AI Agent在金融领域的应用

创作时间:

作者:

@小白创作中心

AI Agent在金融领域的应用

引用

来源

https://hkaift.com/cn/ai-agent%E5%9C%A8%E9%87%91%E8%9E%8D%E9%A2%86%E5%9F%9F%E7%9A%84%E5%BA%94%E7%94%A8/

AI Agent作为一种基于大型语言模型的智能代理，正在金融领域展现出巨大的应用潜力。从内部管理到投资决策，再到客户服务，AI Agent正在改变金融行业的运作方式。本文将为您详细介绍AI Agent的工作原理、优势与挑战，并探讨其在金融领域的具体应用场景。

什么是AI Agent

AI Agent是一种基于大型语言模型（Large Language Model, LLM）的智能代理，它可以模拟人类的思维和行为，从而实现自主决策和任务执行。可以通俗地理解为一个不具有实体，但是可以在计算机的软硬件上根据用户所发出的指令执行相应操作的、具有智慧的代理人。在2022年11月，ChatGPT的发布把大语言模型推高到一个可以在实际工作和生活中对人们产生帮助的高度之后，以大语言模型为大脑的智能AI Agent也产生了井喷式发展。作为2023年3月开源的第一款AI Agent的实验性项目，AutoGPT上线5个月即在GitHub上的Star数超过1.49万[1]，刷新了GitHub历史上星数增长最快的开源项目记录。

大模型时代的AI Agent = LLM（核心控制器，构建核心能力）+ 规划能力 + 记忆 + 工具。当一个用户需求被输入AI Agent，首先会被传输到大语言模型进行处理，经由额外设计的规划机制，任务会被分解为子任务，以便于更好地执行，同时会视乎问题的重要性将其转化为短期记忆或长期记忆，对重要信息加以储存，便于下次利用。在从大语言模型处获得了详尽的执行计划后，AI Agent可以调用外部工具库，如搜索引擎、数据库、代码执行器等，执行被分解后的任务，并将结果返回。如下图一所示，一个AI Agent主要由规划、记忆和工具三个部分组成，Agent通过不同的规划机制来更好的拆分和完成任务，同时将信息转化为长短期记忆，并使用记忆来辅助规划，规划完成后，调用工具库来具体执行一系列操作以达到实现用户原本的意图。

图一. AI Agent的核心部件示意图

AI Agent的优劣势

AI Agent有望带来软件行业交互方式和商业模式变革。大语言模型的阶跃式发展给AI Agent的底层提供了一个突破性技术方案：既避免了过去强化学习基于深度学习框架只能让Agent学到技能，但没有学到可迁移的理解和知识，缺少背景思维的短板，又通过记忆机制、规划机制以及调用外部工具库，使得大语言模型从只能纸上谈兵提供意见的军师，变成可以实际帮助用户贴心知心操作的服务员。如图二所示，将来一个人带领十几个AI Agent进行协同高效率自动化办公将不再只是幻想。

虽然目前基于AI Agent的应用层出不穷，但是目前仍存在不少问题。首当其冲的就是成本问题，目前大部分的AI Agent应用需要调用GPT4的接口作为基座大语言模型来执行操作，然而调用GPT4的接口具有费用较高、数据隐私性无法保障的问题。因此，我们期待更强大的大型模型能够发布并开源，以解决这一问题。另一点是目前AI Agent的能力尚不够稳定，且同一Agent只有执行单一任务时效果较好、准确率较高，若训练Agent同时执行两种或以上不同的任务时，Agent的效果和准确性都会大幅下降。执行多种功能时需要为每种功能设计一个Agent并加以调度。

图二. 关于AI Agent的未来畅想图：一个人带领多个AI Agent进行高效率的工作

AI Agent在金融领域应用的潜在场景

AI Agent目前应用的领域在游戏、软件开发中较多，但是在金融领域，AI Agent同样可以起到不小的作用。在公司内部，如日常处理邮件、会议预约、会议提醒等事项上，可以通过引入自动化机械人帮助提炼摘要，草拟回信以及预约相关事项，减少工作人员在繁琐事情上花费的时间。AI Agent的好处在于它可以根据每个人的进度，来个性化地调整和适配员工的进步速度，并且手把手地执行来给员工提供帮助。在金融公司需要获取其他地方的数据信息、绘制图表、撰写简单文案，以及运行模型，也可以轻松地交由Agent完成，大大节省在琐碎冗长事情上花费的时间。

在投资领域，如图三所示，AI Agent可以通过聚合实时网页端的新闻、舆情消息，结合价格曲线，来对股票、期货的行情做一个趋势的判断，辅助交易员进行决策，将最至关重要的信息推送给交易员并加以总结，成为交易员执行交易的副驾驶(Co-Pilot) 、第二大脑，更好地对市场可能出现的风险进行预警，减少损失。

图三. AI投资助手：可以实时收集并判断互联网上的情感趋势

在金融服务行业，AI Agent可以通过拟人化的交互体验，精准了解客户的需求并提供帮助，来为顾客提供最好的服务。根据福布斯杂志统计，各种公司和组织机构在客户服务这一项上每年的支出超过3,500亿美元，且效果不尽如人意。[2]根据2021年一些率先采用AI Agent来作为客服的公司统计，使用了智能客服之后，顾客每轮次的查询成本从采用人工客服时代的5美金到12美金降至1美金每次。[3]科技巨头IBM公司估计采用AI客服之后已帮助他们节约了跟招聘和生产力损失相关的约十亿美元成本。[3]如图四所示，使用了智能客服，可以24×7不间断地为顾客提供舒适服务，解决客户的燃煤之急，增进用户黏性。随着技术的进一步发展，Agent的呈现方式能从单一的文字交互进化到多种方式交互，如语音、画面、视频、数字，进一步提升客户的体验。

图四. AI客服流程图示例

AI Agent在企业中的未来展望和挑战

随着大语言模型技术、数据库技术、工具库技术的发展与成熟，AI Agent在金融垂直领域的应用将会越来越多，辅助人力做出更好的决策，提升办事效率。据估计，使用对话式AI及智能解决方案有望在接下来的三年里落地超过1.2兆美元。[3]国内外的众多咨询投资机构，如德勤、安永等均入局AI服务业，且对相关的投资方向报以乐观态度。在各司其职，数量不设上限，专业负责的AI Agent的辅助下，企业可以用最低的成本获得最优质的提升，通过自动化重复任务和流程，改善运营效率和生产力，同时提升客户体验。然而，在可信赖的开源大模型落地以前，AI Agent运营所涉及到的数据隐私和安全问题仍至关重要，如何构建稳定、可信赖、安全的AI Agent，将是研究者研究的下一个目标。