L'ère de l'intelligence artificielle arrive, comment le secteur financier doit-il faire face aux défis des grands modèles

L'émergence de ChatGPT a provoqué un certain bouleversement dans le secteur financier. Cette industrie dépendante de la technologie craint d'être laissée pour compte par les courants de l'époque. Cependant, cette anxiété s'apaise progressivement et les esprits deviennent plus clairs et rationnels.

Le CTO de SoftBank Huagong, Sun Hongjun, a décrit les différentes phases de l'attitude du secteur financier envers les grands modèles cette année : au début de l'année, tout le monde était très anxieux, craignant de prendre du retard ; au printemps, des équipes ont été formées pour commencer à travailler ; en été, des difficultés ont été rencontrées dans la mise en œuvre, et les choses ont commencé à devenir plus rationnelles ; maintenant, il s'agit d'observer des références et d'essayer de valider des scénarios éprouvés.

Il convient de noter que de nombreuses institutions financières ont déjà commencé à accorder une importance stratégique aux grands modèles. Selon des statistiques incomplètes, au moins 11 banques parmi les entreprises cotées en bourse de la A-shares ont clairement indiqué dans leurs derniers rapports semestriels qu'elles explorent l'application des grands modèles. D'après les actions récentes, elles commencent également à réfléchir et à planifier de manière plus claire sur le plan stratégique et de la conception de haut niveau.

Au cours des six derniers mois, que ce soit les fournisseurs de grands modèles ou les grandes institutions financières, tous ont activement recherché des cas d'utilisation. Des domaines tels que le bureau intelligent, le développement intelligent, le marketing intelligent, le service client intelligent, la recherche et investissement intelligent, le contrôle des risques intelligent, et l'analyse des besoins ont tous été explorés.

Cependant, lorsqu'il s'agit de déployer de grands modèles dans le secteur financier, le consensus général est de commencer par des applications internes avant de passer aux applications externes. Après tout, la technologie des grands modèles n'est pas encore suffisamment mature, présentant des problèmes d'illusions, et le secteur financier est un domaine fortement régulé, à haute sécurité et à haute fiabilité.

Le directeur technique de la Banque industrielle et commerciale de Chine, Lv Zhongtao, estime qu'il n'est pas conseillé d'utiliser directement des grands modèles pour les clients à court terme. Les institutions financières devraient prioriser l'utilisation des grands modèles pour l'analyse, la compréhension et la création de textes et d'images financières dans des scénarios intellectuellement intensifs, afin d'améliorer l'efficacité des employés.

Actuellement, des applications telles que l'assistant de code ont déjà été mises en œuvre dans de nombreuses institutions financières. Par exemple, la Banque industrielle et commerciale de Chine a construit un système de développement intelligent basé sur un grand modèle, et le code généré par l'assistant de codage représente 40 % du code total. Sunshine Insurance a également développé un plugin d'assistance à la programmation basé sur un grand modèle, intégré directement dans les outils de développement internes.

Certain institutions financières ont construit un cadre systémique en couches basé sur de grands modèles, comprenant plusieurs niveaux tels que la couche d'infrastructure, la couche de modèle, la couche de service de grand modèle et la couche d'application. Ces systèmes de cadre présentent généralement deux caractéristiques : premièrement, les grands modèles jouent un rôle central, appelant des modèles traditionnels comme compétences ; deuxièmement, la couche de grand modèle adopte une stratégie multi-modèle, sélectionnant les meilleurs résultats par un "concours" interne.

L'application des grands modèles a déjà commencé à poser certains défis et à induire des changements dans la structure du personnel du secteur financier. Certaines entreprises de technologie financière ont licencié plus de 300 analystes de données depuis le début de l'année jusqu'à la fin mai. Cependant, certaines grandes banques ne souhaitent pas que les grands modèles entraînent des réductions d'effectifs, mais espèrent plutôt améliorer la qualité de service et l'efficacité au travail de leurs employés, tout en libérant une partie du personnel pour effectuer des tâches à plus forte valeur ajoutée.

Le développement rapide des grands modèles a également entraîné un déséquilibre entre l'offre et la demande de talents. Zhao Huanfang, vice-directeur du centre de recherche de la Banque Agricole, a déclaré qu'ils avaient constaté lors de leur recrutement qu'une proportion élevée de nouveaux employés apprenaient dans le domaine de l'IA, mais peu d'entre eux comprenaient les grands modèles.

Face à la pénurie de talents, certaines organisations ont déjà pris des mesures. Par exemple, une entreprise a collaboré avec l'équipe des ressources humaines du laboratoire de la Banque industrielle et commerciale de Chine pour concevoir des programmes de formation incluant l'optimisation des invites, le réglage fin et l'exploitation de grands modèles, et a collaboré avec plusieurs départements pour établir des groupes de projet conjoints afin de promouvoir l'amélioration des compétences du personnel de l'entreprise.

Au cours de ce processus, la structure du personnel des institutions financières subira également quelques ajustements et transformations. Les développeurs capables d'utiliser des grands modèles auront probablement plus de facilité à s'établir dans ce nouvel environnement que ceux qui ne le peuvent pas.