk innen finanssektoren, tilsynsmyndigheter og beslutningstakere samarbeider på tvers av sektoren for å dele og utvikle kunnskap om implementering og bruk av LLM, særlig med tanke på sikkerhet. De mener også at den økende interessen for modeller med åpen kildekode bør utforskes, og at disse kan brukes og vedlikeholdes effektivt, men at det er svært viktig å ta hensyn til sikkerhets- og personvernhensyn.

Professor Carsten Maple, hovedforfatter og Turing Fellow ved Alan Turing Institute, sier: “Banker og andre finansinstitusjoner har alltid vært raske til å ta i bruk ny teknologi for å effektivisere driften, og fremveksten av LLM-er er ikke noe unntak. Ved å samle eksperter fra hele det finansielle økosystemet har vi klart å skape en felles forståelse av bruksområder, risiko, verdi og tidslinje for implementering av disse teknologiene i stor skala.”

Professor Lukasz Szpruch, programdirektør for finans og økonomi ved Alan Turing Institute, sier: “Det er veldig positivt at finanssektoren drar nytte av fremveksten av store språkmodeller, og implementeringen av dem i denne sterkt regulerte sektoren har potensial til å gi beste praksis for andre sektorer. Denne studien viser fordelen ved at forskningsinstitutter og næringslivet samarbeider om å vurdere de enorme mulighetene og de praktiske og etiske utfordringene ved nye teknologier for å sikre at de implementeres på en trygg måte.”