AI Agent在金融領域的應用

作者：胡曦煦（香港城市大學）
2024/08/08

引言

AI Agent是一種基於大型語言模型(Large Language Model, LLM)的智能代理，它可以模擬人類的思維和行為，從而實現自主決策和任務執行。可以通俗地理解為一個不具有實體，但是可以在電腦的軟硬件上根據用戶所發出的指令執行相應操作的、具有智慧的代理人。在2022年11月，ChatGPT的發布把大語言模型推高到一個可以在實際工作和生活中對人們產生幫助的高度之後，以大語言模型為大腦的智能AI Agent也產生了井噴式發展。作為2023年3月開源的第一款AI Agent的實驗性項目，AutoGPT上線5個月即在GitHub上的Star數超過1.49萬^[1]，刷新了GitHub歷史上星數增長最快的開源項目記錄。

什麽是AI Agent

大模型時代的AI Agent = LLM（核心控製器，構建核心能力）+ 規劃能力 + 記憶 + 工具。當一個用戶需求被輸入AI Agent，首先會被傳輸到大語言模型進行處理，經由額外設計的規劃機制，任務會被分解為子任務，以便於更好地執行，同時會視乎問題的重要性將其轉化為短期記憶或長期記憶，對重要信息加以儲存，便於下次利用。在從大語言模型處獲得了詳盡的執行計劃後，AI Agent可以調用外部工具庫，如搜索引擎、數據庫、代碼執行器等，執行被分解後的任務，並將結果返回。如下圖一所示，一個AI Agent主要由規劃、記憶和工具三個部分組成，Agent通過不同的規劃機制來更好的拆分和完成任務，同時將信息轉化為長短期記憶，並使用記憶來輔助規劃，規劃完成後，調用工具庫來具體執行一系列操作以達到實現用戶原本的意圖。

AI Agent的優劣勢

AI Agent有望帶來軟件行業交互方式和商業模式變革。大語言模型的階躍式發展給AI Agent的底層提供了一個突破性技術方案：既避免了過去強化學習基於深度學習框架只能讓Agent學到技能，但沒有學到可遷移的理解和知識，缺少背景思維的短板，又通過記憶機制、規劃機制以及調用外部工具庫，使得大語言模型從只能紙上談兵提供意見的軍師，變成可以實際幫助用戶貼心知心操作的服務員。如圖二所示，將來一個人帶領十幾個AI Agent進行協同高效率自動化辦公將不再只是幻想。

雖然目前基於AI Agent的應用層出不窮，但是目前仍存在不少問題。首當其衝的就是成本問題，目前大部分的AI Agent應用需要調用GPT4的接口作為基座大語言模型來執行操作，然而調用GPT4的接口具有費用較高、數據隱私性無法保障的問題。因此，我們期待更強大的大型模型能夠發布並開源，以解決這一問題。另一點是目前AI Agent的能力尚不夠穩定，且同一Agent只有執行單一任務時效果較好、準確率較高，若訓練Agent同時執行兩種或以上不同的任務時，Agent的效果和準確性都會大幅下降。執行多種功能時需要為每種功能設計一個Agent並加以調度。

圖二. 關於AI Agent的未來暢想圖：一個人帶領多個AI Agent進行高效率的工作

AI Agent在金融領域應用的潛在場景

AI Agent目前應用的領域在遊戲、軟件開發中較多，但是在金融領域，AI Agent同樣可以起到不小的作用。在公司內部，如日常處理郵件、會議預約、會議提醒等事項上，可以通過引入自動化機械人幫助提煉摘要，草擬回信以及預約相關事項，減少工作人員在繁瑣事情上花費的時間。AI Agent的好處在於它可以根據每個人的進度，來個性化地調整和適配員工的進步速度，並且手把手地執行來給員工提供幫助。在金融公司需要獲取其他地方的數據信息、繪製圖表、撰寫簡單文案，以及運行模型，也可以輕鬆地交由Agent完成，大大節省在瑣碎冗長事情上花費的時間。

在投資領域，如图三所示，AI Agent可以通過收集實時網頁端的新聞、輿情消息，結合價格曲線，來對股票、期貨的行情做一個趨勢的判斷，輔助交易員進行決策，將最至關重要的信息推送給交易員並加以總結，成為交易員執行交易的副駕駛(Co-Pilot) 、第二大腦，更好地對市場可能出現的風險進行預警，減少損失。

在金融服務行業，AI Agent可以通過擬人化的交互體驗，精準了解客戶的需求並提供幫助，來為顧客提供最好的服務。根據福布斯雜誌統計，各種公司和組織機構在客戶服務這一項上每年的支出超過3,500億美元，且效果不盡如人意。^[2] 根據2021年一些率先採用AI Agent來作為客服的公司統計，使用了智能客服之後，顧客每輪次的查詢成本從採用人工客服時代的5美金到12美金降至1美金每次。^[3] 科技巨頭IBM公司估計採用AI客服之後已幫助他們節約了跟招聘和生產力損失相關的約十億美元成本。 ^[3] 如图四所示，使用了智能客服，可以24×7不間斷地為顧客提供舒適服務，解決客戶的燃眉之急，增進用戶黏性。隨著技術的進一步發展，Agent的呈現方式能從單一的文字交互進化到多種方式交互，如語音、畫面、視頻、數字，進一步提升客戶的體驗。

AI Agent在企業中的未來展望和挑戰

隨著大語言模型技術、數據庫技術、工具庫技術的發展與成熟，AI Agent在金融垂直領域的應用將會越來越多，輔助人力做出更好的決策，提升辦事效率。據估計，使用對話式AI及智能解決方案有望在接下來的三年裏落地超過1.2兆美元。^[3] 國內外的眾多咨詢投資機構，如德勤、安永等均入局AI服務業，且對相關的投資方向報以樂觀態度。在各司其職，數量不設上限，專業負責的AI Agent的輔助下，企業可以用最低的成本獲得最優質的提升，通過自動化重複任務和流程，改善運營效率和生產力，同時提升客戶體驗。然而，在可信賴的開源大模型落地以前，AI Agent運營所涉及到的數據隱私和安全問題仍至關重要，如何構建穩定、可信賴、安全的AI Agent，將是研究者研究的下一個目標。