OpenAI نسخه ChatGPT for Financial Services را عرضه کرد؛ نسخه‌ای از هوش مصنوعی مکالمه‌ای خود که با فیدهای داده‌های بازار مانند PitchBook و Crunchbase عرضه می‌شود، با استانداردهای امنیتی سطح بانکی مطابقت دارد و وعده می‌دهد که اسناد اختصاصی مشتری را برای آموزش مدل جذب نمی‌کند.
بانک‌ها سال‌هاست که چشم به هوش مصنوعی مولد دوخته‌اند، اما دو مشکل مانع آن‌ها شده است: نیاز به تغذیه مدل با صورت‌های مالی داخلی و دشواری تضمین اینکه آن اسناد هرگز از دیوار آتش (firewall) شرکت خارج نشوند. پیشنهاد جدید OpenAI سعی دارد هر دو مشکل را حل کند. این سرویس به جای اینکه کاربران را ملزم به بارگذاری گزارش‌های سود، ترازنامه‌ها یا صفحات گسترده جریان معاملات کند، از قبل شامل مجموعه‌ای منتخب از داده‌های عمومی و دارای مجوز است که می‌توان مستقیماً از آن‌ها پرس‌وجو کرد. این پلتفرم همچنین از قوانین امنیتی سخت‌گیرانه بانکی پیروی می‌کند. مهم‌تر از همه، این شرکت می‌گوید که مدل «مستقل از داده» (data-agnostic) است – یعنی می‌تواند بدون ذخیره یا استفاده از فایل‌های بارگذاری‌شده مشتری برای بهبود مدل زیربنایی، بینش‌هایی تولید کند.
این اقدام در حالی صورت می‌گیرد که موسسات مالی برای کاهش زمان تبدیل اعداد خام به یادداشت‌های سرمایه‌گذاری، ارزیابی‌های اعتباری یا گزارش‌های انطباق، در تلاش هستند. تحلیلگران به‌طور سنتی ساعت‌ها وقت صرف کنار هم قرار دادن داده‌ها از چندین فروشنده مختلف و سپس نگارش دستی روایت‌ها می‌کنند. ابزار OpenAI به بانکداران کمک می‌کند تا صورت‌های سود و زیان (P&L) را تحلیل کرده و اسناد را سریع‌تر ایجاد کنند.
امنیت و حریم خصوصی داده‌ها، روی دیگر سکه است. OpenAI با تضمین اینکه داده‌های مشتری هرگز به چرخه آموزش باز نمی‌گردد، از انتقاد رایج مبنی بر اینکه ارائه‌دهندگان هوش مصنوعی ممکن است به‌طور ناخواسته از اطلاعات محرمانه شرکت‌ها «یاد بگیرند» و آن‌ها را در معرض سایر مشتریان قرار دهند، جلوگیری می‌کند.
OpenAI همزمان در حال لابی‌گری در کنگره برای تصویب مجموعه جدیدی از قوانین ایمنی هوش مصنوعی است. این شرکت از قانون‌گذاران می‌خواهد که استانداردهای آزمایشی را بر قدرتمندترین سیستم‌ها اعمال کنند و تمرکز آن‌ها به‌جای ده‌ها استارتاپ کوچک‌تر که اکوسیستم هوش مصنوعی را پر کرده‌اند، بر آزمایشگاه‌های تحقیقاتی بزرگ باشد. این فشار نشان می‌دهد که OpenAI قطعیت مقرراتی را پیش‌نیاز ادغام عمیق‌تر در بخش‌های حساس مانند امور مالی می‌بیند؛ جایی که یک خطای واحد در مدل می‌تواند منجر به نقض قوانین انطباق یا ضرر مالی شود.
