金融業大模型應用進展:從焦慮到理性探索

ChatGPT問世以來,金融業對人工智能技術的關注度迅速升溫。從最初的擔憂和焦慮,到如今的理性探索,金融機構對大模型的態度經歷了幾個階段的變化。

年初時,許多機構急於跟進,擔心落後於技術發展。到了四五月份,紛紛組建團隊開展相關工作。隨後幾個月,在尋找方向和落地過程中遇到困難,態度趨於理性。目前,多數機構正在關注業內標杆案例,選擇經過驗證的場景進行試點。

值得注意的是,不少金融機構已將大模型提升到戰略層面。據不完全統計,A股上市銀行中至少有11家在最新半年報中明確提出正在探索大模型應用。從近期動作看,他們也正在從戰略和頂層設計層面進行更清晰的思考和路徑規劃。

從熱情高漲到理性回歸

年初時,金融機構對大模型的認知還很有限。一些大型銀行率先行動,推出了相關應用。與此同時,一些頭部金融機構開始與科技公司探討大模型建設。

5月以後,受限於算力資源和成本等因素,金融機構的關注點開始從自建轉向應用價值。目前,不同規模的企業也分化出兩條路徑:大型機構傾向於自建企業大模型,中小機構則傾向於引入公有雲API或私有化部署服務。

由於金融行業對數據合規性、安全性、可信性等要求較高,大模型的落地進展實際略慢於年初預期。一些機構已經開始尋找解決方案,包括自建算力、混合部署等。

在數據方面,越來越多的金融機構開始加強數據治理,構建數據中臺和數據治理體系。一些銀行還通過大模型+MLOps的方式解決數據問題。

從外圍場景切入

過去半年多,金融機構和服務商都在積極探索大模型的應用場景,涵蓋智慧辦公、智能開發、智慧營銷、智能客服、智慧投研、智能風控等多個領域。

但在實際落地過程中,業內形成共識:先內部後外部。目前階段,大模型技術尚不成熟,而金融行業對安全性和可信度要求極高。因此,短期內不建議直接面向客戶使用大模型。

目前,代碼助手和智慧辦公等場景已在不少金融機構落地。但業內人士認爲,這些還不是金融機構的核心應用,大模型距離深入金融業務層面還有一定距離。

在頂層設計方面,一些金融機構已經基於大模型搭建了多層級的系統框架,包括基礎設施層、模型層、服務層和應用層等。這些框架普遍採用大模型作爲中樞,調用傳統模型作爲技能,並採用多模型策略以優選效果。

人才缺口依然龐大

大模型的應用已經開始對金融行業的人員結構帶來挑戰和變革。一些崗位面臨被替代的風險,但同時也出現了新的人才需求。

目前,金融行業在將大模型能力用於核心業務流程時面臨人才短缺的挑戰。特別是在自建行業或企業大模型方面,需要一支精幹的垂直大模型技術隊伍。

一些金融機構和科技公司已經開始採取行動,通過培訓課程、聯合項目組等方式提升員工能力。在這個過程中,金融機構的人員結構也將迎來調整和變革。會用大模型的開發人員可能更容易在新環境中立足。