德意志银行研究我的 AI 革命在哪里 ？ 实用方法 ， 你可以得到更少的聊天 ， 更多的行动# 积极影响2023 年 11 月Adrian Cox专题研究 (+ 44) - 20 - 7541 - 7775Galina Pozdnyakova(+44)-20-754-74994重要的研究披露和分析师认证位于附录 1 。 MCI (P) 097 / 10 / 2022 。直到 2021 年 3 月 19 日 ， 未完成的披露信息可能已经显示 ， 有关更多细节 ， 请参阅附录 1 。图片来源 ： DALL - E 自推出以来 ， 生成型 AI 无处不在 ， 无处大约一年前的 ChatGPT 。批评者指责基础大语言模型 （ LLM ） 技术的缺点。但是技术不是一个孤岛 ： 它不仅取决于以前的创新 ， 还取决于人们将其加入并将其装配到需要时间来创建和推出的硬件和软件框架中。有时这些元素永远不会融合在一起 ： 从中美洲挖出的轮式 “玩具 ” 显示了如果没有马匹或牛来拉 ， 您如何理解车轮 ， 但又无法飞跃到诸如手推车和战车之类的实际应用。相比之下 ， 生成 AI 的资源并不短缺。企业早期使用它的障碍很大 ， 但更多的是行人 ： 技术和数据 ， 治理和人员。在本实用指南中 ， 我们解释了为什么这些障碍很重要 ， 以及您如何在自己的公司中开始克服这些障碍 ， 从而朝着生产力和创造力革命迈出一步。目录I.为什么生成 AI 仍然是等待的革命 ？II.从绘图板到会议室III.实用指南 ： 技术与数据、治理、人员IV.附件 ： 相关研究公司 www. dbResearch. com / ai德意志银行研究 | 阿德里安 · 考克斯 （ + 44 ） 20 7541 7775 | 2023 年 11 月1AI 无处不在。为什么 ？图片来源 ： DALL - E I.为什么生成 AI 仍然是等待的革命 ？德意志银行研究 | 阿德里安 · 考克斯 （ + 44 ） 20 7541 7775 | 2023 年 11 月2 少数股权公开发行私人投资并购10080604020在编码 ， 数学和基于语言的知识测试中表现最佳的 AI 系统 * *数学和知识测试 ： 专家人类的近似分数所有知识测试数学编码竞赛编码访谈 STEM社会科学人文科学300250200150100500250200150100按类型划分的全球企业对人工智能的年度投资 （ 十亿美元 ） *2013201420152016201720182019202020212022在公司成绩单中提及生成性 AI 主题02 月 19 日 1 月 20 日 12 月 20 日 11 月 21 日Oct - 22500第三季度 2022 Q4 2022 Q1 2023 Q2 2023 Q3 2023来源 ： NetBase Qid 通过 AI 指数报告 （ 2023 ），带有代码的论文 （ 2023 ），我们的数据世界，彭博财经 LP，德意志银行。* 注 ： 数据以 2021 年不变美元表示。通胀调整基于美国消费者价格指数 (CPI) 。* * 注意 ： 编码性能是通过 APPS 基准测试来衡量的 ； 数学性能是通过 MATH 基准测试来衡量的 ； 以及基于语言的知识测试是通过 MMLU 基准测试来衡量的。不应直接比较这些基准的性能，因为它们使用不同的性能指标并测试不同的技能。德意志银行研究 | 阿德里安 · 考克斯 （ + 44 ） 20 7541 7775 | 2023 年 11 月3人工智能变得越来越聪明 ， 资金越来越多 ... ... 每个人都在谈论它知识测试 ： 非专家人类的平均分标准普尔 500 指数斯托克 600 100%90%80%70%60%50%40%30%20%10%0%US欧洲 *资料来源 ： dbDIG ， 德意志银行。 * 注 ： 欧洲是英国、法国、德国、意大利和西班牙的平均值。