人工智能时代来临，金融业如何应对大模型挑战

ChatGPT的问世在金融业引发了不小的震动。这个依赖技术的行业担心被时代潮流甩在后面。不过,这种焦虑正逐渐平息,人们的思路也变得更加清晰和理性。

软通动力银行业务CTO孙洪军描述了今年金融业对大模型态度的几个阶段:年初时大家都很焦虑,担心落后;春季纷纷组建团队开展工作;夏季在落地方向上遇到困难,开始变得理性;现在则是观察标杆,尝试验证过的场景。

值得注意的是,不少金融机构已经从战略层面重视起大模型。据不完全统计,A股上市公司中至少有11家银行在最新半年报中明确提出正在探索大模型的应用。从近期动作看,他们也正在从战略和顶层设计层面进行更清晰的思考和路径规划。

过去半年多,无论是大模型的服务商,还是各大金融机构,都在积极寻找应用场景。智慧办公、智能开发、智慧营销、智能客服、智慧投研、智能风控、需求分析等领域都被一一探索。

不过,当要将大模型真正落地到金融业务中时,普遍的共识是先内部后外部。毕竟,目前大模型技术还不够成熟,存在幻觉等问题,而金融行业又是一个强监管、高安全、高可信的领域。

中国工商银行首席技术官吕仲涛认为,短期内不建议直接面向客户使用大模型。金融机构应优先将大模型用于金融文本和金融图像分析理解创作等智力密集型场景,以助手形式提升业务人员工作效率。

目前,代码助手等应用已在不少金融机构落地。例如工商银行构建了基于大模型的智能研发体系,编码助手生成的代码量占总代码量的40%。阳光保险则开发了基于大模型的辅助编程插件,直接嵌入内部开发工具中。

一些金融机构已经基于大模型,搭建了包含基础设施层、模型层、大模型服务层、应用层等多个层级的分层系统框架。这些框架体系普遍有两个特点:一是大模型发挥中枢能力,将传统模型作为技能进行调用;二是大模型层采用多模型策略,内部"赛马"选出最优效果。

大模型的应用,已经开始对金融行业的人员结构带来一些挑战和变革。有金融科技公司从今年初到5月底裁掉了300多位大数据分析师。不过,一些大型银行并不希望大模型带来减员,而是希望提升员工的服务质量和工作效率,同时释放部分员工去做更多高价值的工作。

大模型的快速发展也带来了人才供需失衡的问题。农业银行研发中心副总经理赵焕芳表示,他们在招聘时发现,学习AI领域的新员工占比很高,但了解大模型的却很少。

面对人才缺口,一些机构已经采取行动。例如某公司联合工商银行实验室的人力资源团队,设计了包括Prompt调优、微调、大模型运营等在内的培训课程,并与多个部门合作建立联合项目组,推动企业人员能力提升。

在这个过程中,金融机构的人员结构也会迎来一些调整和变革。会用大模型的开发人员,很可能比不会用的更容易在这个新环境中立足。