Avancées de l'application des grands modèles dans le secteur financier : de l'anxiété à l'exploration rationnelle
Depuis le lancement de ChatGPT, l'intérêt du secteur financier pour les technologies d'intelligence artificielle a rapidement augmenté. Des préoccupations et des anxiétés initiales, il est passé à une exploration rationnelle, et l'attitude des institutions financières envers les grands modèles a évolué à travers plusieurs étapes.
Au début de l'année, de nombreuses institutions étaient pressées de suivre, craignant de prendre du retard sur le développement technologique. En avril et mai, elles ont commencé à former des équipes pour mener des travaux connexes. Au cours des mois suivants, elles ont rencontré des difficultés dans la recherche de direction et la mise en œuvre, et leur attitude est devenue plus rationnelle. Actuellement, la plupart des institutions se concentrent sur des cas de référence dans l'industrie, choisissant des scénarios éprouvés pour des projets pilotes.
Il est à noter que de nombreuses institutions financières ont élevé les grands modèles au niveau stratégique. Selon des statistiques incomplètes, au moins 11 banques cotées en actions A ont clairement indiqué dans leur dernier rapport semestriel qu'elles explorent l'application des grands modèles. D'après les récentes actions, elles commencent également à réfléchir et à planifier plus clairement en termes de stratégie et de conception de haut niveau.
De l'enthousiasme à un retour à la rationalité
Au début de l'année, la compréhension des grandes institutions financières concernant les grands modèles était encore très limitée. Certaines grandes banques ont été les premières à agir, lançant des applications connexes. Pendant ce temps, certaines grandes institutions financières ont commencé à discuter de la construction de grands modèles avec des entreprises technologiques.
Après mai, en raison de la limitation des ressources de calcul et des coûts, l'attention des institutions financières commence à passer de la construction interne à la valeur d'application. Actuellement, les entreprises de différentes tailles se séparent également en deux voies : les grandes institutions ont tendance à construire leurs propres grands modèles d'entreprise, tandis que les petites et moyennes institutions préfèrent utiliser des API de cloud public ou des services de déploiement privatif.
En raison des exigences élevées de l'industrie financière en matière de conformité, de sécurité et de fiabilité des données, le déploiement des grands modèles avance en réalité légèrement plus lentement que prévu au début de l'année. Certaines institutions ont déjà commencé à chercher des solutions, y compris la construction de leur propre puissance de calcul et le déploiement hybride.
En matière de données, de plus en plus d'institutions financières commencent à renforcer la gouvernance des données, à construire des plateformes de données et des systèmes de gouvernance des données. Certaines banques résolvent également les problèmes de données grâce à l'approche modèle de grande taille + MLOps.
Entrer par les scènes périphériques
Au cours des six derniers mois, les institutions financières et les prestataires de services ont activement exploré les cas d'application des grands modèles, couvrant de nombreux domaines tels que le bureau intelligent, le développement intelligent, le marketing intelligent, le service client intelligent, la recherche et l'investissement intelligents, et le contrôle des risques intelligent.
Mais dans le processus de mise en œuvre réel, un consensus s'est formé dans l'industrie : d'abord en interne, puis en externe. À ce stade, la technologie des grands modèles n'est pas encore mature, et le secteur financier exige une sécurité et une fiabilité très élevées. Par conséquent, il n'est pas recommandé d'utiliser directement les grands modèles auprès des clients à court terme.
Actuellement, des scénarios tels que l'assistant de code et le bureau intelligent ont déjà été mis en œuvre dans plusieurs institutions financières. Cependant, les professionnels du secteur estiment que ce ne sont pas encore les applications essentielles des institutions financières, et que les grands modèles sont encore loin d'atteindre un niveau d'intégration profond dans les opérations financières.
En ce qui concerne la conception de haut niveau, certaines institutions financières ont déjà construit des cadres systématiques multicouches basés sur de grands modèles, y compris la couche d'infrastructure, la couche de modèle, la couche de service et la couche d'application, etc. Ces cadres adoptent généralement de grands modèles comme noyau, utilisent des modèles traditionnels comme compétences, et appliquent une stratégie multi-modèles pour optimiser les résultats.
Le besoin de talents reste énorme
L'application des grands modèles commence à poser des défis et à transformer la structure des effectifs dans le secteur financier. Certains postes sont menacés d'être remplacés, mais de nouveaux besoins en talents apparaissent également.
Actuellement, le secteur financier est confronté à un défi de pénurie de talents lorsqu'il s'agit d'utiliser les capacités des grands modèles dans ses processus commerciaux clés. Cela est particulièrement vrai dans le domaine des grands modèles développés en interne pour les secteurs ou entreprises, où une équipe technique spécialisée et compétente en grands modèles verticaux est nécessaire.
Certaines institutions financières et entreprises technologiques ont déjà commencé à agir pour améliorer les compétences de leurs employés par le biais de formations, de projets communs, etc. Dans ce processus, la structure du personnel des institutions financières sera également sujette à des ajustements et des transformations. Les développeurs capables d'utiliser de grands modèles pourraient avoir plus de facilité à s'établir dans ce nouvel environnement.
