La llegada de la era de la inteligencia artificial, ¿cómo responderá la industria financiera al desafío de los grandes modelos?

La aparición de ChatGPT ha causado una gran conmoción en la industria financiera. Este sector dependiente de la tecnología teme quedarse atrás en la corriente de la época. Sin embargo, esta ansiedad está disminuyendo gradualmente, y las ideas de la gente se están volviendo más claras y racionales.

El CTO de servicios bancarios de Ruantong Power, Sun Hongjun, describió las varias etapas de la actitud de la industria financiera hacia los modelos grandes este año: a principios de año, todos estaban muy ansiosos, preocupados por quedarse atrás; en primavera, muchos formaron equipos para comenzar a trabajar; en verano, encontraron dificultades en la implementación y empezaron a volverse más racionales; ahora están observando referentes y tratando de validar escenarios probados.

Es notable que muchas instituciones financieras ya están prestando atención a los grandes modelos desde un nivel estratégico. Según estadísticas incompletas, al menos 11 bancos en las empresas cotizadas de A-share han mencionado explícitamente en sus últimos informes semestrales que están explorando la aplicación de grandes modelos. A partir de las acciones recientes, también están realizando reflexiones y planificación de caminos más claras desde un enfoque estratégico y de diseño de alto nivel.

En los últimos seis meses, tanto los proveedores de modelos grandes como las principales instituciones financieras han estado buscando activamente escenarios de aplicación. Se han explorado áreas como la oficina inteligente, el desarrollo inteligente, el marketing inteligente, el servicio al cliente inteligente, la investigación y el análisis de inversiones inteligentes, así como el análisis de necesidades.

Sin embargo, cuando se trata de implementar verdaderamente grandes modelos en el negocio financiero, el consenso general es primero internamente y luego externamente. Después de todo, la tecnología de grandes modelos aún no está lo suficientemente madura, existen problemas como las alucinaciones, y el sector financiero es un campo de alta regulación, alta seguridad y alta confiabilidad.

El director de tecnología del Banco Industrial y Comercial de China, Lu Zhongtao, considera que no se recomienda el uso directo de grandes modelos por parte de los clientes en el corto plazo. Las instituciones financieras deberían priorizar el uso de grandes modelos para la comprensión y creación de textos e imágenes financieras en escenarios intensivos en inteligencia, como una forma de asistente para mejorar la eficiencia laboral del personal.

Actualmente, aplicaciones como el asistente de código ya se han implementado en varias instituciones financieras. Por ejemplo, el Banco Industrial y Comercial de China ha construido un sistema de desarrollo inteligente basado en modelos grandes, y la cantidad de código generado por el asistente de codificación representa el 40% del total. La aseguradora Sunshine ha desarrollado un complemento de programación asistida basado en modelos grandes, que se integra directamente en las herramientas de desarrollo internas.

Algunas instituciones financieras han construido un marco de sistema jerárquico que incluye múltiples niveles, como la capa de infraestructura, la capa de modelo, la capa de servicio de gran modelo y la capa de aplicación, basado en grandes modelos. Estos marcos generalmente tienen dos características: primero, el gran modelo ejerce capacidades centrales, llamando a los modelos tradicionales como habilidades; segundo, la capa de gran modelo adopta una estrategia de múltiples modelos, eligiendo el efecto óptimo a través de "carreras" internas.

La aplicación de modelos grandes ya ha comenzado a presentar algunos desafíos y transformaciones en la estructura del personal de la industria financiera. Algunas empresas de tecnología financiera han despedido a más de 300 analistas de grandes datos desde principios de este año hasta finales de mayo. Sin embargo, algunos grandes bancos no desean que los modelos grandes resulten en despidos, sino que esperan mejorar la calidad del servicio y la eficiencia laboral de los empleados, al mismo tiempo que liberan a parte del personal para realizar trabajos de mayor valor.

El rápido desarrollo de los grandes modelos también ha traído problemas de desequilibrio en la oferta y demanda de talento. Zhao Huanfang, subgerente del centro de investigación y desarrollo del Banco Agrícola, afirmó que al contratar, descubrieron que la proporción de nuevos empleados que aprenden en el campo de la IA es muy alta, pero los que entienden los grandes modelos son muy pocos.

Frente a la escasez de talento, algunas instituciones ya han tomado medidas. Por ejemplo, una empresa se ha unido al equipo de recursos humanos del laboratorio del Banco Industrial y Comercial de China para diseñar programas de capacitación que incluyen ajuste de Prompt, ajuste fino, operación de grandes modelos, entre otros, y ha colaborado con varios departamentos para establecer grupos de proyectos conjuntos que promuevan la mejora de las capacidades del personal de la empresa.

En este proceso, la estructura de personal de las instituciones financieras también experimentará algunos ajustes y cambios. Es probable que los desarrolladores que utilicen modelos grandes tengan más facilidad para establecerse en este nuevo entorno que aquellos que no lo hagan.