A era da inteligência artificial chegou, como o setor financeiro pode enfrentar os desafios dos grandes modelos

O lançamento do ChatGPT causou um grande impacto na indústria financeira. Este setor, que depende da tecnologia, teme ficar para trás em relação às tendências atuais. No entanto, essa ansiedade está gradualmente diminuindo, e as pessoas estão se tornando mais claras e racionais em seus pensamentos.

O CTO do Banco Ruantong, Sun Hongjun, descreveu as várias fases da atitude da indústria financeira em relação a grandes modelos este ano: no início do ano, todos estavam ansiosos, preocupados em ficar para trás; na primavera, muitos formaram equipes para iniciar o trabalho; no verão, encontraram dificuldades na implementação e começaram a se tornar racionais; agora, estão observando referências e tentando validar cenários comprovados.

É importante notar que várias instituições financeiras já estão dando atenção estratégica aos grandes modelos. Segundo estatísticas incompletas, pelo menos 11 bancos entre as empresas listadas na bolsa A estão explorando a aplicação de grandes modelos em seus últimos relatórios semestrais. A partir das ações recentes, eles também estão realizando um pensamento e um planejamento de caminhos mais claros a partir de uma perspectiva estratégica e de design de alto nível.

Nos últimos seis meses, tanto os provedores de grandes modelos quanto as principais instituições financeiras têm procurado ativamente cenários de aplicação. Áreas como escritório inteligente, desenvolvimento inteligente, marketing inteligente, atendimento ao cliente inteligente, pesquisa e investimento inteligente, controle de riscos inteligente e análise de demanda estão sendo exploradas uma a uma.

No entanto, quando se trata de implementar modelos grandes nas operações financeiras, a consensus geral é começar internamente antes de se expandir externamente. Afinal, a tecnologia dos modelos grandes ainda não está suficientemente madura, apresentando problemas como alucinações, e a indústria financeira é um setor com forte regulamentação, alta segurança e alta confiabilidade.

O CTO do Banco Industrial e Comercial da China, Lv Zhongtao, acredita que, a curto prazo, não é aconselhável usar grandes modelos diretamente com os clientes. As instituições financeiras devem priorizar o uso de grandes modelos em cenários de análise e compreensão de textos e imagens financeiras, que são intensivos em inteligência, para melhorar a eficiência do trabalho dos funcionários na forma de assistentes.

Atualmente, aplicações como assistentes de código já foram implementadas em várias instituições financeiras. Por exemplo, o Banco Industrial e Comercial da China construiu um sistema de desenvolvimento inteligente baseado em grandes modelos, com a quantidade de código gerada pelo assistente de codificação representando 40% do total. A Sunshine Insurance desenvolveu um plugin de programação assistida baseado em grandes modelos, que é diretamente integrado nas ferramentas de desenvolvimento internas.

Algumas instituições financeiras já construíram uma estrutura de sistema em camadas baseada em grandes modelos, que inclui vários níveis, como a camada de infraestrutura, camada de modelos, camada de serviços de grandes modelos e camada de aplicações. Esses frameworks geralmente têm duas características: a primeira é que o grande modelo exerce uma capacidade central, chamando modelos tradicionais como habilidades; a segunda é que a camada de grandes modelos adota uma estratégia de múltiplos modelos, selecionando internamente o melhor desempenho através de uma "corrida de cavalos".

A aplicação de grandes modelos já começou a trazer alguns desafios e transformações na estrutura de pessoal da indústria financeira. Algumas empresas de tecnologia financeira demitiram mais de 300 analistas de big data desde o início do ano até o final de maio. No entanto, alguns grandes bancos não desejam que grandes modelos resultem em redução de pessoal, mas sim esperam melhorar a qualidade do serviço e a eficiência do trabalho dos funcionários, ao mesmo tempo em que libertam alguns funcionários para realizar trabalhos de maior valor.

O rápido desenvolvimento dos grandes modelos também trouxe o problema do desequilíbrio entre a oferta e a procura de talentos. Zhao Huanfang, vice-gerente do Centro de Pesquisa e Desenvolvimento do Banco Agrícola, afirmou que, ao recrutarem, perceberam que a proporção de novos funcionários que estudam na área de IA é muito alta, mas poucos têm conhecimento sobre grandes modelos.

Perante a falta de talento, algumas instituições já tomaram medidas. Por exemplo, uma empresa uniu-se à equipa de recursos humanos do laboratório do Banco Industrial e Comercial da China para desenhar cursos de formação que incluem otimização de Prompt, fine-tuning e operação de grandes modelos, e colaborou com vários departamentos para estabelecer grupos de projeto conjuntos, promovendo a melhoria das competências dos colaboradores da empresa.

Neste processo, a estrutura de pessoal das instituições financeiras também passará por alguns ajustes e mudanças. Aqueles que são desenvolvedores de grandes modelos provavelmente terão mais facilidade em se estabelecer neste novo ambiente do que aqueles que não o são.