Voir l'original
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
Exploration des applications des grands modèles dans le secteur financier : de l'anxiété à la rationalité, le manque de talents reste à résoudre.
Avancées de l'application des grands modèles dans le secteur financier : de l'anxiété à l'exploration rationnelle
Depuis le lancement de ChatGPT, l'intérêt du secteur financier pour les technologies d'intelligence artificielle a rapidement augmenté. Des préoccupations et des anxiétés initiales, il est passé à une exploration rationnelle, et l'attitude des institutions financières envers les grands modèles a évolué à travers plusieurs étapes.
Au début de l'année, de nombreuses institutions étaient pressées de suivre, craignant de prendre du retard sur le développement technologique. En avril et mai, elles ont commencé à former des équipes pour mener des travaux connexes. Au cours des mois suivants, elles ont rencontré des difficultés dans la recherche de direction et la mise en œuvre, et leur attitude est devenue plus rationnelle. Actuellement, la plupart des institutions se concentrent sur des cas de référence dans l'industrie, choisissant des scénarios éprouvés pour des projets pilotes.
Il est à noter que de nombreuses institutions financières ont élevé les grands modèles au niveau stratégique. Selon des statistiques incomplètes, au moins 11 banques cotées en actions A ont clairement indiqué dans leur dernier rapport semestriel qu'elles explorent l'application des grands modèles. D'après les récentes actions, elles commencent également à réfléchir et à planifier plus clairement en termes de stratégie et de conception de haut niveau.
De l'enthousiasme à un retour à la rationalité
Au début de l'année, la compréhension des grandes institutions financières concernant les grands modèles était encore très limitée. Certaines grandes banques ont été les premières à agir, lançant des applications connexes. Pendant ce temps, certaines grandes institutions financières ont commencé à discuter de la construction de grands modèles avec des entreprises technologiques.
Après mai, en raison de la limitation des ressources de calcul et des coûts, l'attention des institutions financières commence à passer de la construction interne à la valeur d'application. Actuellement, les entreprises de différentes tailles se séparent également en deux voies : les grandes institutions ont tendance à construire leurs propres grands modèles d'entreprise, tandis que les petites et moyennes institutions préfèrent utiliser des API de cloud public ou des services de déploiement privatif.
En raison des exigences élevées de l'industrie financière en matière de conformité, de sécurité et de fiabilité des données, le déploiement des grands modèles avance en réalité légèrement plus lentement que prévu au début de l'année. Certaines institutions ont déjà commencé à chercher des solutions, y compris la construction de leur propre puissance de calcul et le déploiement hybride.
En matière de données, de plus en plus d'institutions financières commencent à renforcer la gouvernance des données, à construire des plateformes de données et des systèmes de gouvernance des données. Certaines banques résolvent également les problèmes de données grâce à l'approche modèle de grande taille + MLOps.
Entrer par les scènes périphériques
Au cours des six derniers mois, les institutions financières et les prestataires de services ont activement exploré les cas d'application des grands modèles, couvrant de nombreux domaines tels que le bureau intelligent, le développement intelligent, le marketing intelligent, le service client intelligent, la recherche et l'investissement intelligents, et le contrôle des risques intelligent.
Mais dans le processus de mise en œuvre réel, un consensus s'est formé dans l'industrie : d'abord en interne, puis en externe. À ce stade, la technologie des grands modèles n'est pas encore mature, et le secteur financier exige une sécurité et une fiabilité très élevées. Par conséquent, il n'est pas recommandé d'utiliser directement les grands modèles auprès des clients à court terme.
Actuellement, des scénarios tels que l'assistant de code et le bureau intelligent ont déjà été mis en œuvre dans plusieurs institutions financières. Cependant, les professionnels du secteur estiment que ce ne sont pas encore les applications essentielles des institutions financières, et que les grands modèles sont encore loin d'atteindre un niveau d'intégration profond dans les opérations financières.
En ce qui concerne la conception de haut niveau, certaines institutions financières ont déjà construit des cadres systématiques multicouches basés sur de grands modèles, y compris la couche d'infrastructure, la couche de modèle, la couche de service et la couche d'application, etc. Ces cadres adoptent généralement de grands modèles comme noyau, utilisent des modèles traditionnels comme compétences, et appliquent une stratégie multi-modèles pour optimiser les résultats.
Le besoin de talents reste énorme
L'application des grands modèles commence à poser des défis et à transformer la structure des effectifs dans le secteur financier. Certains postes sont menacés d'être remplacés, mais de nouveaux besoins en talents apparaissent également.
Actuellement, le secteur financier est confronté à un défi de pénurie de talents lorsqu'il s'agit d'utiliser les capacités des grands modèles dans ses processus commerciaux clés. Cela est particulièrement vrai dans le domaine des grands modèles développés en interne pour les secteurs ou entreprises, où une équipe technique spécialisée et compétente en grands modèles verticaux est nécessaire.
Certaines institutions financières et entreprises technologiques ont déjà commencé à agir pour améliorer les compétences de leurs employés par le biais de formations, de projets communs, etc. Dans ce processus, la structure du personnel des institutions financières sera également sujette à des ajustements et des transformations. Les développeurs capables d'utiliser de grands modèles pourraient avoir plus de facilité à s'établir dans ce nouvel environnement.