人工知能大モデルの金融業における応用: 熱気上昇から理性的な回帰へ

ChatGPTの登場以来、金融業界では急速に不安感が広がっています。この技術に信仰を持つ業界は、急速に進化する時代の流れに置いていかれることを恐れています。このような焦燥感は、静かな寺院にまで広がることさえありました。業界関係者によれば、彼女は5月に大理に出張した際、寺院で大規模モデルについて話し合う金融業界の人々に出会ったそうです。

しかし、この不安は徐々に平常に戻り、人々の考え方も明確で理性的になり始めています。今年の金融業界における大モデルへの態度をいくつかの段階で説明した専門家もいます: 2月と3月、一般的に不安を感じ、後れを取ることを心配していました; 4月と5月、チームを組んで作業を開始しました; その後の数ヶ月、方向性を見つけたり実現したりするのに困難に直面し、理性的になり始めました; 現在、彼らはベンチマーク企業に注目し、検証済みのシナリオを試みています。

新しいトレンドは、多くの金融機関が大規模モデルを戦略的なレベルに引き上げていることです。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の銀行が最新の中間報告書で大規模モデルの応用を探求していると明確に述べています。最近の動きから見ると、彼らは戦略的なレベルとトップダウン設計のレベルから、より明確な思考と道筋の計画を進めています。

熱意の上昇から理性的な回帰へ

"数ヶ月前と比べて、現在は金融クライアントが大規模モデルを理解することがかなり進んだと実感できます。"ある業界の専門家は述べています。今年初めにChatGPTが登場した際、皆の熱意は高かったものの、大規模モデルが一体何なのか、どう使うべきかについては、実際には非常に限られた理解しかなかったのです。

この段階で、いくつかの大手銀行が先行して行動し、様々な「乗っかり」の宣伝を始めました。例えば、今年の3月、ある銀行がChatGPTに類似した大モデルアプリケーションを立ち上げました。しかし、業界の評価は様々でした。当時、ある人は、この製品の名前がChatGPTの中でそれほど重要でないChatを強調し、実際に重要な部分であるGPTを無視していると考えていました。

その一方で、国内の多くのテクノロジー企業が次々と大規模モデルを発表する中、一部の主要な金融機関のテクノロジー部門は、大手企業と大規模モデルの構築について積極的に協議を始めました。これらの金融機関は一般的に自ら大規模モデルを構築したいと考えており、データセットの制作、サーバーの調達、トレーニング方法などについてベンダーの指導を必要としています。あるフィンテック企業は、完成後には同業者に出力できるかどうかも提案しました。

5月以降、状況は徐々に変化しています。計算力資源の不足や高コストなどの要因により、多くの金融機関は単純に自前の計算力やモデルを構築することを望むのではなく、よりアプリケーションの価値に注目するようになりました。「今やすべての金融機関が他の機関が大規模モデルを使って何をしたのか、どのような結果を実現したのかに関心を持っています。」

具体的には、異なる規模の企業に対して、2つの道筋が分かれています。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な金融機関は、先進的な基盤の大モデルを導入し、企業の大モデルを自社で構築し、同時に微調整の形を採用して、専門分野のタスク大モデルを形成し、迅速にビジネスを強化し、大モデルの構築周期が長すぎるという欠点を補うことができます。一方、中小の金融機関は、投資回収を総合的に考慮し、必要に応じて各種の大モデルのクラウドサービスまたはプライベートデプロイを導入し、直接的に強化のニーズを満たすことができます。

しかし、金融業界はデータのコンプライアンス、安全性、信頼性などの要求が非常に高いため、一部の人々はこの業界における大規模モデルの実装が、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。専門家は、彼らは当初、金融業界が最初に大規模に大規模モデルを使用するだろうと予測していたが、最終的に顧客との接続状況を見ると、金融業界は法律、採用などの業界よりも進展が遅いと述べています。

いくつかの金融機関は、大規模モデルの実装プロセスにおけるさまざまな制約を解決する方法を模索し始めています。

計算能力に関して、業界関係者は幾つかの解決策に注目しています。

第一に、直接に計算力を自建することはコストが高いですが、安全性は十分です。これは、力強い資金を持ち、自社で業界や企業の大規模モデルを構築したい大型金融機関に適しています。

第二に、計算能力のハイブリッドデプロイメントでは、センシティブなデータがドメイン外に出ないようにしながら、パブリッククラウドからの大規模モデルサービスインターフェースを呼び出し、同時にプライベートデプロイメントを通じてローカルデータを処理します。この方法はコストが低く、数十万元で数枚の計算カードを購入するだけでニーズを満たすことができ、資金が比較的限られている中小型金融機関のオンデマンドアプリケーションに適しています。

