مورغان ستانلي: مساعد GPT-4 الذي تستخدمه 98% من فريق المستشارين الماليين

• Morgan Stanley uses AI evals to shape the future of financial services — OpenAI (customer story)
• Morgan Stanley kicks off generative AI era on Wall Street with assistant for financial advisors — CNBC, 2023-09-18
• Launch of AI @ Morgan Stanley Debrief — Morgan Stanley (пресс-релиз), 2024-06-26
• Morgan Stanley wealth advisors are about to get an OpenAI-powered assistant to do their grunt work — CNBC, 2024-06-26
• Morgan Stanley Research Announces AskResearchGPT — Morgan Stanley (пресс-релиз), 2024-10-23

السياق

إدارة الثروات في مورغان ستانلي هي واحدة من أكبر عمليات إدارة الثروات في العالم: حوالي 15,000 مستشار مالي و5.5 تريليون دولار من أصول العملاء (اعتباراً من مارس 2024؛ الهدف الموضوع من الشركة هو 10 تريليونات دولار). الأصل غير الملموس الرئيسي للقسم هو قاعدة المعرفة الداخلية: عقود من البحث والتحليل السوقي والإجراءات والخطط المرجعية معبأة في مجموعة من حوالي 100,000 وثيقة.

المشكلة: قاعدة المعرفة تكون ذات قيمة فقط بقدر سرعة الوصول إليها. لا يستطيع المستشار في مكالمة مع العميل أن ينفق عشرين دقيقة في البحث عن ملفات PDF داخلية — مما يعني أن جزءاً كبيراً من 'رأس المال الفكري' للشركة لم يعمل في لحظة البيع أو التشاور.

في مارس 2023 أعلنت مورغان ستانلي أنها تبني مساعداً على GPT-4، لتصبح واحدة من أوائل شركاء OpenAI للمؤسسات. السياق التنافسي مهم: كانت Goldman Sachs و JPMorgan Chase قد أعلنتا أيضاً عن مشاريع الذكاء الاصطناعي التوليدي في ذلك الحين، لكن مورغان ستانلي كانت أول شركة كبيرة على وول ستريت تضع حلاً مخصصاً من GPT-4 في أيدي الموظفين — كما أفادت CNBC، نقلاً عن Jeff McMillan، الذي كان رئيس التحليلات والبيانات والابتكار في إدارة الثروات (لاحقاً رئيس الذكاء الاصطناعي على مستوى الشركة).

بالنسبة للصناعة المالية المنظمة، كانت هذه خطوة جريئة: البنوك لا تتسامح على الإطلاق مع الإجابات المختلقة، وأي نظام يمكنه 'الهلوسة' في التوصية يشكل خطراً على الامتثال. لهذا السبب أصبحت حالة مورغان ستانلي نقطة مرجعية، وليس بسبب النموذج بل بسبب منهجية التنفيذ: التقييمات المنتظمة التي حولت الثقة في الذكاء الاصطناعي من مسألة إيمان إلى مسألة قياس. صاغ McMillan الدافع بكل وضوح: 'لم أر شيئاً مثل هذا في حياتي المهنية، وقد عملت في الذكاء الاصطناعي لمدة 20 سنة. رأينا نافذة من الفرص كانت مزعزعة تماماً، وأعتقد أنه كمنظمة، لم نكن نريد أن نتخلف عن الركب.'

المشكلة

كانت معرفة الشركة محصورة داخل مجموعة ضخمة من الوثائق الداخلية. وفقاً لحساب الشركة الخاص، لم يتمكن المستشارون من الوصول إلا إلى جزء صغير منها: تم تقدير إمكانية الوصول إلى الوثائق بـ 20%. الأداة الداخلية السابقة أجابت على مجموعة محدودة من الأسئلة — حوالي 7,000 — ولم تتسع لمجمل معارف الشركة.

