人工智能在金融行业掀起变革浪潮

随着ChatGPT的问世,金融业对人工智能技术的关注度急剧上升。起初,不少机构对这项新兴技术感到焦虑,担心落后于时代潮流。然而,经过一段时间的探索和实践,行业对AI大模型的态度逐渐趋于理性。

软通动力银行业务CTO孙洪军描述了金融业对大模型态度的几个阶段:年初时普遍焦虑;春季开始组建团队探索;夏季在落地过程中遇到困难,变得更加理性;目前则是参考标杆案例,试用已验证的场景。

值得注意的是,越来越多金融机构开始从战略层面重视大模型技术。据不完全统计,A股上市银行中至少有11家在最新半年报中明确提出正在探索大模型应用。从近期动向看,它们正在战略和顶层设计层面进行更清晰的思考和规划。

在算力方面,金融业目前主要有两种解决方案:一是直接自建算力,成本较高但安全性强,适合实力雄厚的大型机构;二是混合部署,在保证敏感数据安全的前提下使用公有云服务,成本相对较低,适合中小型机构。

同时,不少金融机构也在加强数据治理工作。一些头部大行已有成熟实践,越来越多的中型机构也开始构建数据中台和治理体系。有银行还通过大模型结合MLOps方式解决数据问题,实现了多源异构数据的统一管理和高效处理。

在应用场景方面,金融机构普遍采取"先内部后外部"的策略。智慧办公、智能开发等内部场景已有不少落地案例。但业内人士认为,这些都还不是金融机构的核心应用,大模型距离深入业务层面还有一定距离。

值得关注的是,一些金融机构已经开始在顶层设计层面进行改变。多家头部机构基于大模型搭建了包含基础设施层、模型层、服务层、应用层等多个层级的分层系统框架。这些框架普遍具有两个特点:一是大模型发挥中枢作用,调用传统模型作为技能;二是采用多模型策略,内部比较选出最优效果。

然而,大模型的应用也给金融行业带来了人才方面的挑战。目前行业内精通大模型技术的人才十分稀缺,难以满足激增的需求。一些机构已经开始采取行动,通过培训课程、联合项目等方式提升现有员工能力。同时,会使用大模型的开发人员也更有可能在这个环境中脱颖而出。

总的来说,尽管大模型技术在金融行业的应用仍处于探索阶段,但它无疑正在推动行业发生深刻变革。未来,随着技术的进一步成熟和人才储备的增加,大模型有望在更多核心业务场景中发挥重要作用。