大規模モデルアプリケーションの探索:金融業界は熱意から合理的回帰へ

ChatGPTの登場以来、金融業界に大きな反響を引き起こしました。この技術に対する信仰に満ちた業界は、時代の波に取り残される可能性を心配しています。このような不安の雰囲気は、思いがけない場所にまで広がりました。業界関係者は、今年の5月に大理で出張した際、寺院の中でも大規模モデルについて議論する金融業界の人々に出会ったと述べています。

しかし、このような不安は徐々に和らぎ、人々の考え方もより明確で理性的になってきています。ソフトウェア通力バンクのビジネスCTOである孫洪軍は、今年の金融業界における大モデルに対する態度のいくつかの段階を説明しました：二、三月には、遅れを心配する不安感が広がっていました；四、五月には、関連作業を進めるためにチームを結成しました；その後の数ヶ月間、方向性を見つけることや実現過程で困難に直面し、理性的になり始めました；現在では、より多くの注目がベンチマークケースに集まり、検証済みの応用シーンを試すことに焦点を当てています。

注目すべきは、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。完全な統計ではありませんが、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、彼らは戦略的および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。

熱意が上昇から理性的な回帰へ

年初ChatGPTが登場した時、金融業界の大モデルに対する理解はまだ限られていた。一部の大手銀行が先行して行動し、さまざまな宣伝を開始した。同時に、国内の複数のテクノロジー企業が次々と大モデルを発表する中、一部の主要な金融機関の技術部門がこれらの企業と積極的に大モデルの構築について話し合いを始めた。

5月以降、状況が変わり始めました。算力資源の不足や高コストなどの要因に制約され、多くの金融機関は単に自らの算力とモデルを構築することを望むのではなく、アプリケーションの価値により重視を移行しています。現在、各金融機関は他の機関の大モデルにおけるアプリケーションとその効果を注視しています。

異なる規模の企業は、二つの道を分化させています。膨大な金融データとアプリケーションシーンを持つ大規模金融機関は、先進的な基礎大モデルを導入し、企業大モデルを自社で構築し、微調整方式を採用して専門分野のタスク大モデルを迅速に開発できます。一方、中小金融機関は、ニーズに応じてさまざまな大モデルのパブリッククラウドAPIまたはプライベートデプロイサービスを導入することができます。

金融業界はデータのコンプライアンス、安全性、信頼性に対して高い要求を持っているため、業界内の一部の専門家は、この業界の大規模モデルの実装進展が実際には年初の予想よりもやや遅れていると考えています。一部の金融機関は、大規模モデルの実装プロセスにおけるさまざまな障害を克服するための解決策を探し始めています。

計算力の面で、金融業界では現在いくつかの解決策が登場しています：

1. 直接自建算力、コストは高いが安全性がより保障されている。実力のある、大規模な金融機関で、業界または企業の大モデルを自ら構築したいと考えている場合に適している。

2. 計算力のハイブリッドデプロイメントは、センシティブなデータが外部に流出しないことを前提に、パブリッククラウドの大規模モデルサービスインターフェースとプライベートデプロイメント方式を組み合わせます。この方式はコストが比較的低く、資金力が弱く、必要に応じて使用する中小型の金融機関に適しています。

中小機関が直面しているGPUカードの不足と高価格の問題に対して、規制当局が証券業界向けの大規模モデルインフラの構築を検討しているとの情報があります。これにより、集中された計算力や汎用大規模モデルなどのリソースを活用し、中小金融機関が"技術の遅れ"を回避できるよう支援することを目指しています。

データガバナンスの観点から、ますます多く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の構築を始めています。一部の銀行は、大規模モデルとMLOpsを組み合わせることでデータ問題を解決しています。例えば、ある大手銀行はMLOpsモデルを採用して大規模モデルのデータクローズドループシステムを構築し、プロセスの自動化と多様なソース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。

周辺シーンからの切り込み

過去半年以上、大規模モデルサービス提供者と金融機関は、スマートオフィス、インテリジェント開発、スマートマーケティング、インテリジェントカスタマーサービス、スマート投資研究、インテリジェントリスク管理、需要分析など、さまざまな分野でアプリケーションシナリオを積極的に探求しています。

各金融機関は大規模モデルについて豊富な構想を持っています。ある銀行は20以上のシーンでアプリケーションを展開したと述べ、別の銀行は30以上のシーンで試験運用を行っているとしています。また、ある証券会社は大規模モデルとバーチャルデジタル人プラットフォームの統合を模索しています。

しかし、実際の実施プロセスにおいて、業界では一般的に内部から外部へと進むべきだと考えられています。現在の大規模モデル技術がまだ成熟していないこと、金融業界が厳しい規制と高い安全要件を持つ分野であることを考慮すると、短期的には顧客に直接使用することは推奨されません。

現在、コードアシスタントとスマートオフィス分野には多くの実績があります。例えば、ある大手銀行は大規模モデルに基づくインテリジェントな研究開発システムを構築し、コーディングアシスタントが生成したコード量は総コード量の40%を占めています。保険分野では、ある会社が大規模モデルに基づくプログラミング補助プラグインを開発し、内部開発ツールに直接組み込まれています。

しかし、業界の専門家は、これらの広く実装されているシーンは実際には金融機関のコアアプリケーションではなく、大規模モデルは金融業界のビジネス層に深く浸透するにはまだ一定の距離があると判断しています。

最上位の設計に関しては、いくつかの変革が進行中です。多くの主要な金融機関が、インフラストラクチャ層、モデル層、大モデルサービス層、アプリケーション層などの複数の層で構成された階層システムフレームワークを大モデルに基づいて構築しています。これらのフレームワークは一般的に二つの大きな特徴を持っています。一つは、大モデルが中枢能力を発揮し、従来のモデルをスキルとして呼び出すことです。もう一つは、大モデル層がマルチモデル戦略を採用し、内部で最適な効果を選好することです。

人材のギャップは依然として大きい

大規模モデルの応用は、金融業界の人員構成に対していくつかの課題と変革をもたらし始めています。一部の職位は置き換えられるリスクに直面していますが、同時に新しい機会も生まれています。

多くの業界関係者が、現在大規模モデル関連の人材の不足が非常に大きいと述べています。金融機関は大規模モデルのベンダーから技術支援を受けることができるものの、最終的な使用者およびイノベーションのリーダーとして、AIの大規模プラットフォームの構築、アプリケーション計画、モデル最適化などの作業を支えるために一定の人材の蓄積が必要です。

いくつかの機関は、テクノロジー企業と協力して、Promptの調整、微調整、大規模モデルの運用などを含むトレーニングコースを設計するなどの行動をとり、企業の人材能力を向上させるための共同プロジェクトチームを設立しています。

注目すべきは、この過程で金融機関の人員構成も調整と変革を迎えることです。大規模モデルの応用に精通した開発者は、新しい環境で際立つのが容易になるかもしれません。