Bagaimana industri keuangan menghadapi model AI besar: dari kecemasan hingga penjelajahan rasional untuk menemukan jalur implementasi

robot
Pembuatan abstrak sedang berlangsung

Era kecerdasan buatan telah tiba, bagaimana industri keuangan menghadapi tantangan model besar

Kehadiran ChatGPT telah menyebabkan guncangan yang cukup besar di industri keuangan. Industri yang bergantung pada teknologi ini khawatir akan tertinggal oleh arus zaman. Namun, kecemasan ini secara bertahap mereda, dan pemikiran orang-orang menjadi lebih jelas dan rasional.

CTO Sun Hongjun dari Ruantong Power Bank menggambarkan beberapa tahap sikap industri keuangan terhadap model besar tahun ini: pada awal tahun semua orang merasa cemas, khawatir tertinggal; pada musim semi banyak yang membentuk tim untuk memulai pekerjaan; pada musim panas mengalami kesulitan dalam arah penerapan, mulai menjadi lebih rasional; sekarang adalah mengamati tolok ukur, mencoba memverifikasi skenario yang sudah diuji.

Perlu dicatat bahwa banyak lembaga keuangan telah mulai memperhatikan model besar dari perspektif strategis. Menurut statistik yang tidak lengkap, setidaknya ada 11 bank di perusahaan yang terdaftar di A-share yang secara jelas menyatakan dalam laporan setengah tahunan terbaru mereka bahwa mereka sedang menjajaki penerapan model besar. Dari tindakan terbaru, mereka juga sedang melakukan pemikiran dan perencanaan jalur yang lebih jelas dari perspektif strategis dan desain tingkat atas.

Selama lebih dari enam bulan terakhir, baik penyedia layanan model besar maupun berbagai lembaga keuangan, telah aktif mencari skenario aplikasi. Bidang seperti kantor cerdas, pengembangan cerdas, pemasaran cerdas, layanan pelanggan cerdas, penelitian dan investasi cerdas, pengendalian risiko cerdas, serta analisis kebutuhan telah dieksplorasi satu per satu.

Namun, ketika ingin menerapkan model besar secara nyata dalam bisnis keuangan, konsensus umum adalah mulai dari internal sebelum eksternal. Lagipula, saat ini teknologi model besar masih belum cukup matang, ada masalah seperti ilusi, dan industri keuangan adalah bidang yang sangat diatur, dengan keamanan tinggi dan kepercayaan tinggi.

CTO Bank Industrial dan Komersial Cina, Lv Zhongtao, berpendapat bahwa dalam jangka pendek, tidak disarankan untuk langsung menggunakan model besar untuk pelanggan. Lembaga keuangan sebaiknya mengutamakan penggunaan model besar untuk analisis pemahaman dan penciptaan teks keuangan serta gambar keuangan dalam skenario yang membutuhkan kecerdasan tinggi, untuk meningkatkan efisiensi kerja staf bisnis dalam bentuk asisten.

Saat ini, aplikasi seperti asisten kode telah diterapkan di banyak lembaga keuangan. Misalnya, Bank Industrial dan Komersial China membangun sistem pengembangan cerdas berbasis model besar, di mana jumlah kode yang dihasilkan oleh asisten pengkodean mencapai 40% dari total jumlah kode. Sun Insurance mengembangkan plugin pemrograman berbasis model besar yang langsung disematkan ke dalam alat pengembangan internal.

Beberapa lembaga keuangan telah membangun kerangka sistem berlapis yang mencakup lapisan infrastruktur, lapisan model, lapisan layanan model besar, dan lapisan aplikasi, berdasarkan model besar. Kerangka ini umumnya memiliki dua karakteristik: pertama, model besar memainkan kemampuan pusat, menggunakan model tradisional sebagai keterampilan untuk dipanggil; kedua, lapisan model besar mengadopsi strategi multi-model, di mana "perlombaan" internal memilih hasil yang paling optimal.

Aplikasi model besar telah mulai membawa tantangan dan perubahan pada struktur tenaga kerja di industri keuangan. Beberapa perusahaan fintech telah memecat lebih dari 300 analis data besar dari awal tahun hingga akhir Mei. Namun, beberapa bank besar tidak ingin model besar menyebabkan pengurangan staf, tetapi berharap dapat meningkatkan kualitas layanan dan efisiensi kerja karyawan, sambil membebaskan sebagian karyawan untuk melakukan pekerjaan yang lebih bernilai tinggi.

Perkembangan pesat model besar juga membawa masalah ketidakseimbangan antara penawaran dan permintaan tenaga kerja. Zhao Huanfang, Wakil Manajer Pusat R&D Bank Pertanian, menyatakan bahwa mereka menemukan saat merekrut, proporsi karyawan baru yang belajar di bidang AI sangat tinggi, tetapi yang memahami model besar sangat sedikit.

Menghadapi kekurangan tenaga kerja, beberapa lembaga telah mengambil tindakan. Misalnya, sebuah perusahaan bekerja sama dengan tim sumber daya manusia dari Laboratorium Bank Industri dan Perdagangan, merancang kursus pelatihan yang mencakup penyesuaian Prompt, fine-tuning, dan operasi model besar, serta bekerja sama dengan beberapa departemen untuk membentuk kelompok proyek bersama, mendorong peningkatan kemampuan staf perusahaan.

Dalam proses ini, struktur personel lembaga keuangan juga akan mengalami beberapa penyesuaian dan perubahan. Pengembang yang menggunakan model besar kemungkinan akan lebih mudah bertahan di lingkungan baru ini dibandingkan dengan yang tidak menggunakannya.

Lihat Asli
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
  • Hadiah
  • 5
  • Bagikan
Komentar
0/400
SleepTradervip
· 18jam yang lalu
Angin kencang telah kembali ke dunia keuangan.
Lihat AsliBalas0
MevHuntervip
· 18jam yang lalu
Peringatan Pemutusan Hubungan Kerja untuk Sales
Lihat AsliBalas0
PancakeFlippavip
· 18jam yang lalu
Bijak, ya, bank bermain cukup hati-hati.
Lihat AsliBalas0
DataPickledFishvip
· 18jam yang lalu
Industri keuangan benar-benar kompetitif... pekerjaan pindah batu akan hilang.
Lihat AsliBalas0
metaverse_hermitvip
· 18jam yang lalu
Jangan bermain-main, jika harus PHK, ya harus PHK.
Lihat AsliBalas0
  • Sematkan
Perdagangkan Kripto Di Mana Saja Kapan Saja
qrCode
Pindai untuk mengunduh aplikasi Gate
Komunitas
Bahasa Indonesia
  • 简体中文
  • English
  • Tiếng Việt
  • 繁體中文
  • Español
  • Русский
  • Français (Afrique)
  • Português (Portugal)
  • Bahasa Indonesia
  • 日本語
  • بالعربية
  • Українська
  • Português (Brasil)