LSEG تسرّع التحليلات مع OpenAI: توسع نطاق الذكاء الاصطناعي في القطاع المالي

LSEG — مشغل بورصة لندن وأحد أكبر المؤسسات المالية في العالم — قامت بتطبيق OpenAI كأساس لتوسيع نطاق تقنيات الذكاء الاصطناعي للمؤسسات. وهذا يشير إلى أن القطاع المالي ينتقل بعيداً عن التجارب ويتحول نحو النشر الواسع النطاق للنماذج اللغوية الكبيرة في ظروف الإنتاج.

النطاق: 4000 موظف والبيانات العالمية

تدير LSEG التداول والمعلومات والبنية الأساسية للأسواق المالية في جميع أنحاء العالم. في مثل هذه البيئة، تعتبر السرعة والدقة حاسمتين: فكل ساعة من التأخير في تحليل البيانات قد تنعكس على جودة التداول واتخاذ القرارات. سمحت OpenAI للشركة بتوزيع قدرات الذكاء الاصطناعي بين 4000 موظف — من محللي البيانات إلى موظفي العمليات والمطورين. المزية الرئيسية للنموذج: لا تبني LSEG نموذج لغوي كبير خاص بها من الصفر. بدلاً من ذلك، تقوم بدمج GPT والتركيز على ما يوفر الميزة التنافسية — على منطق العمل والتحقق من صحة البيانات وحالات الاستخدام المحددة للقطاع المالي.

ثلاثة اتجاهات للتوسع

تحدد الشركة ثلاث فوائد رئيسية:

• تسريع الرؤى — يحصل المحللون على إجابات ويقومون بتجميع المعلومات بسرعة أكبر من خلال تحليل أحجام كبيرة من البيانات بالتوازي، بدلاً من قضاء ساعات في قراءة التقارير
• تقليل دورات التطوير — يستخدم المطورون الذكاء الاصطناعي لتوليد واختبار الأكواد، مما يقلل الوقت من الفكرة إلى الإنتاج من أسابيع إلى أيام
• تعميم الوصول إلى الذكاء الاصطناعي — يحصل الموظفون العاديون على أدوات كانت تتطلب سابقاً تدريباً متخصصاً أو استقطاب خبراء

القطاع المالي ينضج في مجال الذكاء الاصطناعي

تاريخياً، قامت المؤسسات المالية بتطبيق التقنيات الجديدة بشكل أبطأ من الشركات الناشئة، بسبب اللوائح والتدقيق والمخاطر العالية للأخطاء. لكن LSEG تظهر: مع النهج الصحيح للتحقق من صحة البيانات والتحكم في الجودة، يمكن نشر النماذج اللغوية الكبيرة على نطاق مؤسسة كبيرة والحصول على ميزة تنافسية حقيقية. لا يعني هذا أن OpenAI ستحل محل المحللين أو التجار. بل إنها تصبح أداة تعزز قدراتهم: تسرّع إعداد البيانات وتؤتمت العمليات الروتينية وتصدّر التقارير وتكتشف الأنماط. القرار النهائي يبقى في يد الإنسان.

ماذا يعني هذا للصناعة

بدأت أكبر المؤسسات المالية في العالم تعتبر خدمات النماذج اللغوية الكبيرة العامة (OpenAI, Anthropic, Google Cloud) بمثابة بنية أساسية حاسمة، وليس كأداة تجريبية. وهذا يرسل إشارة واضحة: حالات الاستخدام تعمل في ظروف الإنتاج الفعلية، والمخاطر قابلة للإدارة، والتأخير في التطبيق سيكون أكثر تكلفة من التوسع السريع.