針對CTO、CIO和CFO的七大人工智慧展望

生成式人工智慧不僅可以幫助企業大幅提高工作效率，改善客戶和員工體驗，還能加速推進業務優先事項。然而，企業決策者在擁抱人工智慧變革時，必須考慮眾多因素。本文旨在從務實角度出發，為公司首席技術官（CTO）、首席資訊長（CIO）、首席財務官（CFO）和首席投資官（CIO）以及任何希望探索人工智能的人提供戰略規劃的參考。

減少生成式人工智慧的“幻覺”

大語言模型（LLM）在自然語言理解和生成方面表現出色，但依賴它們來獲取事實性知識可能會被誤導，俗稱產生「幻覺」。透過整合檢索增強生成（RAG）模型和向量資料庫，企業可以更有效地整合自有和第三方知識，實現更高的可擴展性和成本效益。與單獨的傳統LLM相比，這種方法能提供更精確、更相關的結果。

為什麼監控LLM使用情況具有重要戰略意義

對於提供由LLM驅動的產品的企業而言，建立一個安全地記錄大量新使用指標的基礎架構至關重要。長期來看，這將有助於保護專有資料、管理成本、確認客戶興趣所在、搶佔運算資源以及提高整體產品效能。但怎麼樣才是適當追蹤、什麼是系統關鍵需求的還需進一步探討。 

找到最佳組合：將LLM與經典機器學習技術結合

鉴于人工智能技术有可能显著改善企业的运营方式，未来成功的关键在于了解如何将传统机器学习的优势与新一代人工智能方法融合在一起。当您的公司将LLM整合到工作流程中时，请考虑以下四个主要场景：

1.在傳統的自然語言任務（如問答或總結）中，直接使用LLM。

2.在需要計算的情況下，使用LLM來建立使用者的意圖，並使用現有的ML或資料檢索演算法來取得可證明正確的答案。

3.當自然語言處理（NLP）任務需要可解釋性或效率時，可以考慮現有的功能解決方法之一。然後，LLM可以在需要的地方提供適當的改進。

4.對於不涉及任何自然語言處理的任務，可以考慮使用其他傳統的機器學習工具。

快速了解人工智慧：嵌入和大型語言模型

嵌入作為人工智慧的基本概念之一，有助於識別文本間的相似性並實現高效準確的自然語言搜尋。慧甚FactSet使用嵌入來創建智慧的私人公司比較數據，提供的價值遠遠超過使用行業分類或精選關鍵字創建的比較。慧甚介紹了嵌入如何使電腦更好地理解和處理人類語言，為更先進的自然語言處理和大型語言模型等人工智慧應用鋪平道路。 

我們為員工提供了CHATGPT，於是事情變成了這樣…

生成式人工智慧可以成為員工學習和成長的有力工具，但雇主能否將提供這種取得權限的風險降至最低？是的，有辦法。了解我們的方法，以及我們的員工如何將我們的 LLM 用於研究和學習。

我們如何使用LLM來增強初級銀行家的工作流程

慧甚發布了基於LLM的知識代理測試版FactSet Mercury，旨在提高初級銀行家的工作效率和生產力。透過聊天機器人，銀行間可以輕鬆存取帶有來源的財務數據、產生即時圖表，並根據10-K報告進行SWOT分析。

如何利用人工智慧撰寫財報電話會議問答討論摘要

財報電話會議中的問答環節往往蘊含深刻見解，但手動梳理耗時耗力。適當設計的大型語言模型可以自動完成此任務。慧甚將分享我們在開發LLM功能方面的經驗和關鍵見解，助您的組織在LLM之旅中取得成功。

歡迎與我們分享您在業務上的挑戰：https://go.factset.com/zh/