الآليات مألوفة لأي شخص استخدم البحث في الشركات: البحث الكلاسيكي عن الكلمات الرئيسية يجد الوثائق، وليس الإجابات. المستشار الذي يسأل سؤال عميل حول استراتيجية السوق أو إجراء داخلي اضطر إلى صياغة استعلام، فتح عدة تقارير، التمرير عبر عشرات الصفحات، وتجميع الإجابة بنفسه — دقائق في أحسن الأحوال، وفي الممارسة غالباً 'سأعود إليك'. في المكالمة، كان هذا يعني توقف وفقدان الزخم؛ بعد المكالمة، إجابة متأخرة لعميل يقارن بالفعل الخدمة مع المنافسين.

كان الألم الثاني، الأقل وضوحاً، هو معالجة ما بعد الاجتماع. يستضيف القسم حوالي مليون مكالمة Zoom سنوياً، والمستشار النموذجي — وفقاً لمشارك تجريبي Don Whitehead — يجري من أربع إلى ست اجتماعات في اليوم. بعد كل واحدة يجب على شخص ما كتابة الملاحظات، التقاط الالتزامات، تحديث CRM، وإرسال بريد متابعة. فعل المستشارون أو الموظفون الجدد هذا الروتين يدوياً، وكان تحضير المتابعة قد يمتد إلى عدة أيام.

يجتمع الألمان على مشكلة استراتيجية واحدة: وقت متخصصي الشركة الأكثر تكلفة ذهب إلى استرجاع المعلومات وحفظ السجلات — بدلاً من عمل العميل الذي تم توظيفهم من أجله.

الحل

بنت مورغان ستانلي 'AI @ Morgan Stanley Assistant' — مساعد GPT-4 على قاعدة المعرفة الداخلية باستخدام نظام RAG: النموذج يجيب فقط من الوثائق المدقق فيها من الشركة، وليس 'من الذاكرة'. قبل الإطلاق قضت الفريق أشهراً في تنسيق المجموعة واختبار الإجابات مع خبراء بشريين (وصف McMillan هذا لـ CNBC). حدث الإطلاق الكامل لجميع المستشارين وموظفي الدعم الخاصين بهم في 18 سبتمبر 2023 — حصلت CNBC على المذكرة من نائب الرئيس Andy Saperstein: 'سيكون المستشارون الماليون دائماً مركز كون إدارة الثروات في مورغان ستانلي. نعتقد أيضاً أن الذكاء الاصطناعي التوليدي سيحدث ثورة في تفاعلات العملاء... وفي النهاية سيساعد في تحرير الوقت للقيام بما تفعله بشكل أفضل: خدمة عملائك.'

العنصر الرئيسي للتنفيذ هو نظام التقييمات، الذي فصلته OpenAI لاحقاً في دراسة حالة مخصصة. بدأ الفريق بثلاث سيناريوهات مستهدفة: استرجاع معلومات أسرع، وأتمتة تلخيص التقارير الروتينية، ورؤى مخصصة لاحتياجات العملاء. حصل كل واحد على تقييماته الخاصة: قيم المستشارون ومهندسو الرموز الإجابات يدوياً من حيث الدقة والتماسك، وتم تحسين الرموز واسترجاع البيانات وفقاً لذلك. جاءت تقييمات الترجمة للعملاء متعددي اللغات بعد ذلك، وبالتعاون مع OpenAI قام الفريق بضبط طرق الاسترجاع بشكل متكرر على المكتبة المتنامية. في الإنتاج، تمسك مجموعة انحدار يومية من أسئلة العينة بالتدهور قبل أن يلاحظه الامتثال. تم حل سؤال البيانات بشكل منفصل: نهج سياسة عدم الاحتفاظ بالبيانات يضمن عدم استخدام البيانات الملكية للشركة لتدريب النماذج العامة — أطلق David Wu على هذا الشرط حرجاً للاتفاق.