مخاطرات برای همه طرف‌ها بالا است. برای بانک‌ها، این فناوری می‌تواند به جریان سریع‌تر معاملات، کاهش هزینه‌های پرسنلی و مزیت رقابتی در صنعتی تبدیل شود که در آن سرعت اغلب تعیین‌کننده برنده است. برای OpenAI، تثبیت جایگاه در خدمات مالی، یک جریان درآمدی پرسود را باز می‌کند و نمونه‌ای از کاربرد را به نمایش می‌گذارد که می‌تواند در سایر حوزه‌های تحت نظارت مانند بیمه یا مراقبت‌های بهداشتی نیز تکرار شود. نهادهای ناظر تصویر روشن‌تری از نحوه محافظت یک ارائه‌دهنده بزرگ هوش مصنوعی از داده‌های حساس به دست می‌آورند، اما آن‌ها با مجموعه جدیدی از ریسک‌ها نیز روبرو می‌شوند: عدم شفافیت مدل‌های زبانی بزرگ، پتانسیل سوگیری سیستماتیک در فیدهای داده‌های بازار، و چالش نظارت بر توصیه‌های تولیدشده توسط هوش مصنوعی که ممکن است برای تصمیمات سرمایه‌گذاری استفاده شوند.
منتقدان هشدار می‌دهند که تکیه بر یک فروشنده خارجی واحد هوش مصنوعی می‌تواند شکل جدیدی از وابستگی به فروشنده (vendor lock-in) ایجاد کند، به‌ویژه اگر بانک‌ها این ابزار را در جریان‌های کاری اصلی پذیره‌نویسی یا انطباق ادغام کنند. همچنین مسئله دقت مدل مطرح است. اگرچه سیستم می‌تواند داده‌های عمومی را به‌سرعت بازیابی و ترکیب کند، اما صحت آن‌ها را تضمین نمی‌کند؛ تجزیه اشتباه یک رقم سود یا یک معیار ارزش‌گذاری قدیمی می‌تواند منجر به نتایج نادرست شود. سیاست «عدم آموزش بر روی داده‌های مشتری» یکی از راه‌های بهبود را از بین می‌برد، به این معنی که مدل ممکن است از راهکارهای سفارشی و آموزش‌دیده داخلی که به‌طور مداوم از تصمیمات تاریخی خودِ شرکت یاد می‌گیرند، عقب بماند.
آنچه باید در ادامه زیر نظر داشت: شاخص‌های پذیرش، اولین نشانگر موفقیت خواهند بود. اجرای طرح‌های آزمایشی اولیه در بانکداری تجاری، بانکداری سرمایه‌گذاری یا مدیریت دارایی نشان خواهد داد که آیا افزایش سرعت بر نیاز به نظارت انسانی برتری دارد یا خیر. واکنش نهادهای ناظر به لایحه ایمنی OpenAI، چشم‌انداز انطباق برای هوش مصنوعی در امور مالی را شکل خواهد داد؛ اگر کنگره استانداردهای آزمایشی سخت‌گیرانه‌ای را تصویب کند، سایر شرکت‌های هوش مصنوعی ممکن است مجبور به پیروی شوند که این امر به‌طور بالقوه هزینه استقرار راهکارهای مشابه را افزایش می‌دهد. در نهایت، میدان رقابت در حال داغ شدن است؛ سایر ارائه‌دهندگان ابری و استارتاپ‌های هوش مصنوعی هم‌اکنون نیز با مدل‌های سفارشی در حال جذب بانک‌ها هستند، بنابراین مزیت OpenAI ممکن است کوتاه‌مدت باشد، مگر اینکه به تعمیق ادغام داده‌ها و گواهینامه‌های امنیتی خود ادامه دهد.
اگر بانک‌ها بتوانند به این مدل اعتماد کنند که در عین ارائه تحلیل‌های دقیق و به‌موقع، حریم خصوصی داده‌هایشان را نیز حفظ کند، ChatGPT for Financial Services می‌تواند به یک ابزار استاندارد جدید در تالارهای معاملاتی تبدیل شود. در غیر این صورت، این فناوری ممکن است در حد یک آزمایش محدود باقی بماند و تنها به پروژه‌های اثبات مفهوم تقلیل یابد، در حالی که صنعت منتظر دستورالعمل‌های نظارتی شفاف‌تر و تضمین‌های قوی‌تر در مورد قابلیت اطمینان مدل است.