Наступ епохи штучного інтелекту: як фінансовий сектор може впоратися з викликами великих моделей

Виникнення ChatGPT викликало неабиякий резонанс у фінансовій сфері. Ця технологічно орієнтована галузь побоюється залишитися позаду в епоху змін. Проте ця тривога поступово вщухає, а думки людей стають дедалі чіткішими та раціональнішими.

Генеральний директор банківського бізнесу Softcom Sun Hongjun описав кілька етапів ставлення фінансової індустрії до великих моделей цього року: на початку року всі були занепокоєні, боялися відставати; навесні почали створювати команди для роботи; влітку зіткнулися з труднощами в напрямку реалізації, почали ставитися раціонально; тепер спостерігають за еталонами, намагаються перевірити відпрацьовані сценарії.

Варто зазначити, що багато фінансових установ вже на стратегічному рівні звернули увагу на великі моделі. За неповними даними, принаймні 11 банків серед компаній, що котируються на A-ринку, чітко зазначили у своїх останніх піврічних звітах, що вони досліджують застосування великих моделей. З недавніх дій видно, що вони також починають більш чітко розмірковувати та планувати шляхи на стратегічному та верхньому рівнях.

За останні півроку як постачальники великих моделей, так і великі фінансові установи активно шукають сценарії застосування. Сфери розумного офісу, інтелектуальної розробки, розумного маркетингу, інтелектуальної підтримки клієнтів, розумних інвестицій та досліджень, інтелектуального управління ризиками, аналізу потреб тощо були досліджені одна за одною.

Проте, коли йдеться про реальне впровадження великих моделей у фінансовий бізнес, загальне визнання полягає в тому, що спочатку потрібно впроваджувати їх внутрішньо, а потім зовні. Адже наразі технології великих моделей ще не достатньо зрілі, є проблеми з ілюзією та інші, а фінансовий сектор є сферою з суворим регулюванням, високою безпекою та високою надійністю.

Головний технічний директор Китайського промислового банку Лю Чжунтао вважає, що в короткостроковій перспективі не рекомендується безпосередньо використовувати великі моделі для клієнтів. Фінансові установи повинні в першу чергу використовувати великі моделі для аналізу та розуміння фінансових текстів і фінансових зображень, а також для інтелектуально насичених сцен, щоб підвищити ефективність роботи працівників у формі асистента.

На даний момент застосунки, такі як кодовий асистент, вже впроваджені в багатьох фінансових установах. Наприклад, Промислово-Комерційний Банк створив інтелектуальну систему розробки на основі великої моделі, де обсяги коду, згенеровані кодовим асистентом, становлять 40% від загального обсягу коду. Страхова компанія "Сонячна" також розробила плагін для допоміжного програмування на основі великої моделі, який безпосередньо вбудовано в внутрішні інструменти розробки.

Деякі фінансові установи вже на основі великих моделей створили багатошарову системну архітектуру, яка включає інфраструктурний рівень, рівень моделей, рівень послуг великих моделей, рівень застосувань та інші рівні. Ці архітектури мають два загальні ознаки: по-перше, великі моделі відіграють центральну роль, викликаючи традиційні моделі як навички; по-друге, на рівні великих моделей застосовується стратегія багатьох моделей, де всередині відбувається "перегони" для вибору найкращого результату.

Застосування великих моделей вже почало викликати деякі виклики та зміни в структурі персоналу фінансової галузі. Фінансові технологічні компанії з початку цього року до кінця травня звільнили понад 300 аналітиків великих даних. Проте деякі великі банки не бажають, щоб великі моделі призводили до скорочення штату, а скоріше сподіваються підвищити якість обслуговування та ефективність роботи своїх співробітників, одночасно звільнивши частину співробітників для виконання більш цінних завдань.

Швидкий розвиток великих моделей також призвів до проблеми дисбалансу попиту та пропозиції на кадри. Заступник генерального директора Центру досліджень та розробок Агробанку Чжао Хуаньфан зазначив, що під час набору персоналу вони виявили, що частка нових співробітників, які вивчають сферу ШІ, дуже висока, але тих, хто розуміє великі моделі, дуже мало.

Стикаючись із нестачею кадрів, деякі установи вже вжили заходів. Наприклад, одна компанія спільно з командою з управління людськими ресурсами лабораторії Промислового банку розробила навчальні програми, що включають налаштування Prompt, доопрацювання, операції з великими моделями та інше, а також співпрацювала з кількома відділами для створення спільних проектних груп, щоб сприяти підвищенню кваліфікації працівників підприємства.

У процесі цього, структура персоналу фінансових установ також зазнає деяких змін і перетворень. Розробники, які користуються великими моделями, ймовірно, зможуть легше утвердитися в цьому новому середовищі, ніж ті, хто не вміє їх використовувати.