金融业探索大模型应用:从热情高涨到理性回归

ChatGPT问世以来,金融业对人工智能的热情迅速高涨。许多金融机构担心在这场技术革命中落后,纷纷开始探索大模型的应用。然而,经过几个月的探索,行业态度逐渐趋于理性。

软通动力银行业务CTO孙洪军描述了金融业对大模型态度的几个阶段:二三月份普遍感到焦虑;四五月开始组建团队探索;之后几个月在落地过程中遇到困难,态度变得更加理性;现在则开始关注标杆企业,尝试验证过的场景。

目前,不少金融机构已将大模型纳入战略规划。据不完全统计,A股上市公司中至少有11家银行在最新半年报中提出正在探索大模型应用。从近期动作看,他们正在从战略和顶层设计层面进行更深入的思考和规划。

与几个月前相比,金融客户对大模型的理解明显提升。年初时虽然热情高涨,但对大模型的认知还很有限。一些大型银行率先行动,开始进行各种宣传。同时,一些头部金融机构的科技部门也积极与大型科技公司探讨大模型建设。

5月以后,受限于算力资源紧缺、成本高昂等因素,很多金融机构开始更关注应用价值,而非单纯追求自建模型。大型金融机构倾向于引入业界领先的基础大模型,自建企业大模型;中小金融机构则更多考虑ROI,按需引入大模型API或私有化部署服务。

由于金融行业对数据合规性、安全性、可信性要求高,大模型落地进展略慢于年初预期。一些金融机构正在想办法解决落地过程中的各种制约因素。在算力方面,目前主要有自建算力和混合部署两种思路。

随着对大模型的探索深入,不少金融机构也加强了数据治理。越来越多的中型金融机构开始构建数据中台和数据治理体系。有银行通过大模型+MLOps的方式解决数据问题,实现了多源异构数据的统一管理和高效处理。

在应用场景方面,智慧办公、智能开发、智慧营销、智能客服等都被广泛探索。但业内普遍认为,应优先在内部场景应用,而非直接面向客户。目前代码助手和智慧办公等场景已在多家金融机构落地。

不过,这些广泛落地的场景还不是金融机构的核心应用。大模型距离深入金融行业的业务层面还有一定距离。业内预计,今年底之前可能会出现一批在金融机构核心业务场景中应用大模型的项目。

在推动大模型落地过程中,金融行业正在重新架构系统。许多头部金融机构已经基于大模型,搭建了包含基础设施层、模型层、服务层、应用层等多个层级的分层系统框架。这些框架普遍采用大模型发挥中枢能力,将传统模型作为技能调用,同时在大模型层采用多模型策略。

大模型的应用也开始对金融行业的人员结构带来影响。一方面,一些传统岗位面临被取代的风险;另一方面,大模型相关人才的需求激增。目前金融行业在AI人才方面存在较大缺口,一些机构已经开始采取行动,如设计培训课程、建立联合项目组等,以提升现有员工的能力。

随着大模型应用的深入,金融机构的人员结构也将迎来调整和变革。会用大模型的开发人员将更具竞争力,这对金融从业人员提出了新的要求。