Эпоха искусственного интеллекта наступает, как финансовая сфера должна реагировать на вызовы больших моделей

Появление ChatGPT вызвало значительное волнение в финансовом секторе. Эта зависимая от технологий отрасль опасается отстать от современных тенденций. Однако эта тревога постепенно утихают, и мышление людей становится более ясным и рациональным.

Главный технический директор банковского бизнеса Softline Сунь Хунцзюнь описал несколько этапов отношения финансового сектора к большим моделям в этом году: в начале года все были обеспокоены, опасаясь отставания; весной начали создавать команды для работы; летом столкнулись с трудностями в направлении реализации и начали становиться более рациональными; сейчас наблюдают за эталонами и пытаются проверить проверенные сценарии.

Стоит отметить, что многие финансовые учреждения уже на стратегическом уровне обращают внимание на большие модели. По неполным данным, как минимум 11 банков среди компаний, торгующих на фондовом рынке A, в своих последних полугодовых отчетах четко указали, что они исследуют применение больших моделей. Судя по недавним действиям, они также начинают более четко мыслить и планировать пути на стратегическом и верхнем уровне.

В течение последних полутора лет как поставщики крупных моделей, так и крупные финансовые учреждения активно искали сценарии применения. Области умного офиса, интеллектуальной разработки, умного маркетинга, интеллектуального обслуживания клиентов, умных исследований и инвестиций, интеллектуального управления рисками, анализа потребностей и другие были исследованы одна за другой.

Однако, когда речь идет о реальном внедрении больших моделей в финансовый бизнес, существует общее мнение, что сначала нужно работать внутренне, а затем внешне. В конце концов, на данный момент технологии больших моделей еще не достаточно зрелы, существуют проблемы, такие как иллюзии, а финансовая отрасль является областью с жестким регулированием, высоким уровнем безопасности и высокой надежностью.

Главный технический директор Банк Китая Люй Чжунтао считает, что в краткосрочной перспективе не рекомендуется напрямую использовать большие модели для клиентов. Финансовым учреждениям следует в первую очередь применять большие модели для анализа и понимания финансовых текстов и изображений, а также в других интеллектуально емких ситуациях, чтобы повысить эффективность работы сотрудников в виде помощников.

В настоящее время приложения, такие как помощник кода, уже внедрены во многих финансовых учреждениях. Например, Коммерческий банк Китая создал интеллектуальную систему разработки на основе крупной модели, где объем кода, сгенерированного помощником кода, составляет 40% от общего объема кода. Страховая компания "Солнечное страхование" разработала плагин для помощи в программировании на основе крупной модели, который напрямую встроен в внутренние инструменты разработки.

Некоторые финансовые учреждения уже на основе больших моделей создали многослойные системные рамки, включающие уровень инфраструктуры, уровень моделей, уровень обслуживания больших моделей и уровень приложений. Эти системы обычно имеют две характеристики: во-первых, большие модели выполняют центральные функции, а традиционные модели используются как навыки; во-вторых, уровень больших моделей применяет стратегию многомодельности, проводя внутренние "гонки", чтобы выбрать наилучший результат.

Применение больших моделей уже начало вносить некоторые вызовы и изменения в структуру персонала финансовой отрасли. Финансовые технологические компании с начала этого года до конца мая уволили более 300 аналитиков больших данных. Однако некоторые крупные банки не хотят, чтобы большие модели привели к сокращению персонала, а стремятся повысить качество обслуживания сотрудников и их рабочую эффективность, одновременно освобождая часть сотрудников для выполнения более высокоценной работы.

Быстрое развитие больших моделей также привело к проблеме дисбаланса спроса и предложения на таланты. Заместитель генерального директора Центра исследований и разработок Аграрного банка Чжао Хуаньфан отметил, что при найме они обнаружили, что доля новых сотрудников, изучающих область ИИ, очень высока, но тех, кто понимает большие модели, очень мало.

В условиях нехватки кадров некоторые организации уже предприняли меры. Например, одна компания совместно с командой управления человеческими ресурсами лаборатории Индустриального и Торгового банка разработала учебные курсы, включающие настройку Prompt, дообучение и эксплуатацию крупных моделей, а также сотрудничает с несколькими подразделениями для создания совместных проектных групп, направленных на повышение квалификации сотрудников.

В этом процессе структура персонала финансовых учреждений также претерпит некоторые изменения и реформы. Разработчики, использующие большие модели, скорее всего, смогут легче адаптироваться в этой новой среде, чем те, кто не использует их.