人工知能が金融業界に変革の波を引き起こす

ChatGPTの登場に伴い、金融業界における人工知能技術への関心が急激に高まっています。最初は、多くの機関がこの新興技術に対して不安を抱き、時代の流れに遅れることを心配していました。しかし、一定の探求と実践を経て、業界のAI大規模モデルに対する態度は徐々に理性的になってきました。

ソフト通動力銀行業務のCTO、孫洪軍は金融業界の大規模モデルへの態度のいくつかの段階を説明しました: 年初は一般的に不安が広がっていた; 春にはチームを組織して探索を開始した; 夏には実装過程で困難に直面し、より理性的になった; 現在はベンチマークケースを参考にし、検証済みのシナリオを試用しています。

注目すべきは、ますます多くの金融機関が戦略的な観点から大規模モデル技術を重視し始めていることです。未完全な統計によると、A株上場銀行の中で少なくとも11社が最新の半年報告書で大規模モデルの応用を探索していることを明確に述べています。最近の動向を見ると、彼らは戦略とトップダウン設計のレベルでより明確な思考と計画を進めています。

計算力に関して、金融業界には現在主に2つのソリューションがあります。1つは直接自社で計算力を構築することで、コストは高いですが安全性が強く、実力のある大規模機関に適しています。もう1つはハイブリッドデプロイメントで、敏感なデータの安全性を確保しながらパブリッククラウドサービスを利用するもので、コストは相対的に低く、中小機関に適しています。

同時に、多くの金融機関もデータガバナンスの強化に取り組んでいます。一部の大手銀行はすでに成熟した実践を持ち、中型機関もデータプラットフォームとガバナンスシステムの構築を始めています。ある銀行は、大規模モデルとMLOpsの方法を組み合わせてデータ問題を解決し、複数のソースからの異種データの統一管理と効率的な処理を実現しています。

アプリケーションシーンに関して、金融機関は一般的に「内部から外部へ」という戦略を採用しています。スマートオフィスやインテリジェント開発などの内部シーンには、すでに多くの実績があります。しかし、業界関係者は、これらはまだ金融機関のコアアプリケーションではなく、大規模モデルはビジネスの深いレベルに達するにはまだ一定の距離があると考えています。

注目すべきは、一部の金融機関がトップレベルの設計面で変化を始めていることです。複数の主要機関が、大規模モデルを基に、インフラ層、モデル層、サービス層、アプリケーション層など、複数の階層を含む階層システムフレームワークを構築しました。これらのフレームワークには一般的に二つの特徴があります。一つは、大規模モデルが中枢的な役割を果たし、伝統的なモデルをスキルとして呼び出すこと; 二つ目は、複数のモデル戦略を採用し、内部で最適な効果を選出することです。

しかし、大規模モデルの適用は金融業界に人材面での課題をもたらしています。現在、業界内で大規模モデル技術に精通している人材は非常に不足しており、急増する需要に応えるのが難しい状況です。一部の機関はすでに行動を起こし、研修コースや共同プロジェクトなどを通じて既存の従業員の能力を向上させる取り組みを始めています。同時に、大規模モデルを使用できる開発者は、この環境で際立つ可能性が高くなります。

全体的に見て、大規模モデル技術の金融業界への応用はまだ探索段階にありますが、間違いなく業界に深い変革をもたらしています。将来的には、技術のさらなる成熟と人材の蓄積が進むことで、大規模モデルはより多くのコアビジネスシーンで重要な役割を果たすことが期待されています。