人工智能在金融行業掀起變革浪潮

隨着ChatGPT的問世,金融業對人工智能技術的關注度急劇上升。起初,不少機構對這項新興技術感到焦慮,擔心落後於時代潮流。然而,經過一段時間的探索和實踐,行業對AI大模型的態度逐漸趨於理性。

軟通動力銀行業務CTO孫洪軍描述了金融業對大模型態度的幾個階段:年初時普遍焦慮;春季開始組建團隊探索;夏季在落地過程中遇到困難,變得更加理性;目前則是參考標杆案例,試用已驗證的場景。

值得注意的是,越來越多金融機構開始從戰略層面重視大模型技術。據不完全統計,A股上市銀行中至少有11家在最新半年報中明確提出正在探索大模型應用。從近期動向看,它們正在戰略和頂層設計層面進行更清晰的思考和規劃。

在算力方面,金融業目前主要有兩種解決方案:一是直接自建算力,成本較高但安全性強,適合實力雄厚的大型機構;二是混合部署,在保證敏感數據安全的前提下使用公有雲服務,成本相對較低,適合中小型機構。

同時,不少金融機構也在加強數據治理工作。一些頭部大行已有成熟實踐,越來越多的中型機構也開始構建數據中臺和治理體系。有銀行還通過大模型結合MLOps方式解決數據問題,實現了多源異構數據的統一管理和高效處理。

在應用場景方面,金融機構普遍採取"先內部後外部"的策略。智慧辦公、智能開發等內部場景已有不少落地案例。但業內人士認爲,這些都還不是金融機構的核心應用,大模型距離深入業務層面還有一定距離。

值得關注的是,一些金融機構已經開始在頂層設計層面進行改變。多家頭部機構基於大模型搭建了包含基礎設施層、模型層、服務層、應用層等多個層級的分層系統框架。這些框架普遍具有兩個特點:一是大模型發揮中樞作用,調用傳統模型作爲技能;二是採用多模型策略,內部比較選出最優效果。

然而,大模型的應用也給金融行業帶來了人才方面的挑戰。目前行業內精通大模型技術的人才十分稀缺,難以滿足激增的需求。一些機構已經開始採取行動,通過培訓課程、聯合項目等方式提升現有員工能力。同時,會使用大模型的開發人員也更有可能在這個環境中脫穎而出。

總的來說,盡管大模型技術在金融行業的應用仍處於探索階段,但它無疑正在推動行業發生深刻變革。未來,隨着技術的進一步成熟和人才儲備的增加,大模型有望在更多核心業務場景中發揮重要作用。