大規模モデルの金融業における役割：戦略的重視から理性的な実行へ

ChatGPTの登場以来、金融業界は迅速に関心を示しました。この技術に対する信仰に満ちた業界は、時代の流れに置いて行かれることを恐れています。しかし、当初の不安な感情は徐々に理性的に戻り、考えもより明確になってきました。

金融業は大モデルに対する態度がいくつかの段階を経てきました: 年初には一般的に不安を感じていました; 春にはチームを結成して研究を始めました; 夏には方向性を見つけたり実現に向けて困難に直面し、より理性的になりました; 現在、彼らは検証されたシナリオを参考にして試みを行っています。

新たなトレンドは、多くの金融機関が戦略的な観点から大規模モデルを重視し始めていることです。不完全な統計によれば、A株上場企業の中で少なくとも11の銀行が最新の半年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、より明確な思考と道筋の計画を進めています。

年初にChatGPTが登場した際、熱意は高かったものの、大規模モデルの本質や応用方法についての理解は限られていました。一部の大手銀行が先駆けて行動を起こし、さまざまなプロモーションを開始しました。同時に、国内の複数のテクノロジー企業が大規模モデルを発表する中で、一部の主要な金融機関のテクノロジー部門が積極的に大手企業と大規模モデルの構築について議論を始めました。

5月以降、計算力資源の不足や高コストなどの要因により、多くの金融機関は単純に自社での構築を希望するから、よりアプリケーションの価値に注目するように変わり始めた。大規模な金融機関は、先進的な基盤モデルを導入し、自社の大モデルを構築するとともに、微調整の形を採用して専門分野のタスクモデルを形成することができる。中小の金融機関は、投資リターンを総合的に考慮し、ニーズに応じて各種の大モデルサービスを導入することができる。

金融業界はデータのコンプライアンス、安全性、信頼性などに対する要求が非常に高いため、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。実装過程でのさまざまな制約を解決するために、金融機関は自社での計算能力の構築やハイブリッド展開など、さまざまなソリューションを模索しています。同時に、ますます多くの金融機関がデータガバナンスを強化しています。

現在、大規模モデルの金融業への応用は主にスマートオフィス、スマート開発、スマートカスタマーサービスなどの周辺シーンに集中しています。業界では、短期的に大規模モデルを顧客向けのコアビジネスに直接使用することは適切ではなく、内部の知的集約型シーンに優先的に適用し、人間と機械の協力によって作業効率を向上させるべきだと広く考えられています。

いくつかの金融機関は、大規模モデルに基づいて、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の複数のレベルを含む階層システムフレームワークを構築し始めています。これらのフレームワークには一般的に2つの特徴があります。1つ目は、大規模モデルが中枢能力を発揮し、従来のモデルをスキル呼び出しとして使用することです。2つ目は、大規模モデル層が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。

大規模モデルの適用は、金融業界の人員構造にいくつかの課題と変革をもたらし始めています。一方で、いくつかの伝統的な職種は置き換えられるリスクに直面しています; 他方で、大規模モデル関連の人材の需要が急増しているが、短期的には供給がその需要に追いつかない状況です。一部の金融機関は、研修などを通じて既存の従業員の能力を向上させるために行動を起こしており、同時に関連する人材の積極的な採用にも取り組んでいます。

全体として、大規模モデルの金融業界における応用は、初期の熱意の高まりから徐々に理性的な実行へと移行しています。金融機関は戦略的な観点から大規模モデルの重要性を認識する必要があり、同時に実行過程における計算能力、データ、人材などのさまざまな課題を解決することにも注意を払う必要があります。今後、大規模モデルは金融業界においてますます重要な役割を果たし、業界のデジタル化転換と革新的な発展を推進することが期待されています。