大規模モデルは金融業界に深く浸透しており、熱意が上昇から理性的な回帰へと移行しています

ChatGPTが登場して以来、金融業界には少なからぬ不安感が広がっています。この技術に信仰を持つ業界は、急速に進化する時代の潮流に取り残されることを心配しています。この緊張感は、予想外の場所にも広がりました。業界関係者によると、彼女は5月に大理出張中、寺院でも大規模モデルについて議論している金融業界の人々に出会ったそうです。

しかし、この不安感は徐々に和らぎ、人々の考え方もより明確で理性的になっています。ある銀行業務の専門家は、今年の金融業界における大モデルへの態度のいくつかの段階を次のように説明しました：2〜3月、一般的に不安を感じ、遅れを取ることを恐れていました；4〜5月、次々とチームを編成し関連業務に取り組み始めました；その後の数ヶ月間、方向性を見つけ、実行に移す過程で困難に直面し、より理性的になりました；今、彼らはベンチマーク企業に注目し、検証済みのアプリケーションシナリオを試み始めています。

新しいトレンドは、多くの金融機関が戦略的な観点から大規模モデルの重要性を認識し始めていることです。完全な統計ではありませんが、A株上場企業の中で、少なくとも11の銀行が最新の半期報告書で大規模モデルの応用を探求していることを明確に述べています。最近の動きを見ると、彼らは戦略とトップレベルの設計の観点から、より明確な思考とルートプランニングを進めています。

熱意が高まるから理性的な戻りへ

年初にChatGPTが登場した際、金融業界は大規模モデルに対する熱意が高かったが、その本質や応用方法についての理解は実際には非常に限られていた。一部の大手銀行が先行して行動し、さまざまな「話題に乗る」宣伝を始めた。同時に、一部の主要な金融機関の技術部門は大手企業と大規模モデルの構築について積極的に議論を交わしていた。彼らは一般的に自社で大規模モデルを構築することを希望し、データセットの作成、サーバーの調達、トレーニング方法などについて質問していた。

5月以降、状況は徐々に変化しています。計算力リソースの不足や高コストなどの要因に制約され、多くの金融機関は単に自前で構築することを望むのから、よりアプリケーションの価値に注目するように変わりました。現在、各金融機関は他の機関が大規模モデルを使用している状況やその効果に注目しています。

具体的に見ると、異なる規模の企業は異なる道を採用しています。膨大な金融データとアプリケーションシナリオを持つ大規模な金融機関は、先進的な基盤大モデルを導入し、企業専用の大モデルを自社で構築し、微調整の方法を採用して専門分野のタスク大モデルを形成し、迅速にビジネスを支援します。中小の金融機関は、投資回収を総合的に考慮し、必要に応じてさまざまな大モデルのパブリッククラウドAPIまたはプライベートデプロイサービスを導入し、直接ビジネスニーズを満たすことができます。

しかし、金融業界はデータのコンプライアンス、安全性、信頼性などに対して高い要求があるため、一部の人々はこの業界の大規模モデルの実装が年初の予想よりもやや遅れていると考えています。ある専門家は、彼らは当初、金融業界が大規模モデルを最初に大規模に使用するだろうと予測していたが、実際には金融業界の適用速度は法律や採用などの業界ほど速くはないと述べています。

大規模モデルの実装プロセスにおけるさまざまな制限を解決するために、一部の金融機関はすでに対策を講じ始めています。計算能力の面では、業界でいくつかの解決策が登場しています。

1. 直接自建算力、コストは高いが安全性は良好で、実力のある大手金融機関に適しており、業界や企業の大規模モデルを自ら構築したい場合に適しています。

2. 計算力の混合展開により、センシティブなデータがドメイン外に出ない場合に、公有クラウドから大規模モデルサービスのインターフェースを呼び出すことを受け入れ、同時にプライベート展開でローカルデータサービスを処理します。この方法はコストが低く、資金が比較的限られている、中小型金融機関に適しています。

中小機関が直面しているGPUカードの不足と高価格の問題に対処するため、関係機関は証券業界向けの大規模モデルインフラの構築を模索しており、集中計算能力や汎用大規模モデルなどのリソースを提供し、中小金融機関も大規模モデルサービスを利用できるようにし、技術の遅れを防ぐことを目指しています。

算力の他に、大規模モデルの実用化を探る中で、多くの金融機関がデータガバナンスを強化しています。中規模の金融機関がデータプラットフォームやデータガバナンス体系の構築を始めるケースが増えています。専門家は、整ったデータガバナンス体系とデータレイク技術プラットフォームの構築が、今後の金融機関のIT構築における重要な方向性になると考えています。

いくつかの銀行は、大規模モデルとMLOpsを組み合わせることでデータの問題を解決しています。例えば、ある大手銀行はMLOpsモデルを採用して大規模モデルのデータクローズドループシステムを構築し、全プロセスの自動化と多源異種データの統一管理と効率的な処理を実現しました。現在、2.6TBの高品質なトレーニングデータセットを構築・蓄積したとのことです。

周辺シーンからの切り込み

過去半年以上、大規模モデルサービスプロバイダーと金融機関は積極的にアプリケーションシーンを探求しており、スマートオフィス、インテリジェント開発、スマートマーケティング、インテリジェントカスタマーサービス、スマート投資研究、インテリジェントリスク管理、需要分析などの分野が探索されています。