德意志银行研究 | 阿德里安 · 考克斯 （ + 44 ） 20 7541 7775 | 2023 年 11 月4我的 AI 革命在哪里 ？尽管美国和欧洲大约三分之二的人听说过 ChatGPT 和其他 AI 助手 ， 但只有五分之一的人尝试过 ChatGPT ， 企业对生成 AI 的使用仍然有限 ， 主要是实验性的在那些听说过 AI 助手的受访者中 ：听说过 AI 助手当前的就业地点刚刚开始使用 AI 助手已使用 / 尝试过 ChatGPT 客户抵制3. People人才库有限管理阻力员工电阻2. 治理幻觉 ： 诽谤等风险偏见 ： 声誉风险不明来源 ： 法律 / 知识产权风险协调战略和利益相关者监管机构不确定性1. 技术和数据来源 ： 德意志银行与遗留系统的复杂技术集成需要量身定制、安全、高质量的数据数据隐私 ：泄漏风险德意志银行研究 | 阿德里安 · 考克斯 （ + 44 ） 20 7541 7775 | 2023 年 11 月5企业 AI 革命的三个障碍即使公司有充分的理由使用 AI ， 也存在许多障碍 ， 从技术和数据到治理 ， 其中一些是 AI 特有的 ， 再到公司内外的人 多个推动者加在一起 ， 使技术成为可能•全球定位系统 （ GPS ） ， 1978•SIM卡和商用 GSM 漫游标准 ， 1991 年•PayPal 前身成立 ， 1998 年•第一批集成照相手机 ， 2000 年代初苹果 iPhone 2007用例和新技术出现•Apple App Store ， 支持第三方开发 ， 2008 年•Uber ， 2011 年和 Door Dash 食品交付应用程序 ， 2012 年 ， 由智能手机以及地图和支付软件启用•2016 年 ， 移动网络使用超过 PC ， 促进社交媒体通往生成 AI 的道路•传统的 ， 象征性的 ， 良好的老式 AI （ GOFAI ） ， 1950 年代至 2000 年代 ， 例如基于规则的模式识别•AlexNet 深度神经网络 ， 2012 年和 Transformer ， 2017 年 ， 在计算能力和数据呈指数级增长的帮助下•GPT - 1 ， 2018 ， 到 GPT - 3 ， 2020OpenAI ChatGPT 2022 年 11 月 30 日用例和新技术仍然存在出现•第三方插件 ， 高级数据分析功能 ， 企业治理 ， 2023 年•早期用于自然语言任务 ， 副驾驶 ， AI 助手•新的集成软件或硬件 ， 例如增强 / 虚拟现实 ， 导致杀手级应用程序 ？•企业仍在尝试德意志银行研究 | 阿德里安 · 考克斯 （ + 44 ） 20 7541 7775 | 2023 年 11 月6创新的历史表明 ， 没有技术是一座孤岛生成 AI 具有许多功能 ， 例如使软件开发和交互变得前所未有 ， 但历史表明 ， 随着功能与新的软件和硬件融合 ， 杀手级应用程序需要时间才能发展。 II.从绘图板到会议室德意志银行研究 | 阿德里安 · 考克斯 （ + 44 ） 20 7541 7775 | 2023 年 11 月7 更大...收入与成本重点治理问题的复杂性中断Processes商业模式•在现有生产和交付中存在摩擦的地方 - 即使尚未意识到AI 颠覆价值链的范围长期•以收入为中心 ； 新的机会参赛者•新的商业模式可能会破坏性地将 AI 与其他技术结合起来中期•以成本为中心 ； 现任者的机会•简化操作 ； 提取更多任务•成本高昂、重复且效率低下的地方•半自动化流程已经提供了大量数据来识别运营模式和模板来自专有数据的价值 ； 改进的软件工程 ； 可能会影响第三方、劳动密集型功能 ， 如客户服务短期•重复的地方 ， 可以通过一系列步骤进行记录•自然语言和非结构化数据以前不受自动化的影响•提高工作效率; 自动化或重新设计结构化任务•人工智能实施可能包括由工具 （ 例如副驾驶 ） 增强的个人生产力来源 ： 德意志银行德意志银行研究 | 阿德里安 · 考克斯 （ + 44 ） 20 7541 7775 | 2023 年 11 月8您如何在业务中使用生成式 AI ？