ε
））的中位数。面板A、B和C分别比较了针对m2b、v2a和v2s的模型。面板D比较了针对m2b，v2a和v2s的基础机器学习模型以及来自RRV（针对lnm）和BG（针对m）的基础机器学习模型。面板E比较了机器型号。ε是百分比估值误差：ε：=（M?/M）?1。M?是预测的权益价值，M是实际的权益价值。抽样期为年月至年10月。学分：会计研究杂志（年）。
像ChatGPT这样的大型语言模型（LLM）正在撼动金融世界。摩根士丹利正在测试一个由OpenAI驱动的聊天机器人，以协助他们的财务顾问。该机器人根据银行自己的研究报告进行培训，可以快速访问其广泛的专有知识库。
私募股权公司和保险公司也是早期采用者，利用这些创新进行预筛选投资和自动化索赔。随着法学硕士在整个金融行业中稳步扩散，我们需要深思熟虑地接受和适应这种改变游戏规则的转变。
替代品还是补充？在这种背景下，人们很自然地怀疑金融专业人士是否会过时。然而，这种担忧源于将人工智能视为人类替代品的简单化观点。大型语言模型不应被视为熟练专业人员的替代品，而应被视为可以增强其能力的强大工具。
通过用人工智能驱动的洞察力补充人类的专业知识，ChatGPT等工具可以帮助金融专业人士做出更好的决策，自动化日常任务，并在竞争日益激烈的市场中保持领先地位。
既是生产力的助推器，又是均衡器与创新与不平等的普遍联系相反，早期证据表明，采用LLM技术已经平衡了工作环境。
在大型软件公司的呼叫中心，聊天机器人比“超级明星”更能提高表现不佳员工的生产力和质量。
在另一项研究中，研究人员进行了实验，发现ChatGPT大大提高了受过大学教育的专业人士在写作任务中的生产力，特别是使速度较慢的作家受益。
更低的成本，更高的需求？随着生产力的提高，降低了提供服务的成本。这种效率的提高使金融专业人士能够专注于高价值的活动，例如客户关系管理和战略决策。
此外，随着LLM等技术创新使金融服务更加实惠和可及，对这些服务的需求可能会增长，因为它们新发现的可负担性和可及性，最终导致对金融专业人员的需求增加。
彻底改变知识共享并扁平化组织结构交互式法学硕士的兴起使知识的获取民主化。这些人工智能模型允许所有计算机知识水平的人利用庞大的信息库。此外，通过使用这项技术来挖掘电子邮件、记录的讨论和其他资源，我们可以促进组织“专有技术”的无缝共享。这可以减少对专业化的需要，并促使对传统组织结构进行重新评估。
与其将这种人工智能视为人类工人的替代品，我们必须认识到它们在降低服务成本和增加金融服务需求方面的潜力。通过使专业建议更容易获得，我们可以创造一个需要更多金融专业人士的世界。
专业人士应该如何准备？为了应对大型语言模型的影响，财务专业人员（以及其他行业的专业人员）应专注于培养组织AI素养。以下是需要考虑的一些步骤：
鼓励入门级专业人士使用ChatGPT等模型，提供培训以帮助他们了解该技术的优势和局限性。
制定一项战略，在法学硕士的协助下，将机构的“诀窍”和文化转化为易于获取的信息。
预测对工作效率和质量的初步影响，解决“超级明星”之间的任何不满，他们可能不会从技术中受益。
重新思考团队组织，利用降低的专业化要求来创建更通用和适应性更强的结构。
通过强调人工智能提高整体生产力和工作满意度的潜力，减轻人们对人工智能的担忧。
最终，LLMs融入金融部门有可能彻底改变专业人士获取和分享知识的方式。通过拥抱人工智能并适应其影响，金融专业人士可以在快速发展的行业中占据一席之地。
更多信息：PaulGeertsema和HelenLu，机器学习的相对估值，会计研究杂志（）。DOI：10./-X.