Em uma publicação recente do blog, “Desafios com KYC/AML? GenAI com RAG gera resultados”, analisamos como as instituições financeiras podem aproveitar a AI artificial generativa (GenAI, Genrative AI) aprimorada com geração aumentada para recuperação (RAG, Recovery-Augmented Generation) para melhorar os resultados de Conheça seu cliente (KYC, Know Your Customer)/Antilavagem de dinheiro (AML, Anti-Money Launder). Enfrentando criminosos cada vez mais sofisticados e multas recentes em bilhões de dólares, as empresas financeiras precisam de todas as vantagens.
Dados, modelos e eficiência são áreas essenciais de foco
Essa abordagem oferece grandes ganhos em termos de eficiência, precisão e adaptabilidade, mas há considerações essenciais que devem ser levadas em conta para maximizar o potencial da GenAI com RAG enquanto reduz riscos e limitações. Em geral, há três áreas que exigem atenção especial:
os dados
Segurança e qualidade são os dois guias quando se trata de dados e GenAI com RAG.
Por segurança, é absolutamente essencial que dados confidenciais e proprietários, como informações pessoais ou resultados analíticos proprietários, sejam protegidos a todo custo. São essenciais proteções robustas para gerenciamento, recuperação e geração de dados.
Com relação à qualidade, deve-se tomar cuidado quando se trata da ingestão de dados e do tratamento de informações conflitantes ou inconsistentes. No primeiro caso, os melhores dados possíveis são um requisito absoluto como entrada bruta. No segundo caso, são necessários processos para identificar e mitigar instâncias quando os dados RAG entram em conflito ou são inconsistentes com os dados que foram usados para treinar o modelo GenAI original.
Modelos
Assim como ocorre com os dados, é necessário cuidado quando se trata dos modelos que impulsionam a GenAI com RAG. Os modelos devem ser personalizados para fornecer o melhor ajuste à tarefa em questão e consistentemente monitorados e atualizados para manter a relevância e a precisão. A integração do RAG a um LLM pode nem sempre ser simples, exigindo trabalho nos estágios de pré-treinamento e ajuste fino do desenvolvimento do modelo. Finalmente, a adição do RAG reduz, mas não elimina, desafios como alucinação ou outras imprecisões, tornando o teste e o monitoramento de modelos ainda mais importantes.
Eficiência
Há três maneiras de analisar a eficiência quando se trata de GenAI com RAG: entrada de dados, eficácia computacional e interação do usuário. Com a entrada de dados, há uma desvantagem entre os dados RAG e os recursos generativos do LLM. Muito e pode haver problemas com o ajuste excessivo ou mesmo um efeito de “câmara de eco”, enquanto muito pouco pode levar a resultados abaixo do ideal. Em termos de eficiência computacional, pode ser muito caro executar processos não otimizados, especialmente com conjuntos de dados muito grandes. Como o Gartner destaca, é essencial escolher o tipo certo de implantação de armazenamento para seu caso de uso de GenAI. Indexação eficiente, algoritmos de recuperação e armazenamento em cache ajudam a equilibrar as saídas desejadas com os custos. Finalmente, as solicitações de feedback e esclarecimento do usuário são extremamente valiosas e devem ser consideradas ao desenvolver procedimentos operacionais.
Figura 1: Visão geral de arquitetura da geração aumentada de recuperação.
Aproveite ao máximo a GenAI com RAG para KYC/AML com a Pure Storage
Adotar a GenAI com RAG representa um passo significativo para lidar com as complexidades das atividades de KYC/AML. Embora existam desafios, a capacidade de aprender e melhorar continuamente oferece o potencial de criar uma solução escalável e dinâmica que seja permanente. As instituições financeiras que lidam com essas considerações com sucesso estarão bem posicionadas para proteger sua empresa contra fraudes financeiras e danos à reputação e cumprir os requisitos regulatórios.
As empresas financeiras precisam de uma plataforma de dados confiável e de alto desempenho para aproveitar o potencial da GenAI para atividades de KYC/AML. A Pure Storage fornece o conhecimento do domínio, além de uma solução validada de RAG de inteligência artificial para serviços financeiros, com a escalabilidade, a flexibilidade e a recuperação de dados de baixa latência necessárias para maximizar toda a gama de recursos de inteligência artificial. Com a Pure Storage como parceira, as instituições podem garantir que aproveitem ao máximo os recursos de inteligência artificial aprimorados pelo RAG.
Para saber mais sobre a GenAI com RAG para KYC/AML, faça download do whitepaper mais recente da Pure Storage: “Utilizando a GenAI para melhorar o KYC/AML e combater fraudes financeiras.”
