人工知能時代の到来、金融業界は大規模モデルの挑戦にどう対応するか

ChatGPTの登場は金融業界に大きな波紋を呼び起こしました。この技術に依存する業界は、時代の流れに取り残されることを恐れています。しかし、この不安は次第に収まり、人々の考え方もより明確で理性的になってきています。

軟通動力銀行業務CTOの孫洪軍は、今年の金融業界における大モデルに対する態度のいくつかの段階を説明しました: 年初には皆が非常に不安で、遅れを取ることを心配していました; 春には次々とチームを結成して作業を開始しました; 夏には落ち着いた方向性に出くわし、理性的になり始めました; 現在はベンチマークを観察し、検証済みのシナリオを試みています。

注目すべきは、多くの金融機関が戦略的な観点から大規模モデルの重要性を認識しているということです。完全ではない統計によれば、A株上場企業の中で少なくとも11の銀行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述べています。最近の動きを見ると、彼らは戦略とトップレベルの設計の観点から、より明確な思考と道筋の計画を進めていることがわかります。

過去半年以上、大規模モデルのサービスプロバイダーや各金融機関は、積極的にアプリケーションシーンを探しています。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、ニーズ分析などの分野が次々と探求されています。

しかし、大規模モデルを金融業務に実際に導入する際の一般的な合意は、まず内部から外部へということです。結局のところ、現在の大規模モデル技術は十分に成熟しておらず、幻覚などの問題が存在します。また、金融業界は強い規制、高い安全性、高い信頼性の分野です。

中国工商银行の最高技術責任者である吕仲涛は、短期的には顧客に直接大モデルを使用することを推奨しないと考えています。金融機関は、まず大モデルを金融文書や金融画像の分析、理解、創作などの知的集約的なシーンに使用し、アシスタントとして業務担当者の作業効率を向上させるべきです。

現在、コードアシスタントなどのアプリケーションは多くの金融機関で導入されています。例えば、中国工商銀行は大規模モデルに基づいたインテリジェントな研究開発システムを構築し、コーディングアシスタントが生成したコードの量は総コード量の40%を占めています。陽光保険は、大規模モデルに基づくプログラミング支援プラグインを開発し、内部開発ツールに直接組み込んでいます。

いくつかの金融機関は、大規模モデルに基づいて、インフラ層、モデル層、大規模モデルサービス層、アプリケーション層などの複数のレイヤーを持つ階層システムフレームワークを構築しています。これらのフレームワークには一般的に2つの特徴があります。一つは、大規模モデルが中枢能力を発揮し、従来のモデルをスキルとして呼び出すことです。もう一つは、大規模モデル層がマルチモデル戦略を採用し、内部で「競争」を行い最適な効果を選出することです。

大規模モデルの応用は、金融業界の人員構造に対していくつかの課題と変革をもたらし始めています。今年の初めから5月末までに、あるフィンテック企業は300人以上のビッグデータアナリストを解雇しました。しかし、一部の大手銀行は大規模モデルによる人員削減を望んでおらず、むしろ従業員のサービス品質と作業効率を向上させることを望んでおり、同時に一部の従業員を解放してより高価値の仕事を行わせることを目指しています。

大規模モデルの急速な発展は、人材の供給と需要の不均衡という問題も引き起こしています。農業銀行の研究開発センター副総経理の趙焕芳は、彼らの採用時にAI分野の新しい従業員の割合が非常に高いことを発見しましたが、大規模モデルを理解している人は非常に少ないと述べています。

人材不足に直面して、一部の機関はすでに行動を起こしています。例えば、ある会社は工商銀行のラボの人事チームと連携し、Prompt調整、微調整、大規模モデルの運用などを含むトレーニングコースを設計し、複数の部門と協力して共同プロジェクトチームを設立し、企業の人材能力向上を促進しています。

このプロセスでは、金融機関の人員構成にもいくつかの調整と変革が訪れるでしょう。大規模モデルを使える開発者は、使えない開発者よりもこの新しい環境で立ち位置を確保しやすいでしょう。