A inteligência artificial está a provocar uma onda de transformação na indústria financeira
Com o surgimento do ChatGPT, a atenção da indústria financeira em relação às tecnologias de inteligência artificial aumentou drasticamente. Inicialmente, muitas instituições sentiram-se ansiosas em relação a esta nova tecnologia emergente, temendo ficar para trás nas tendências atuais. No entanto, após um período de exploração e prática, a atitude do setor em relação aos grandes modelos de IA começou a tornar-se mais racional.
O CTO do negócio bancário da Ruantong Power, Sun Hongjun, descreveu várias fases da atitude da indústria financeira em relação aos grandes modelos: no início do ano, havia uma ansiedade generalizada; na primavera, começou a formação de equipes para exploração; no verão, surgiram dificuldades durante a implementação, tornando-se mais racionais; atualmente, estão a referenciar casos de referência e a testar cenários já verificados.
Vale a pena notar que cada vez mais instituições financeiras estão começando a valorizar a tecnologia de grandes modelos a partir de uma perspectiva estratégica. De acordo com estatísticas incompletas, pelo menos 11 bancos listados na bolsa A mencionaram claramente em seus últimos relatórios semestrais que estão explorando a aplicação de grandes modelos. A partir das tendências recentes, eles estão realizando um pensamento e planejamento mais claro em termos de estratégia e design de nível superior.
Na área de computação, atualmente o setor financeiro possui duas principais soluções: a primeira é construir a própria capacidade de computação, que tem um custo elevado, mas oferece alta segurança, sendo adequada para grandes instituições com recursos robustos; a segunda é a implantação híbrida, que utiliza serviços de nuvem pública garantindo a segurança dos dados sensíveis, com um custo relativamente mais baixo, sendo adequada para instituições de pequeno e médio porte.
Ao mesmo tempo, muitas instituições financeiras estão a reforçar o trabalho de governação de dados. Alguns dos principais bancos já têm práticas consolidadas, e cada vez mais instituições de médio porte estão a começar a construir plataformas de dados e sistemas de governação. Alguns bancos também resolveram problemas de dados através da combinação de grandes modelos com MLOps, alcançando uma gestão unificada e um processamento eficiente de dados heterogéneos de múltiplas fontes.
No que diz respeito aos cenários de aplicação, as instituições financeiras geralmente adotam a estratégia de "primeiro interno, depois externo". Já existem vários casos concretos de cenários internos, como escritório inteligente e desenvolvimento inteligente. No entanto, os especialistas da indústria acreditam que esses ainda não são os principais aplicativos das instituições financeiras, e os grandes modelos ainda estão a uma certa distância de uma integração mais profunda com os negócios.
É importante notar que algumas instituições financeiras já começaram a fazer mudanças a nível de design de alto nível. Várias instituições líderes construíram uma estrutura de sistema em camadas que inclui múltiplos níveis, como camada de infraestrutura, camada de modelo, camada de serviço e camada de aplicação, com base em grandes modelos. Essas estruturas geralmente têm duas características: a primeira é que o grande modelo desempenha um papel central, chamando modelos tradicionais como habilidades; a segunda é a adoção de uma estratégia de múltiplos modelos, onde são comparados internamente para selecionar o melhor desempenho.
No entanto, a aplicação de grandes modelos também trouxe desafios de talento para a indústria financeira. Atualmente, há uma escassez de profissionais na indústria que dominam a tecnologia de grandes modelos, o que dificulta a satisfação da crescente demanda. Algumas instituições já começaram a agir, promovendo cursos de formação, projetos conjuntos e outras formas de aprimorar as habilidades dos funcionários existentes. Ao mesmo tempo, os desenvolvedores que sabem usar grandes modelos têm mais chances de se destacar neste ambiente.
De um modo geral, embora a aplicação da tecnologia de grandes modelos na indústria financeira ainda esteja em fase de exploração, ela está, sem dúvida, a impulsionar profundas mudanças no setor. No futuro, à medida que a tecnologia amadurecer e o número de talentos aumentar, espera-se que os grandes modelos desempenhem um papel importante em mais cenários de negócios centrais.
Ver original
Esta página pode conter conteúdo de terceiros, que é fornecido apenas para fins informativos (não para representações/garantias) e não deve ser considerada como um endosso de suas opiniões pela Gate nem como aconselhamento financeiro ou profissional. Consulte a Isenção de responsabilidade para obter detalhes.
16 Curtidas
Recompensa
16
7
Compartilhar
Comentário
0/400
0xDreamChaser
· 07-27 18:09
Outro AI criado
Ver originalResponder0
UncleWhale
· 07-26 01:13
Velhos conhecidos, só falta o banco vir roubar minhas moedas no mundo crypto.
