大模型引發金融業變革

ChatGPT的出現在金融業引發了巨大反響。最初,許多金融機構對此感到焦慮,擔心落後於技術發展。然而,隨着時間推移,人們對大模型的認識逐漸理性和務實。

金融業對大模型的態度經歷了幾個階段:

• 2-3月:普遍焦慮,擔心落後
• 4-5月:紛紛組建團隊探索
• 之後幾個月:尋找方向,遇到落地困難,變得理性
• 目前:關注標杆案例,嘗試驗證過的應用場景

越來越多的金融機構開始從戰略層面重視大模型。多家上市銀行在半年報中明確提出正在探索大模型應用,並在戰略規劃上有了更清晰的思路。

從熱情到理性

年初時,金融機構對大模型的了解還很有限。一些大行率先行動,開始做各種"蹭熱度"的宣傳。隨後,頭部金融機構開始與大廠探討大模型建設。

5月後,受限於算力資源和成本等因素,金融機構開始更關注大模型的應用價值。大型機構傾向於自建企業大模型,中小機構則更多考慮引入公有雲API等服務。

由於金融行業對數據合規性、安全性等要求高,大模型落地進展略低於預期。不過,一些機構已開始解決落地中的障礙,如:

1. 自建算力:成本高但安全性好,適合大型機構
2. 混合部署:公有雲+本地部署,成本較低,適合中小機構
3. 行業共享基礎設施:正在探索中,可能由監管部門牽頭

同時,越來越多金融機構加強了數據治理,構建數據中臺和數據湖平台。一些銀行還通過MLOps方式解決數據問題。

從外圍場景切入

金融機構和服務商都在積極探索大模型應用場景,涵蓋智慧辦公、智能開發、營銷、客服、投研、風控等多個領域。

業內共識是先內部後外部應用。短期內不建議直接對客戶使用大模型,而是優先用於提升內部工作效率。

目前落地較多的場景包括:

1. 代碼助手:如工行智能研發體系,編碼助手生成代碼佔比達40%
2. 智慧辦公:如基於大模型的網點問答系統

這些場景多爲非核心應用。業內預計年底前會出現一批在金融機構核心業務中應用大模型的項目。

在頂層設計方面,金融機構正在重新架構系統,採用分層模式整合大模型與傳統模型。多家機構已搭建包含基礎設施層、模型層、服務層、應用層的框架體系。

人才缺口依然龐大

大模型對金融行業人員結構帶來挑戰。一些數據分析等崗位面臨被替代,但也催生了新的人才需求。

多數金融機構希望大模型能提升員工效率,而非減員。原因包括:

1. 現有IT需求工期已排至明年底
2. 大模型人才供給遠不及需求增長速度

目前金融行業在大模型人才方面面臨巨大缺口,特別是在AI算法、模型訓練調優等領域。一些機構已開始採取措施,如聯合培訓、組建項目組等,以提升內部人才能力。

業內認爲,大模型的成功應用需要金融機構內部深入融合需求的專業團隊。未來,會使用大模型的開發人員可能更容易在行業中生存。