金融業探索大模型應用:從熱情高漲到理性回歸

ChatGPT問世以來,金融業對人工智能的熱情迅速高漲。許多金融機構擔心在這場技術革命中落後,紛紛開始探索大模型的應用。然而,經過幾個月的探索,行業態度逐漸趨於理性。

軟通動力銀行業務CTO孫洪軍描述了金融業對大模型態度的幾個階段:二三月份普遍感到焦慮;四五月開始組建團隊探索;之後幾個月在落地過程中遇到困難,態度變得更加理性;現在則開始關注標杆企業,嘗試驗證過的場景。

目前,不少金融機構已將大模型納入戰略規劃。據不完全統計,A股上市公司中至少有11家銀行在最新半年報中提出正在探索大模型應用。從近期動作看,他們正在從戰略和頂層設計層面進行更深入的思考和規劃。

與幾個月前相比,金融客戶對大模型的理解明顯提升。年初時雖然熱情高漲,但對大模型的認知還很有限。一些大型銀行率先行動,開始進行各種宣傳。同時,一些頭部金融機構的科技部門也積極與大型科技公司探討大模型建設。

5月以後,受限於算力資源緊缺、成本高昂等因素,很多金融機構開始更關注應用價值,而非單純追求自建模型。大型金融機構傾向於引入業界領先的基礎大模型,自建企業大模型;中小金融機構則更多考慮ROI,按需引入大模型API或私有化部署服務。

由於金融行業對數據合規性、安全性、可信性要求高,大模型落地進展略慢於年初預期。一些金融機構正在想辦法解決落地過程中的各種制約因素。在算力方面,目前主要有自建算力和混合部署兩種思路。

隨着對大模型的探索深入,不少金融機構也加強了數據治理。越來越多的中型金融機構開始構建數據中臺和數據治理體系。有銀行通過大模型+MLOps的方式解決數據問題,實現了多源異構數據的統一管理和高效處理。

在應用場景方面,智慧辦公、智能開發、智慧營銷、智能客服等都被廣泛探索。但業內普遍認爲,應優先在內部場景應用,而非直接面向客戶。目前代碼助手和智慧辦公等場景已在多家金融機構落地。

不過,這些廣泛落地的場景還不是金融機構的核心應用。大模型距離深入金融行業的業務層面還有一定距離。業內預計,今年底之前可能會出現一批在金融機構核心業務場景中應用大模型的項目。

在推動大模型落地過程中,金融行業正在重新架構系統。許多頭部金融機構已經基於大模型,搭建了包含基礎設施層、模型層、服務層、應用層等多個層級的分層系統框架。這些框架普遍採用大模型發揮中樞能力,將傳統模型作爲技能調用,同時在大模型層採用多模型策略。

大模型的應用也開始對金融行業的人員結構帶來影響。一方面,一些傳統崗位面臨被取代的風險;另一方面,大模型相關人才的需求激增。目前金融行業在AI人才方面存在較大缺口,一些機構已經開始採取行動,如設計培訓課程、建立聯合項目組等,以提升現有員工的能力。

隨着大模型應用的深入,金融機構的人員結構也將迎來調整和變革。會用大模型的開發人員將更具競爭力,這對金融從業人員提出了新的要求。