Los grandes modelos arrasan en la industria financiera: de la ansiedad a la racionalidad, explorando el camino de implementación
La actitud de la industria financiera hacia la tecnología de modelos grandes ha pasado de la ansiedad a la racionalidad. A principios de año, cuando apareció ChatGPT, los profesionales financieros se sentían generalmente ansiosos, preocupados por quedarse atrás en la corriente del tiempo. Con el paso del tiempo, las instituciones financieras han profundizado gradualmente su comprensión de los modelos grandes y han comenzado a reflexionar de manera racional sobre su valor de aplicación.
Varios bancos han dejado claro en sus informes semestrales que están explorando la aplicación de modelos grandes. A partir de las acciones recientes, las instituciones financieras están llevando a cabo reflexiones y planificaciones más claras desde el nivel estratégico y de diseño superior. En comparación con hace unos meses, la comprensión de los clientes financieros sobre los modelos grandes ha mejorado notablemente.
En términos de potencia de cálculo, han surgido varias soluciones en la industria financiera: la primera es construir la potencia de cálculo internamente, adecuada para grandes instituciones financieras con sólidos recursos; la segunda es la implementación de potencia de cálculo híbrida, que llama a servicios de modelos grandes desde la nube pública garantizando la seguridad de los datos sensibles. Además, algunas instituciones están reforzando la gobernanza de datos, construyendo plataformas de datos y sistemas de gobernanza.
Actualmente, la aplicación de grandes modelos en la industria financiera se centra principalmente en escenarios internos, como oficinas inteligentes, desarrollo inteligente, atención al cliente inteligente, etc. Los expertos de la industria consideran que, a corto plazo, no se recomienda utilizar grandes modelos directamente para servicios externos, sino que deben aplicarse prioritariamente en escenarios internos, para mejorar la eficiencia laboral mediante la colaboración humano-máquina.
La aplicación de grandes modelos también comienza a influir en la estructura de personal de la industria financiera. Por un lado, algunos puestos tradicionales enfrentan el riesgo de ser reemplazados; por otro lado, existe una gran escasez de talento relacionado con grandes modelos. Las instituciones financieras necesitan formar talento híbrido que entienda tanto la IA como los negocios financieros, para apoyar la innovación continua en la aplicación de grandes modelos.
En general, la exploración de grandes modelos en la industria financiera está pasando de una caza ciega en las primeras etapas a una aplicación más racional. En el futuro, se espera que los grandes modelos desempeñen un papel más importante en los negocios centrales de las finanzas, pero esto requiere que las instituciones financieras se preparen a largo plazo en áreas como la formación de talento y la acumulación de tecnología.
Ver originales
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
17 me gusta
Recompensa
17
5
Compartir
Comentar
0/400
PumpDetector
· 07-18 06:38
smh... mismo patrón que el fomo fintech de 2017. dinero inteligente ya estaba posicionado para esto hace meses.
Ver originalesResponder0
airdrop_whisperer
· 07-15 08:40
Ah, resulta que están todos muy nerviosos.
Ver originalesResponder0
SandwichHunter
· 07-15 08:22
¿De qué sirve la ansiedad? Hazlo y ya está.
Ver originalesResponder0
TokenomicsTherapist
· 07-15 08:18
La ley de la verdadera fragancia se ha cumplido una vez más.
Ver originalesResponder0
FudVaccinator
· 07-15 08:15
Directamente usar el gran modelo para acabar con tontos
Exploración de la aplicación de modelos grandes en la industria financiera: de la ansiedad a la implementación racional
Los grandes modelos arrasan en la industria financiera: de la ansiedad a la racionalidad, explorando el camino de implementación
La actitud de la industria financiera hacia la tecnología de modelos grandes ha pasado de la ansiedad a la racionalidad. A principios de año, cuando apareció ChatGPT, los profesionales financieros se sentían generalmente ansiosos, preocupados por quedarse atrás en la corriente del tiempo. Con el paso del tiempo, las instituciones financieras han profundizado gradualmente su comprensión de los modelos grandes y han comenzado a reflexionar de manera racional sobre su valor de aplicación.
Varios bancos han dejado claro en sus informes semestrales que están explorando la aplicación de modelos grandes. A partir de las acciones recientes, las instituciones financieras están llevando a cabo reflexiones y planificaciones más claras desde el nivel estratégico y de diseño superior. En comparación con hace unos meses, la comprensión de los clientes financieros sobre los modelos grandes ha mejorado notablemente.
En términos de potencia de cálculo, han surgido varias soluciones en la industria financiera: la primera es construir la potencia de cálculo internamente, adecuada para grandes instituciones financieras con sólidos recursos; la segunda es la implementación de potencia de cálculo híbrida, que llama a servicios de modelos grandes desde la nube pública garantizando la seguridad de los datos sensibles. Además, algunas instituciones están reforzando la gobernanza de datos, construyendo plataformas de datos y sistemas de gobernanza.
Actualmente, la aplicación de grandes modelos en la industria financiera se centra principalmente en escenarios internos, como oficinas inteligentes, desarrollo inteligente, atención al cliente inteligente, etc. Los expertos de la industria consideran que, a corto plazo, no se recomienda utilizar grandes modelos directamente para servicios externos, sino que deben aplicarse prioritariamente en escenarios internos, para mejorar la eficiencia laboral mediante la colaboración humano-máquina.
La aplicación de grandes modelos también comienza a influir en la estructura de personal de la industria financiera. Por un lado, algunos puestos tradicionales enfrentan el riesgo de ser reemplazados; por otro lado, existe una gran escasez de talento relacionado con grandes modelos. Las instituciones financieras necesitan formar talento híbrido que entienda tanto la IA como los negocios financieros, para apoyar la innovación continua en la aplicación de grandes modelos.
En general, la exploración de grandes modelos en la industria financiera está pasando de una caza ciega en las primeras etapas a una aplicación más racional. En el futuro, se espera que los grandes modelos desempeñen un papel más importante en los negocios centrales de las finanzas, pero esto requiere que las instituciones financieras se preparen a largo plazo en áreas como la formación de talento y la acumulación de tecnología.