Kecerdasan Buatan Mengguncang Industri Keuangan

Dengan munculnya ChatGPT, perhatian industri keuangan terhadap teknologi kecerdasan buatan meningkat pesat. Pada awalnya, banyak lembaga merasa cemas terhadap teknologi baru ini, khawatir tertinggal dari arus zaman. Namun, setelah beberapa waktu eksplorasi dan praktik, sikap industri terhadap model AI besar menjadi semakin rasional.

CTO Sun Hongjun dari Ruantong Power Bank menggambarkan beberapa tahap sikap industri keuangan terhadap model besar: pada awal tahun, ada kecemasan yang umum; pada musim semi mulai membentuk tim untuk eksplorasi; pada musim panas mengalami kesulitan dalam penerapan, menjadi lebih rasional; saat ini adalah merujuk pada kasus acuan, mencoba skenario yang telah terverifikasi.

Perlu dicatat bahwa semakin banyak lembaga keuangan mulai memberikan perhatian strategis terhadap teknologi model besar. Menurut statistik yang tidak lengkap, setidaknya ada 11 bank yang terdaftar di A-share yang secara jelas menyatakan sedang menjajaki penerapan model besar dalam laporan setengah tahunan terbaru mereka. Dari tren terbaru, mereka sedang melakukan pemikiran dan perencanaan yang lebih jelas di tingkat strategis dan desain tingkat atas.

Dalam hal daya komputasi, industri keuangan saat ini memiliki dua solusi utama: pertama, membangun daya komputasi sendiri, dengan biaya yang lebih tinggi tetapi keamanan yang kuat, cocok untuk lembaga besar yang memiliki kekuatan finansial; kedua, penyebaran campuran, menggunakan layanan cloud publik dengan menjaga keamanan data sensitif, dengan biaya relatif lebih rendah, cocok untuk lembaga kecil dan menengah.

Sementara itu, banyak lembaga keuangan juga sedang memperkuat kerja pengelolaan data. Beberapa bank besar telah memiliki praktik yang matang, semakin banyak lembaga menengah juga mulai membangun platform data dan sistem pengelolaan. Beberapa bank juga telah memanfaatkan model besar dengan metode MLOps untuk mengatasi masalah data, mencapai pengelolaan dan pemrosesan data heterogen multi-sumber yang terintegrasi dan efisien.

Dalam hal aplikasi, lembaga keuangan umumnya mengambil strategi "dalam terlebih dahulu, luar kemudian". Kantor cerdas, pengembangan cerdas, dan sebagainya, sudah memiliki banyak kasus yang diimplementasikan di dalam. Namun, para profesional industri berpendapat bahwa semua ini masih bukan aplikasi inti lembaga keuangan, dan model besar masih memiliki jarak tertentu untuk mendalami aspek bisnis.

Perlu dicatat bahwa beberapa lembaga keuangan telah mulai melakukan perubahan di tingkat desain atas. Beberapa lembaga terkemuka telah membangun kerangka sistem berlapis yang mencakup lapisan infrastruktur, lapisan model, lapisan layanan, dan lapisan aplikasi berdasarkan model besar. Kerangka ini umumnya memiliki dua karakteristik: pertama, model besar berfungsi sebagai pusat, memanggil model tradisional sebagai keterampilan; kedua, mengadopsi strategi multi-model, dengan membandingkan secara internal untuk memilih hasil terbaik.

Namun, penerapan model besar juga menghadirkan tantangan dalam hal bakat di industri keuangan. Saat ini, tenaga ahli yang menguasai teknologi model besar sangat langka, sehingga sulit untuk memenuhi permintaan yang meningkat. Beberapa lembaga telah mulai mengambil tindakan, melalui kursus pelatihan, proyek kolaboratif, dan cara lainnya untuk meningkatkan kemampuan karyawan yang ada. Sementara itu, pengembang yang dapat menggunakan model besar juga lebih mungkin untuk menonjol di lingkungan ini.

Secara keseluruhan, meskipun penerapan teknologi model besar di industri keuangan masih dalam tahap eksplorasi, namun tidak diragukan lagi bahwa itu sedang mendorong perubahan mendalam dalam industri. Di masa depan, seiring dengan kematangan teknologi yang lebih lanjut dan peningkatan cadangan talenta, model besar diharapkan dapat memainkan peran penting dalam lebih banyak skenario bisnis inti.