各金融機関は大規模モデルに対して豊富な構想を持っています。ある銀行は内部で20以上のシーンにアプリケーションを投入していると述べ、別の銀行は30以上のシーンでパイロットを実施していると報告しています。また、ある証券会社は大規模モデルと以前に発表したバーチャルデジタル人プラットフォームを連携させることを探求しています。

しかし、実際の実施プロセスでは、業界の合意は内部から外部への順序です。結局のところ、現在の段階では大規模モデル技術は成熟しておらず、幻覚などの問題が存在します。また、金融業界は強い規制、高い安全性、高い信頼性のある分野です。

専門家は、金融機関が大規模モデルを金融テキストおよび金融画像の分析、理解、創作の知的集約型シーンに優先的に適用すべきであり、アシスタントとして人間と機械が協力することで業務担当者の作業効率を向上させるべきだと提案しています。

現在、コードアシスタントは多くの金融機関で導入されています。例えば、ある銀行は大規模モデルに基づくスマート開発システムを構築し、コーディングアシスタントが生成するコード量は総コード量の比率で40%に達しています。保険分野では、ある企業が大規模モデルに基づくプログラミング補助プラグインを開発し、内部開発ツールに直接組み込まれています。

スマートオフィス分野にも多くの実績があります。ある金融大モデル製品が大手銀行で導入された後、数百の拠点に展開され、回答採用率は85％を超えました。関連ソリューションも他の銀行や金融機関に迅速に複製されています。

しかし、業界の専門家は、これらのすでに広く導入されているシーンは、実際には金融機関のコアアプリケーションではなく、大規模モデルが金融業界のビジネスレイヤーに深く入り込むにはまだ一定の距離があると判断しています。マーケティング、リスク管理、コンプライアンスなどのシーンは、大規模モデルがもたらす可能性のある変革の部分であり、同時に金融顧客のニーズが存在する部分ですが、現在これらの作業は、基盤となる大規模モデルのメーカーの能力の向上に依存しています。

専門家は、今年の年末までに、金融機関のコアビジネスシーンで実際に大規模モデルを使用するプロジェクトの建設または入札情報が出現することを予測しています。

その一方で、いくつかのトップレベルの設計に関する変更が進行中です。未来の全体的なスマート化、デジタル化システムは、大規模モデルの基盤の上に再構築されることになります。これは、金融業界が大規模モデルの実現を推進する過程で、システムを再構築することを要求します。同時に、従来の小規模モデルの価値を無視することはできず、大規模モデルと小規模モデルが協調するようにすべきです。

現在、多くの主要な金融機関が大規模モデルに基づいて、インフラ層、モデル層、大規模モデルサービス層、アプリケーション層などの複数のレベルを含む階層的システムフレームワークを構築しています。これらのフレームワークには一般的に二つの大きな特徴があります。一つは、大規模モデルが中心的な能力を発揮し、従来のモデルをスキルとして呼び出すことです。二つ目は、大規模モデル層が多モデル戦略を採用し、内部で比較して最適な効果を選出することです。

人材のギャップは依然として大きい

大規模モデルの応用は、金融業界の人員構成にいくつかの挑戦と変革をもたらし始めています。今年初めから5月末までに、あるフィンテック企業は300人以上のビッグデータアナリストを解雇しました。元々インターンによって行われていた情報の要約作業は、現在では大規模モデルによって完了できるようになっています。

しかし、一部の銀行は大規模モデルによる人員削減を望んでいません。彼らは大規模モデルが新たな機会をもたらし、従業員のサービス品質と作業効率を向上させることを期待しており、同時に一部の従業員を解放してより高い価値のある仕事をすることを望んでいます。

このような考慮は、一方では人員および構造の安定性を考慮したものであり、他方では業界内の多くの職種に人材の不足があるためでもあります。大手銀行には多くの仕事があり、一部のITニーズの工期は来年の年末まで延びています。彼らは大規模なモデルが従業員の効率と速度を向上させるのに役立つことを望んでおり、従業員を削減する原因となることを望んでいません。

さらに重要なのは、大規模モデルの需要が急増しているが、短期間で不足している人材供給はそれに追いつかないということです。ある銀行の幹部は、最近採用した新入社員の中でAI分野を学んでいる割合が非常に高いが、大規模モデルに精通している人材は非常に少ないと述べています。

専門家は、大規模モデルを直接適用する人材の需要は比較的簡単であり、主に質問をすることができる人が必要だと考えています。しかし、業界や企業の大規模モデルを自ら構築する場合、金融機関は優れた垂直大規模モデル技術チームを持つ必要があります。

人材不足に対処するため、一部の機関はすでに行動を起こしています。ある会社は銀行の実験室の人事チームと連携し、Prompt調整、微調整、大規模モデル運用などの一連のトレーニングコースを設計しました。また、複数の部門と協力して、共同プロジェクトチームを設立し、企業の人材能力の向上を推進しています。

この過程で、金融機関の人員構成もいくつかの調整と変革を迎えることになるでしょう。大規模モデルを使用できる開発者は、使用できない人よりもこの環境で立ち位置を確保しやすいかもしれません。

総じて、大規模モデル技術は金融業界に機会と挑戦をもたらしましたが、真のパラダイムシフトを実現するには、金融システム内部に内部ニーズを深く融合させるチームがあり、重大な革新を生み出す必要があります。