金融業における大規模モデルの応用探求: 熱意の上昇から理性的な回帰へ

ChatGPTが登場して以来、金融業界における人工知能への熱意は急速に上昇しています。多くの金融機関は、この技術革命において遅れを取ることを懸念し、大規模モデルの応用を探求し始めました。しかし、数ヶ月の探求を経て、業界の態度は徐々に理性的になってきています。

ソフトウェア通力の銀行業務CTO、孫洪軍は金融業界の大規模モデルに対する態度のいくつかの段階を説明しました。2月と3月には一般的に不安を感じていました。4月と5月にはチームを組織して探索を開始しました。その後の数ヶ月で実装プロセスで困難に直面し、態度はより理性的になりました。現在はベンチマーク企業に注目し、検証されたシナリオを試みています。

現在、多くの金融機関が大規模モデルを戦略計画に組み込んでいます。完全ではない統計によると、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と述べています。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、より深い思考と計画を行っているようです。

数ヶ月前と比較して、金融顧客の大規模モデルに対する理解は明らかに向上しています。年初には熱意が高かったものの、大規模モデルに関する認識はまだ限られていました。一部の大手銀行は先駆けて行動を起こし、さまざまな宣伝を開始しました。同時に、一部の主要な金融機関の技術部門も積極的に大手テクノロジー企業と大規模モデルの構築について議論しています。

5月以降、算力リソースの不足やコストの高騰などの要因により、多くの金融機関は単に自社モデルの構築を追求するのではなく、アプリケーションの価値により注目するようになりました。大手金融機関は業界をリードする基盤大モデルの導入を傾向としており、自社の企業大モデルを構築しています。一方、中小金融機関はROIをより重視し、必要に応じて大モデルAPIやプライベートデプロイメントサービスを導入しています。

金融業界はデータのコンプライアンス、安全性、信頼性に対する要求が高いため、大規模モデルの実装の進展は年初の予想よりもやや遅れている。一部の金融機関は、実装プロセスにおけるさまざまな制約要因を解決する方法を模索している。計算能力に関しては、現在、主に自社での計算能力の構築とハイブリッドデプロイメントの二つのアプローチがある。

大規模モデルの探求が進むにつれて、多くの金融機関もデータガバナンスを強化しています。中型の金融機関がデータプラットフォームとデータガバナンスシステムを構築するケースが増えています。ある銀行は大規模モデル＋MLOpsの方法を使ってデータ問題を解決し、多様なソースからの異種データの統一管理と効率的な処理を実現しました。

アプリケーションシーンに関しては、スマートオフィス、スマート開発、スマートマーケティング、スマートカスタマーサービスなどが広く探求されています。しかし、業界では一般的に、クライアントに直接向けるのではなく、内部シーンでの適用を優先すべきと考えられています。現在、コードアシスタントやスマートオフィスなどのシーンは、複数の金融機関で実現されています。

しかし、これらの広く普及しているシーンは、金融機関のコアアプリケーションではありません。大規模モデルは、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ります。業界では、今年の年末までに金融機関のコアビジネスシーンで大規模モデルを適用するプロジェクトがいくつか登場する可能性があると予測されています。

大規模モデルの展開を推進する過程で、金融業界はシステムを再構築しています。多くの主要な金融機関は、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層を含む階層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は、大規模モデルの中心的な能力を活用し、従来のモデルをスキル呼び出しとして使用し、大規模モデル層では多モデル戦略を採用しています。

大規模モデルの応用は、金融業界の人員構成にも影響を与え始めています。一方では、いくつかの伝統的な職種が取って代わられるリスクに直面しています; 他方では、大規模モデル関連の人材の需要が急増しています。現在、金融業界ではAI人材に関して大きなギャップが存在しており、一部の機関は既に行動を起こし始めています。例えば、研修コースの設計や共同プロジェクトチームの設立などを通じて、既存の従業員の能力を向上させるための取り組みを行っています。

大規模モデルの応用が進むにつれて、金融機関の人員構成も調整と変革を迎えることになるでしょう。大規模モデルを使える開発者はより競争力を持つようになり、これが金融業界の従事者に新たな要求を突きつけています。