كان الجانب المثير للفضول في التنفيذ هو تغيير العادات: اضطر المستشارون إلى تعلم طرح الأسئلة في جمل كاملة، كما يفعلون مع مساعد بشري، بدلاً من الكلمات الرئيسية، كما هو الحال مع محرك البحث. 'لا يختلف عن كيفية طرحي لك سؤالاً، هذه هي طريقة التحدث إلى هذه الآلة. الناس لم يعتادوا على ذلك،' شرح McMillan.

المنتج الثاني في التشكيلة هو 'AI @ Morgan Stanley Debrief' على مكدس Whisper + GPT-4: مع موافقة العميل (المطلوبة لكل اجتماع على حدة)، تستمع الأداة إلى اجتماع Zoom، وتولد ملاحظات منظمة، وتلتقط عناصر الإجراء، وتحفظ السجل في Salesforce، وتصيغ رسالة متابعة يحررها المستشار وينشرها شخصياً. بدأ التجربة في مارس 2024، وتم الإعلان عن الإطلاق على مستوى الشركة في 26 يونيو 2024، واكتمل الإطلاق لـ ~15,000 مستشار بحلول أوائل يوليو. لاحظ McMillan أن ضبط رموز Debrief استغرق أشهراً — وأن 'هذا يقوم بعمل أفضل من أخذ الملاحظات أكثر من الإنسان العادي.'

بالنسبة للفريق، كان أيضاً تحولاً نموذجياً في التطوير. 'الطريقة التقليدية التي تحل بها هذه الأشياء هي أنك تكتب كوداً،' شرح McMillan. 'في العالم الجديد، تعطي أمثلة على ما يبدو عليه "الجيد"، والنظام يتعلم ما هو الجيد. فهو في الواقع قادر على "التفكير" وتطبيق منطق كان بشري سيطبقه.' حدد رئيس إدارة الثروات Jed Finn الإطار الاستراتيجي: الهدف هو طبقة تكنولوجية يقوم فيها المستشار بجميع المهام مع رموز بسيطة — من صياغة العروض التقديمية إلى إعادة توازن المحافظ وإنتاج التقارير.

بشكل حاسم، يبقى الإنسان في الحلقة في كل خطوة: يسترجع المساعد ويدمج، Debrief يصيغ، لكن القرار النهائي وزر الإرسال يعودان دائماً للمستشار. بالنسبة للمنظم والامتثال، هذا الحد أساسي.

النتيجة

يستخدم أكثر من 98% من فريق المستشارين الماليين المساعد — اعتماد قريب من السقف لأداة الشركة. يجيب النظام بشكل فعال على الأسئلة عبر مجموعة من 100,000 وثيقة — مقابل حوالي 7,000 سؤال يمكن للأداة السابقة التعامل معها. ارتفعت إمكانية الوصول إلى الوثائق، وفقاً لتقدير الشركة، من 20% إلى 80%، وانهار استرجاع المعلومات من دقائق إلى ثوان. يصف McMillan التحول النوعي: 'الآن، يمكن للمستشارين التعامل مع العملاء حول مواضيع لم يناقشوها من قبل لأن الاحتكاك بين المعرفة والاتصال انخفض إلى الصفر.'

بالنسبة لـ Debrief، توجد تقديرات عامة مبكرة: وضع مستشار تجريبي المدخرات عند حوالي 30 دقيقة من العمل لكل اجتماع؛ مع مليون مكالمة Zoom سنوياً عبر القسم، قدرت CNBC الإمكانية بمئات الآلاف من الساعات سنوياً. لاحظت Kaitlin Elliott، رئيس حلول الذكاء الاصطناعي التوليدي على مستوى الشركة: 'كان الرد من المستشارين إيجابياً بشكل ساحق... المتابعات التي اعتادت أن تستغرق أياماً تحدث الآن في غضون ساعات.' في الوقت نفسه، وصف McMillan المشروع بصراحة بأنه 'تجربة كبرى في الإنتاجية' وقال إن تقييماً صارماً للتأثير سيستغرق سنة واحدة على الأقل من المراقبة.