しかし、それにもかかわらず、多くの中小機関は依然として大規模モデルに必要なGPUカードを購入できず、または購入できないという問題に直面しています。この問題に対処するために、規制当局が証券業界向けの大規模モデルインフラを構築するための折衷案を検討しているという情報があります。集中計算能力や汎用大規模モデルなどのリソースを集約し、業界内の中小金融機関が大規模モデルサービスを利用できるようにし、技術的に遅れないようにすることを目指しています。

単に計算能力だけでなく、最近半年以上にわたる大規模モデルの実地探索に伴い、多くの金融機関がデータガバナンスを強化し始めています。

専門家によると、現在データガバナンス分野で成熟した実践を持つ主要な銀行の他にも、ますます多くの中型金融機関がデータミドルプラットフォームやデータガバナンスシステムの構築を始めています。彼は、完全なデータガバナンスシステムとデータレイク技術プラットフォームの構築が、今後の金融機関のIT構築における重要なテーマになるだろうと考えています。

また、銀行は大規模モデル+MLOpsの方法でデータ問題を解決しています。例えば、ある銀行はMLOpsモデルを使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、全プロセスの自動化を実現し、多源異種データの統一管理と効率的な処理を行っています。現在、2.6TBの高品質トレーニングデータセットが構築され、蓄積されています。

周辺シーンからのアプローチ

過去半年以上、大規模モデルサービス提供者や各大金融機関は、積極的にアプリケーションシーンを探しています。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、スマート投資研究、スマートリスク管理、ニーズ分析などの分野が広く探求されています。

あるフィンテック企業の幹部が言ったように、「金融ビジネスチェーンのすべての重要な機能は、大規模モデル技術で再構築する価値がある。」この企業は最近、金融大モデルを発表し、パートナー機関と共に金融産業向けの大モデル製品の内製を行っており、ファイナンシャルアドバイザー、保険代理、投資研究、金融マーケティング、保険請求などの金融専門家のために、全体のAIビジネスアシスタントを構築することを目指している。

各金融機関は大規模モデルに対して豊富な構想を持っています。ある銀行は内部で20以上のシーンにアプリケーションを展開したと述べ、別の銀行は30以上のシーンでパイロットを実施したと報告しています。ある証券会社は、大規模モデルと以前に導入されたバーチャルデジタル人プラットフォームを統合することを探求しています。

しかし、大規模モデルを実際に業務に適用する際、一般的な合意は内部から外部へということです。結局のところ、現在の段階では大規模モデル技術は成熟しておらず、たとえば幻覚の問題が存在しますが、金融業界は厳しい規制、高い安全性、高い信頼性が求められる業界です。

専門家の中には、短期的には顧客に対して大規模モデルを直接使用することは推奨しないと考える者もいます。金融機関は、まず大規模モデルを金融テキストや金融画像の分析、理解、創作といった知的集約型のシナリオに使用し、アシスタントの形で人間と機械の協力を実現し、業務担当者の作業効率を向上させるべきです。

現在、コードアシスタントは多くの金融機関で導入されています。例えば、ある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の量は総コード量の比率が40%に達しています。保険分野では、ある保険会社が大規模モデルに基づくプログラミング支援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。

スマートオフィス分野でも多くの実例があります。専門家によると、彼らが金融大モデルに基づいて導入した拠点Q&Aシステムは、ある銀行で稼働した後、数百の拠点に展開され、回答採用率は85％を超えています。現在、このソリューションは他の銀行や金融機関に迅速にコピーされています。

しかし、業界の専門家は、これらの広く普及したシーンは、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レイヤーに深く入り込むにはまだ一定の距離があると判断しています。

専門家は、今年の年末までに、金融機関のコアビジネスシーンで実際に大規模なモデルを使用するプロジェクトの建設や入札情報が出現するだろうと予測しています。

その前に、いくつかのトップレベルの設計に関する変更が進行中です。学者たちは、未来の全てのスマート化、デジタル化システムが大モデルの基盤の上に再構築されると判断しています。これにより、金融業界は大モデルの実現を進める過程でシステムを再構築する必要があります。同時に、従来の小モデルの価値も無視してはならず、大モデルと小モデルが協調するべきです。

このトレンドは金融業界で広く表れています。現在、金融機関は大規模モデルの試点を行っており、基本的に階層モデルを採用しています。過去においては、一つのシーンにプラットフォームを構築するためのサイロ型モデルが必要でしたが、大規模モデルは金融機関にゼロから始める機会を与え、全体的なシステム計画をより科学的に行うことができます。

