金融業の大モデル応用の進展:不安から理性的な探求へ

ChatGPTの登場以来、金融業界における人工知能技術への関心が急速に高まっています。初めは懸念や不安から、現在は理性的な探求へと、金融機関の大規模モデルに対する態度は数段階の変化を経ています。

年初、多くの機関が技術の進展に遅れを取ることを懸念し、急いで追随しようとしました。4月と5月になると、次々とチームを組織し、関連業務に取り組み始めました。その後の数ヶ月間、方向性を探る過程で困難に直面し、態度はより理性的になりました。現在、多くの機関が業界のベンチマークケースに注目し、検証済みのシナリオを選んで試験運用を行っています。

注目すべきは、多くの金融機関が大規模モデルを戦略レベルに引き上げていることです。完全な統計ではありませんが、A株上場銀行の少なくとも11社が最新の半年報告書で大規模モデルの適用を探求していることを明確に示しています。最近の動きを見ると、彼らは戦略的およびトップレベルの設計の観点から、より明確な思考と経路計画を進めています。

熱意から理性的な回帰へ

年初の時点で、金融機関の大規模モデルに対する認識はまだ限られていた。一部の大手銀行が先行して行動し、関連するアプリケーションを導入した。一方で、一部の主要な金融機関はテクノロジー企業と大規模モデルの構築について議論を始めた。

5月以降、計算力資源やコストなどの要因に制約され、金融機関の関心は自社開発から応用価値へと移り始めました。現在、異なる規模の企業は2つの道に分化しています: 大規模機関は企業向けの大モデルを自社開発する傾向があり、中小機関はパブリッククラウドAPIやプライベートデプロイサービスを導入する傾向があります。

金融業界はデータのコンプライアンス、安全性、信頼性などの要求が高いため、大規模モデルの実装の進展は実際には年初の予想よりもやや遅れています。一部の機関は、独自の計算能力の構築やハイブリッドデプロイメントなどの解決策を探し始めています。

データの観点から、ますます多くの金融機関がデータガバナンスを強化し、データミドルプラットフォームとデータガバナンス体系を構築し始めています。一部の銀行は、大規模モデル+MLOpsの方法を通じてデータの問題を解決しています。

周辺シーンからの切り出し

過去半年以上、金融機関やサービスプロバイダーは、スマートオフィス、インテリジェント開発、スマートマーケティング、インテリジェントカスタマーサービス、スマート投資研究、インテリジェントリスク管理など、さまざまな分野で大規模モデルの応用シーンを積極的に探求しています。

しかし、実際の導入過程では、業界内での合意が形成されました: まず内部、次に外部。現在の段階では、大規模モデル技術はまだ成熟しておらず、金融業界は安全性と信頼性に対する要求が非常に高いです。そのため、短期的には顧客向けに大規模モデルを直接使用することはお勧めできません。

現在、コードアシスタントやスマートオフィスなどのシーンは、多くの金融機関に導入されています。しかし、業界関係者は、これらはまだ金融機関のコアアプリケーションではなく、大規模モデルは金融業務の深層に到達するにはまだ距離があると考えています。

トップレベルの設計に関して、一部の金融機関は大規模モデルに基づいて多層のシステムフレームワークを構築しています。これには、インフラ層、モデル層、サービス層、アプリケーション層などが含まれます。これらのフレームワークは一般的に大規模モデルを中枢として採用し、従来のモデルをスキルとして呼び出し、最適な効果を得るために多モデル戦略を採用しています。

人材不足は依然として大きい

大規模モデルの適用は、金融業界の人材構造に対して挑戦と変革をもたらし始めています。一部の職種は代替のリスクに直面していますが、同時に新たな人材の需要も生まれています。

現在、金融業界はコアビジネスプロセスに大規模モデルの能力を活用する際に、人材不足の課題に直面しています。特に、業界や企業の大規模モデルを自社で構築する場合、専門的な垂直大規模モデル技術チームが必要です。

いくつかの金融機関やテクノロジー企業は、研修コースや共同プロジェクトチームなどの方法を通じて、従業員の能力を向上させるための行動を取り始めています。この過程で、金融機関の人員構成も調整と変革を迎えるでしょう。大規模モデルを使用できる開発者は、新しい環境で立ち上がるのが容易になるかもしれません。