人工智能時代來臨，金融業如何應對大模型挑戰

ChatGPT的問世在金融業引發了不小的震動。這個依賴技術的行業擔心被時代潮流甩在後面。不過,這種焦慮正逐漸平息,人們的思路也變得更加清晰和理性。

軟通動力銀行業務CTO孫洪軍描述了今年金融業對大模型態度的幾個階段:年初時大家都很焦慮,擔心落後;春季紛紛組建團隊開展工作;夏季在落地方向上遇到困難,開始變得理性;現在則是觀察標杆,嘗試驗證過的場景。

值得注意的是,不少金融機構已經從戰略層面重視起大模型。據不完全統計,A股上市公司中至少有11家銀行在最新半年報中明確提出正在探索大模型的應用。從近期動作看,他們也正在從戰略和頂層設計層面進行更清晰的思考和路徑規劃。

過去半年多,無論是大模型的服務商,還是各大金融機構,都在積極尋找應用場景。智慧辦公、智能開發、智慧營銷、智能客服、智慧投研、智能風控、需求分析等領域都被一一探索。

不過,當要將大模型真正落地到金融業務中時,普遍的共識是先內部後外部。畢竟,目前大模型技術還不夠成熟,存在幻覺等問題,而金融行業又是一個強監管、高安全、高可信的領域。

中國工商銀行首席技術官呂仲濤認爲,短期內不建議直接面向客戶使用大模型。金融機構應優先將大模型用於金融文本和金融圖像分析理解創作等智力密集型場景,以助手形式提升業務人員工作效率。

目前,代碼助手等應用已在不少金融機構落地。例如工商銀行構建了基於大模型的智能研發體系,編碼助手生成的代碼量佔總代碼量的40%。陽光保險則開發了基於大模型的輔助編程插件,直接嵌入內部開發工具中。

一些金融機構已經基於大模型,搭建了包含基礎設施層、模型層、大模型服務層、應用層等多個層級的分層系統框架。這些框架體系普遍有兩個特點:一是大模型發揮中樞能力,將傳統模型作爲技能進行調用;二是大模型層採用多模型策略,內部"賽馬"選出最優效果。

大模型的應用,已經開始對金融行業的人員結構帶來一些挑戰和變革。有金融科技公司從今年初到5月底裁掉了300多位大數據分析師。不過,一些大型銀行並不希望大模型帶來減員,而是希望提升員工的服務質量和工作效率,同時釋放部分員工去做更多高價值的工作。

大模型的快速發展也帶來了人才供需失衡的問題。農業銀行研發中心副總經理趙煥芳表示,他們在招聘時發現,學習AI領域的新員工佔比很高,但了解大模型的卻很少。

面對人才缺口,一些機構已經採取行動。例如某公司聯合工商銀行實驗室的人力資源團隊,設計了包括Prompt調優、微調、大模型運營等在內的培訓課程,並與多個部門合作建立聯合項目組,推動企業人員能力提升。

在這個過程中,金融機構的人員結構也會迎來一些調整和變革。會用大模型的開發人員,很可能比不會用的更容易在這個新環境中立足。