在适当的时候 ， 创新将破坏商业模式 •可以是免费的 ， 包括增强搜索 （ 例如 Google Bard ， Microsoft Bing ） 或基本的聊天机器人 （ 例如 ChatGPT ， 它依赖于信息的训练数据 ）•高级模型包括企业附加组件 （ 例如 ， 您的数据不用于培训 ）•Copilot ， 例如 Microsoft 的新 365 Copilot ， 使用 LLM 来利用来自各个用户应用程序的数据•通过几个例子给出尽可能多的上下文 （ “少量学习 ” ）•因此 ， 答案比使用搜索引擎等聊天机器人更相关 ， 通常更准确•几乎不需要编程 ， 但确实需要反复测试哪些提示效果最好•比即时工程更可靠的结果•直接使用来自信息存储的特定上下文 （ 即您拥有和信任的数据 ）•更复杂的工程师; 通常使用一个框架 ， 如 LangChain ， 和 “矢量存储 ” 为您的数据•灵活 ， 因为零件可以根据需要调入和调出•比 RAG 略好的结果•使用特定于域的数据更新模型本身 ， 因此给出了更多的上下文答案•更复杂的编程和治理问题 ， 公司需要更新•相当不灵活 ， 因为需要更新权重和参数•最高质量的输出 ： 准确且不易产生幻觉•模型是在特定于您的用例的数据上从头开始训练的•实施起来非常复杂 ， 昂贵且耗时 ， 包括管理大量数据并维护再培训周期来源 ： 德意志银行。有关检索增强一代 （ RAG ） 工作原理的示例 ， 请参阅附件增强搜索,chatbots 和提示e工程检索增强生成 (RAG)微调副翼训练自己的基础模型通常情况下 ， 更量身定制 （ 相关和准确 ） ， 复杂 ， 难以实施 ， 昂贵和安全德意志银行研究 | 阿德里安 · 考克斯 （ + 44 ） 20 7541 7775 | 2023 年 11 月9企业有哪些选择 ？使用 LLM 与数据进行交互的方法有很多 ， 包括总结、问答和想法生成 ； 在风险很高的地方 ， 成本和复杂性大幅上升 ， 信息需要准确和相关 关键初始标准•可取性 (客户: 相关性)•可行性 (业务: 成本)•可行性 （ 技术 ： 能力 ）成功的关键因素•质量 （ 精度和速度 ）•解的复杂性•努力实施和改变• Cost• 安全优点较低的初始成本适用于有通用解决方案时可以 （ 相对 ） 轻松购买Build创建核心 AI 解决方案使用 in -房屋能力合作伙伴优点完全控制数据 ， 从而实现长期 IP 和潜在的货币化可扩展缺点数据只有在可以访问的情况下才有价值 ， 并且是独一无二的 ， 需要内部技术专长昂贵 ， 如果只适用于小单位优点可能定制随着技术的发展而升级缺点不适合高度定制的应用程序可能与供应商关系 / IT 相关处理软件、 API 或使用开放源代码与已经具备能力的供应商合作更快的执行缺点对第三方的依赖 ， 特别是如果软件是集成的德意志银行研究 | 阿德里安 · 考克斯 （ + 44 ） 20 7541 7775 | 2023 年 11 月10企业的关键决策是什么 ？ 前台办公室Operations风险管理1.数据分析投资分析、研究•积极主题投资的评估模式流程优化•分析和优化流程和成本•通过分析多个来源来分析客户数据 ， 例如信誉和贷款申请模式检测•不良贷款的动态风险评估和预测•发现数据中的异常以协助欺诈检测、 AML 、 KYC 和法规遵从性•检测复杂的支付、注册和登录欺诈行为 ， 这些欺诈行为不符合传统的基于规则的系统2.内容生成研究、沟通、投资者关系、销售说明•个性化产品、服务和营销•量身定制的产品 ， 如机器人顾问、定制报告编码支持•为原型 （ 例如支付系统 ） 和测试生成示例代码 ， 然后开发人员可以完善•以多种旧式语言简化广泛的 IT 系统合规报告•提取相关信息并生成合规报告•通过创建合成数据来改进底层算法来增强功能3.客户服务, 支持自动化 / 增强支持•过滤非结构化呼叫 ，