現在、多くの主要な金融機関が大規模モデルに基づいて、インフラ層、モデル層、大規模モデルサービス層、アプリケーション層などの複数のレベルを含む階層システムフレームワークを構築していることがわかります。

これらのフレームワークには一般的に二つの大きな特徴があります。一つ目は、大規模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。二つ目は、大規模モデルの層がマルチモデル戦略を採用し、内部で比較して最適な効果を選出することです。

実際、金融機関だけでなく、現在の状況が未定の中で、一部の大規模モデルアプリケーションプロバイダーもマルチモデル戦略を採用し、サービス効果を最適化しています。専門家によると、彼らの基盤モデル層は大量の大規模言語モデルを統合しており、各大モデルから返される回答に基づいて、最適なものを組み立ててユーザーに提供します。

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いくつかの挑戦と変革をもたらし始めています。

以前、ChatGPTの登場に伴い、あるフィンテック企業が今年初めから5月末までに300人以上のビッグデータアナリストを解雇したという報道がありました。そして数年前、これは非常に人気のある職業でした。このことは、業界の人々に不安を引き起こし、次の世代の職業選択について早めに考え始めるようになりました。

ある銀行の専門家も、大規模モデルの人に対する代替効果について共有しました。この銀行では、以前は毎朝インターンがさまざまな情報をまとめて投資研究部門に提供していましたが、現在ではこれらの作業を大規模モデルで行うことができます。

しかし、一部の銀行は実際には大規模モデルによる人員削減を望んでいません。例えば、20万のネットワーク従業員を持つある大手銀行は、従業員が大規模モデルに取って代わられることを望んでおらず、大規模モデルが新しい機会をもたらし、従業員のサービス品質と作業効率を向上させることを望んでいます。同時に、従業員の一部を解放して、より高価値のある仕事に従事させることも望んでいます。

これには、人員や構造の安定性に対する考慮が含まれています。しかし一方では、多くの職種において人材の不足が存在するためでもあります。

専門家によれば、大手銀行は多くの作業を完了する必要があり、一部のITニーズの工期は来年の年末まで延長されています。彼らは、大規模なモデルが従業員がより多くの作業を完了し、効率と速度を向上させるのに役立つことを望んでおり、雇用削減をもたらすことは望んでいません。

さらに重要なことは、大規模モデルの急速な発展により、短期間で不足する人材供給が急増する需要を満たすことが難しいということです。これは、iPhoneが初めて登場したとき、誰もがアプリを開発したいと思っていても、iOSプログラマーを見つけるのが非常に難しかったのと同じです。

最近のフィンテック会議で、ある銀行のエグゼクティブは、金融業界が現在、大規模モデルの能力をコアビジネスプロセスに活用する際に直面する6つの主要な課題についてまとめました。そのうちの1つは人材不足です。彼は、最近採用した新入社員の中で、AI分野を学んでいる割合が非常に高いが、大規模モデルを理解している人材は非常に少ないと述べました。

専門家はこれを深く実感しており、最近、ある銀行の顧客から人材支援のリクエストを受けました。この銀行は、独自に構築した大規模モデルチームのメンバーが一時的に休暇を取っているため、モデルのトレーニング作業が人手不足の問題に直面し、急遽外部のサポートを求めざるを得ませんでした。

"今、この分野の人材は確かに非常に少なく、一定の時間をかけて育成する必要があります。"その専門家は、大規模モデルを直接応用する人材の需要は比較的単純で、主に質問できる人が必要だと考えています。しかし、業界や企業の大規模モデルを自ら構築する場合、金融機関は優れた垂直大規模モデル技術チームを持っている必要があります。

別の専門家も認めているように、AI大モデル分野の人材不足は非常に大きい。主要な機関は現在、アルゴリズム博士などのAI専門関連人材を採用している。これは、金融顧客が大モデルメーカーから技術サポートを受けられるとはいえ、最終的な使用者および革新の主導者であるため、AI大プラットフォームの構築や各種AIアプリケーションの計画を支えるために一定の人材の蓄積が必要だからである。また、モデリング、調整、微調整の過程で、大モデルメーカーと協力してシーンの重ね合わせやモデルの重ね合わせなどの最適化を行い、AIモデルの応用範囲と効果を継続的に拡大する必要がある。

いくつかの参加者が行動を起こしました。ある企業が特定の銀行のラボの人事チームと連携し、大規模モデルの企業応用における人材の変革実践を整理し、一連のトレーニングを設計しました。