ينحسر النهج بما يتجاوز إدارة الثروات: في 23 أكتوبر 2024 أطلقت الشركة AskResearchGPT — مساعد GPT-4 على مجموعة بحث مورغان ستانلي (70,000+ تقرير ملكية سنوياً) لموظفي البنوك الاستثمارية والبيع والمتاجرة والبحث، مع سير عمل براءة اختراع 'استعلام → بريد جاهز للعميل مع الاستشهادات والروابط بنقرة واحدة'.

من المهم إطار هذه الأرقام: تنشر مورغان ستانلي مقاييس الاستخدام (الاعتماد، إمكانية الوصول إلى المجموعة، السرعة) بدلاً من التأثير المالي — لم تدّعِ البنك في أي مكان 'جعلنا الذكاء الاصطناعي X مليون'. من وجهة نظرنا، هذا موقف متعمد وصادق لأداة داخلية: نسب مساهمة طيار المساعد إلى إيرادات المستشار بصرامة صعب منهجياً، والشركة تفضل المقاييس التي تتحكم فيها.

أصبحت حصص الصناعة عالية: وفقاً لتقدير Citigroup المستشهد به من CNBC، فإن وظائف التمويل من بين الأكثر عرضة للإزاحة من الذكاء الاصطناعي، واعتماد الذكاء الاصطناعي يمكن أن يعزز ربح الصناعة بمقدار 170 مليار دولار بحلول عام 2028.

بالنسبة للسوق، حالة مورغان ستانلي هي نموذج المسار 'منخفض المخاطر' إلى الذكاء الاصطناعي التوليدي، صورة مرآة لروبوتات الدردشة التي تواجه العملاء مثل Klarna: يواجه الذكاء الاصطناعي الداخل، نحو الموظفين؛ يبقى الإنسان في حلقة كل قرار؛ والثقة تُبنى على تقييمات قابلة للقياس، وليس العروض التوضيحية. من وجهة نظرنا، هذا الجمع — مجموعة ضيقة، التقييمات كعملية، إنسان كمرشح نهائي — هو الجزء الأكثر قابلية للنقل في القضية: يعمل في أي صناعة حيث تكون تكلفة الإجابة الخاطئة عالية، من الطب إلى القانون.

الدروس المستفادة

1. في صناعة منظمة، يتم بناء الثقة في الذكاء الاصطناعي على التقييمات: تقييم جودة الإجابات المنتظم على الأسئلة الفعلية هو ما يقنع الامتثال — وليس العروض التوضيحية.
2. RAG على مجموعتك الخاصة هو أول رهان صحيح لأعمال تتطلب معرفة ثقيلة: النموذج لا 'يعرف' الإجابة، بل يجدها في وثائق الشركة.
3. التقييمات هي عملية، وليست اختبار قبول لمرة واحدة: مجموعة انحدار يومية على أسئلة العينة تمسك بتدهور الجودة قبل أن يلاحظها المستخدمون أو الامتثال.
4. مقياس 'إمكانية الوصول إلى المعرفة' (20→80%) هو مؤشر قيمة أكثر صدقاً من 'عدد استعلامات الروبوت'.
5. يتبع الاعتماد بنسبة 98% من التضمين في سير العمل الفعلي للمستشار (وأشهر من تنسيق المجموعة قبل الإطلاق)، وليس من أمر من الأعلى للأسفل.
6. موافقة العميل لكل اجتماع والتحرير البشري النهائي (Debrief) هي النموذج لإدخال الذكاء الاصطناعي إلى سيناريوهات العملاء الحساسة دون مخاطر سمعة.
7. ابدأ بمجموعة واحدة ضيقة وأحد أدوار المستخدمين (المستشار)؛ عدّل بعد إثبات الجودة — استغرقت مسار مورغان ستانلي من Assistant إلى Debrief و AskResearchGPT سنتين من الإطلاقات المتسلسلة.

الأسئلة الشائعة