Ver originalResponder0
PerennialLeek
· 07-25 05:20
Financeiro fantástico primeiro lugar
Ver originalResponder0
DefiPlaybook
· 07-25 05:10
contratos inteligentes薅红利比这靠谱
Ver originalResponder0
WalletWhisperer
· 07-25 05:09
sinais alpha por toda esta padrão... dna fintech mutando fr
Ver originalResponder0
Layer3Dreamer
· 07-25 04:57
teoricamente falando, isso é apenas L2 de novo, mas com mais VCs investindo dinheiro nisso
Ver originalResponder0
MemeEchoer
· 07-25 04:55
Mais uma vez a transformação financeira está a chegar, gg
Modelos de IA lideram a transformação da indústria financeira A estratégia das instituições financeiras acelera o seu posicionamento.
A inteligência artificial está a provocar uma onda de transformação na indústria financeira
Com o surgimento do ChatGPT, a atenção da indústria financeira em relação às tecnologias de inteligência artificial aumentou drasticamente. Inicialmente, muitas instituições sentiram-se ansiosas em relação a esta nova tecnologia emergente, temendo ficar para trás nas tendências atuais. No entanto, após um período de exploração e prática, a atitude do setor em relação aos grandes modelos de IA começou a tornar-se mais racional.
O CTO do negócio bancário da Ruantong Power, Sun Hongjun, descreveu várias fases da atitude da indústria financeira em relação aos grandes modelos: no início do ano, havia uma ansiedade generalizada; na primavera, começou a formação de equipes para exploração; no verão, surgiram dificuldades durante a implementação, tornando-se mais racionais; atualmente, estão a referenciar casos de referência e a testar cenários já verificados.
Vale a pena notar que cada vez mais instituições financeiras estão começando a valorizar a tecnologia de grandes modelos a partir de uma perspectiva estratégica. De acordo com estatísticas incompletas, pelo menos 11 bancos listados na bolsa A mencionaram claramente em seus últimos relatórios semestrais que estão explorando a aplicação de grandes modelos. A partir das tendências recentes, eles estão realizando um pensamento e planejamento mais claro em termos de estratégia e design de nível superior.
Na área de computação, atualmente o setor financeiro possui duas principais soluções: a primeira é construir a própria capacidade de computação, que tem um custo elevado, mas oferece alta segurança, sendo adequada para grandes instituições com recursos robustos; a segunda é a implantação híbrida, que utiliza serviços de nuvem pública garantindo a segurança dos dados sensíveis, com um custo relativamente mais baixo, sendo adequada para instituições de pequeno e médio porte.
Ao mesmo tempo, muitas instituições financeiras estão a reforçar o trabalho de governação de dados. Alguns dos principais bancos já têm práticas consolidadas, e cada vez mais instituições de médio porte estão a começar a construir plataformas de dados e sistemas de governação. Alguns bancos também resolveram problemas de dados através da combinação de grandes modelos com MLOps, alcançando uma gestão unificada e um processamento eficiente de dados heterogéneos de múltiplas fontes.
No que diz respeito aos cenários de aplicação, as instituições financeiras geralmente adotam a estratégia de "primeiro interno, depois externo". Já existem vários casos concretos de cenários internos, como escritório inteligente e desenvolvimento inteligente. No entanto, os especialistas da indústria acreditam que esses ainda não são os principais aplicativos das instituições financeiras, e os grandes modelos ainda estão a uma certa distância de uma integração mais profunda com os negócios.
É importante notar que algumas instituições financeiras já começaram a fazer mudanças a nível de design de alto nível. Várias instituições líderes construíram uma estrutura de sistema em camadas que inclui múltiplos níveis, como camada de infraestrutura, camada de modelo, camada de serviço e camada de aplicação, com base em grandes modelos. Essas estruturas geralmente têm duas características: a primeira é que o grande modelo desempenha um papel central, chamando modelos tradicionais como habilidades; a segunda é a adoção de uma estratégia de múltiplos modelos, onde são comparados internamente para selecionar o melhor desempenho.
No entanto, a aplicação de grandes modelos também trouxe desafios de talento para a indústria financeira. Atualmente, há uma escassez de profissionais na indústria que dominam a tecnologia de grandes modelos, o que dificulta a satisfação da crescente demanda. Algumas instituições já começaram a agir, promovendo cursos de formação, projetos conjuntos e outras formas de aprimorar as habilidades dos funcionários existentes. Ao mesmo tempo, os desenvolvedores que sabem usar grandes modelos têm mais chances de se destacar neste ambiente.
De um modo geral, embora a aplicação da tecnologia de grandes modelos na indústria financeira ainda esteja em fase de exploração, ela está, sem dúvida, a impulsionar profundas mudanças no setor. No futuro, à medida que a tecnologia amadurecer e o número de talentos aumentar, espera-se que os grandes modelos desempenhem um papel importante em mais cenários de negócios centrais.