Model Besar Mengguncang Industri Keuangan: Dari Kecemasan ke Rasionalitas, Menjelajahi Jalur Implementasi
Sikap industri keuangan terhadap teknologi model besar telah mengalami pergeseran dari kecemasan menjadi rasional. Pada awal tahun ketika ChatGPT diluncurkan, para profesional keuangan umumnya merasa cemas, khawatir tertinggal oleh arus zaman. Seiring berjalannya waktu, pemahaman lembaga keuangan tentang model besar semakin mendalam, dan mulai memikirkan secara rasional nilai aplikasinya.
Banyak bank telah secara jelas menyatakan dalam laporan setengah tahunan bahwa mereka sedang mengeksplorasi penerapan model besar. Dari tindakan terbaru, lembaga keuangan sedang melakukan pemikiran dan perencanaan yang lebih jelas dari segi strategis dan desain tingkat atas. Dibandingkan dengan beberapa bulan yang lalu, pemahaman klien keuangan tentang model besar telah meningkat secara signifikan.
Dalam hal komputasi, industri keuangan telah muncul dengan beberapa solusi: pertama, membangun komputasi secara langsung, cocok untuk lembaga keuangan besar yang memiliki kekuatan finansial; kedua, penerapan komputasi campuran, dengan memastikan keamanan data sensitif, memanggil layanan model besar dari cloud publik. Selain itu, beberapa lembaga juga sedang memperkuat tata kelola data, membangun platform data dan sistem tata kelola.
Saat ini, aplikasi model besar dalam industri keuangan terutama berfokus pada skenario internal, seperti kantor cerdas, pengembangan cerdas, dan layanan pelanggan cerdas. Para profesional di industri ini berpendapat bahwa dalam jangka pendek, tidak disarankan untuk langsung menggunakan model besar untuk layanan eksternal, melainkan harus diutamakan untuk diterapkan pada skenario internal, dengan cara kolaborasi manusia dan mesin untuk meningkatkan efisiensi kerja.
Aplikasi model besar juga mulai mempengaruhi struktur sumber daya manusia di industri keuangan. Di satu sisi, beberapa posisi tradisional menghadapi risiko tergantikan; di sisi lain, kesenjangan tenaga kerja terkait model besar sangat besar. Lembaga keuangan perlu mengembangkan talenta yang memahami AI dan bisnis keuangan untuk mendukung inovasi berkelanjutan aplikasi model besar.
Secara keseluruhan, eksplorasi industri keuangan terhadap model besar sedang beralih dari kejaran buta di tahap awal menjadi aplikasi yang lebih rasional. Di masa depan, model besar diharapkan dapat berperan lebih besar dalam bisnis inti keuangan, tetapi ini memerlukan lembaga keuangan untuk mempersiapkan jangka panjang dalam hal pengembangan bakat, akumulasi teknologi, dan lain-lain.
Lihat Asli
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
17 Suka
Hadiah
17
5
Bagikan
Komentar
0/400
PumpDetector
· 07-18 06:38
smh... pola yang sama seperti fomo fintech 2017. smart money sudah diposisikan untuk ini beberapa bulan yang lalu
Lihat AsliBalas0
airdrop_whisperer
· 07-15 08:40
Ah, ternyata semua panik sekali.
Lihat AsliBalas0
SandwichHunter
· 07-15 08:22
Apa gunanya cemas, langsung saja lakukan.
Lihat AsliBalas0
TokenomicsTherapist
· 07-15 08:18
Hukum aroma yang sangat nyata sekali lagi terbukti.
Lihat AsliBalas0
FudVaccinator
· 07-15 08:15
Langsung menggunakan model besar untuk menghancurkan suckers
Eksplorasi Aplikasi Model Besar di Industri Keuangan: Dari Kecemasan ke Penerapan yang Rasional
Model Besar Mengguncang Industri Keuangan: Dari Kecemasan ke Rasionalitas, Menjelajahi Jalur Implementasi
Sikap industri keuangan terhadap teknologi model besar telah mengalami pergeseran dari kecemasan menjadi rasional. Pada awal tahun ketika ChatGPT diluncurkan, para profesional keuangan umumnya merasa cemas, khawatir tertinggal oleh arus zaman. Seiring berjalannya waktu, pemahaman lembaga keuangan tentang model besar semakin mendalam, dan mulai memikirkan secara rasional nilai aplikasinya.
Banyak bank telah secara jelas menyatakan dalam laporan setengah tahunan bahwa mereka sedang mengeksplorasi penerapan model besar. Dari tindakan terbaru, lembaga keuangan sedang melakukan pemikiran dan perencanaan yang lebih jelas dari segi strategis dan desain tingkat atas. Dibandingkan dengan beberapa bulan yang lalu, pemahaman klien keuangan tentang model besar telah meningkat secara signifikan.
Dalam hal komputasi, industri keuangan telah muncul dengan beberapa solusi: pertama, membangun komputasi secara langsung, cocok untuk lembaga keuangan besar yang memiliki kekuatan finansial; kedua, penerapan komputasi campuran, dengan memastikan keamanan data sensitif, memanggil layanan model besar dari cloud publik. Selain itu, beberapa lembaga juga sedang memperkuat tata kelola data, membangun platform data dan sistem tata kelola.
Saat ini, aplikasi model besar dalam industri keuangan terutama berfokus pada skenario internal, seperti kantor cerdas, pengembangan cerdas, dan layanan pelanggan cerdas. Para profesional di industri ini berpendapat bahwa dalam jangka pendek, tidak disarankan untuk langsung menggunakan model besar untuk layanan eksternal, melainkan harus diutamakan untuk diterapkan pada skenario internal, dengan cara kolaborasi manusia dan mesin untuk meningkatkan efisiensi kerja.
Aplikasi model besar juga mulai mempengaruhi struktur sumber daya manusia di industri keuangan. Di satu sisi, beberapa posisi tradisional menghadapi risiko tergantikan; di sisi lain, kesenjangan tenaga kerja terkait model besar sangat besar. Lembaga keuangan perlu mengembangkan talenta yang memahami AI dan bisnis keuangan untuk mendukung inovasi berkelanjutan aplikasi model besar.
Secara keseluruhan, eksplorasi industri keuangan terhadap model besar sedang beralih dari kejaran buta di tahap awal menjadi aplikasi yang lebih rasional. Di masa depan, model besar diharapkan dapat berperan lebih besar dalam bisnis inti keuangan, tetapi ini memerlukan lembaga keuangan untuk mempersiapkan jangka panjang dalam hal pengembangan bakat, akumulasi teknologi, dan lain-lain.