金融業界における大規模モデルの応用状況と展望

ChatGPTの登場以来、金融業界における人工知能技術への不安感が急速に広がっています。業界関係者の一人は、今年5月に大理で出張中、寺院の中でも大規模モデルについて話し合う金融業者に出会ったと述べています。

しかし、この不安は徐々に収束しており、業界の大規模モデルに対する見方も理性的になっています。ソフトウェア通力の銀行業務CTOである孫洪軍は、今年の金融業界における大規模モデルへの態度のいくつかの段階を説明しました: 2月から3月にかけては一般的に不安を感じていました; 4月から5月には関連作業を行うチームを次々と結成しました; その後の数ヶ月間は方向性や実現に苦労し始め、理性的になり始めました; 現在は基準を参考にし、検証済みのアプリケーションシナリオを試みています。

注目すべきは、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行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示しています。最近の動向を見ると、彼らは戦略的かつトップダウンの設計の観点から、より明確な思考と道筋の計画を進めています。

熱気から理性的な回帰へ

大手テクノロジー企業の金融業界のベテランは、数ヶ月前と比べて、現在の金融顧客の大規模モデルに対する理解が明らかに向上していると述べました。年初にChatGPTが発売されたときは、熱気が高かったものの、大規模モデルの本質や適用方法についての理解は限られていました。

この段階で、一部の大手銀行が先駆けて行動を起こし、さまざまな宣伝を開始しました。例えば、今年の3月に大手銀行がChatGPTに類似した大規模モデルアプリケーションを立ち上げましたが、業界の評価はさまざまでした。当時、ある人々は、そのアプリケーションの名称がチャット機能を過度に強調し、より重要なGPT部分を軽視していると考えていました。

複数のテクノロジー企業が大型モデルを次々と発表する中、一部の主要金融機関の技術部門は、大型テクノロジー企業との大型モデル構築に関する議論を積極的に開始しています。これらの金融機関は、一般的に大型モデルを自主的に開発したいと考えており、データセット構築、サーバー構成、トレーニング方法などに関する指導を求めています。ある大手銀行の金融テクノロジー企業は、同業に対して関連能力を提供することを希望しているとさえ提案しています。

5月以降、状況が変化し始めました。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に計算力やモデルを自社で構築することを望むのではなく、より応用価値に注目するようになりました。「今、すべての金融機関が他の機関が大規模モデルをどのように応用し、その効果を得ているかに注目しています。」

異なる規模の企業に対して、2つの発展パスが形成されています。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金融機関は、業界をリードする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、微調整の方法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ます。一方、中小規模の金融機関は、投資回収を総合的に考慮し、必要に応じて各種大モデルのパブリッククラウドAPIやプライベートデプロイメントサービスを導入し、ビジネスニーズを直接満たします。

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高いため、一部の人々は、この業界の大規模モデルの導入が年初の予想よりも実際には若干遅れていると考えています。ソフトウェア開発会社の孫洪軍氏は、彼らは当初、金融業界が最初に大規模に大モデルを使用する可能性が高いと予想していたが、最終的な顧客との接続状況を見ると、金融業界の応用は法律や採用などの業界ほど速くはないと述べています。

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要因の解決を模索し始めています。

計算能力に関して、業界の専門家は幾つかの解決策を観察しています:

1. 直接にマイニングパワーを構築することは、コストが高いが安全性が良く、実力のある大手金融機関が業界や企業の大規模なモデルを自ら構築したい場合に適しています。

2. 計算力のハイブリッドデプロイメントでは、機密データがドメイン外に出ない場合に、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の呼び出しを受け入れ、同時にプライベートデプロイメントでローカルデータサービスを処理します。この方法はコストが低く、資金が比較的限られている、オンデマンドアプリケーションの中小金融機関に適しています。

しかし、多くの中小機関は依然として大規模モデルを購入するために必要なGPUカードの入手が難しく、高コストという問題に直面しています。この問題に対処するため、関係機関は研究課題を進めており、特定の業界向けの大規模モデルインフラを構築し、計算能力や汎用大規模モデルなどのリソースを集中させる妥協的な方法を探求しています。これにより、中小の金融機関も大規模モデルサービスを利用できるようになり、"技術的遅れ"を回避することができます。

データ面では、ここ半年間、大規模モデルの実装に向けた探索が進む中、多くの金融機関がデータガバナンスの強化を徐々に進めています。

大手テクノロジー企業の幹部によると、現在、データガバナンスの分野で成熟した実践を持つ大手銀行に加えて、ますます多くの中規模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るとのことです。彼は、完璧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。

銀行は大規模モデルとMLOpsの方法を組み合わせて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、プロセス全体の自動化と多様な非構造化データの統一管理と効率的な処理を実現しました。現在、2.6TBの高品質な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、大規模モデルのサービスプロバイダーや金融機関は、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、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、ニーズ分析などの分野が一つ一つ探求されています。

あるテクノロジー企業の幹部が言ったように、「金融ビジネスのチェーン上のすべての重要な機能は、大規模モデル技術で再構築される価値がある。」この企業は最近、金融業界向けの大規模モデルを発表し、パートナー機関と共に金融産業の大規模モデル製品の内製を進めており、ファイナンシャルアドバイザー、保険代理人、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、全チェーンのAIビジネスアシスタントを構築することを目指しています。

各金融機関は大規模モデルの応用に関して豊富な構想を持っています。ある大手銀行は内部で20以上のシナリオにアプリケーションを展開していると述べ、別の銀行は30以上のシナリオでパイロットを実施したと報告しています。また、ある証券会社は、以前にリリースされたバーチャルデジタル人プラットフォームと大規模モデルを統合することを探求しています。

しかし、実際に大規模モデルをビジネスに適用する際、業界の一般的な合意は、まず内部で使用し、その後外部で使用するということです。結局のところ、現在の大規模モデル技術はまだ成熟しておらず、幻覚の問題などが存在しますし、金融業界は厳しい規制、高い安全性、高い信頼性を求められる業界です。

ある大手銀行の最高技術責任者は、短期間内に顧客に直接大規模モデルを使用することは望ましくないと提案しています。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、創作などの知的集約型シーンに適用し、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複数の金融機関で導入されています。例えば、某大手銀行は大規模モデルに基づくスマート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する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、某保険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。

いくつかのテクノロジー企業は、大規模モデルのコード生成能力を中心に、金融顧客向けに即使用可能な製品を提供しています。ソフトウェア開発会社の孫洪軍は、彼らの製品が大規模モデルのコード補完機能を基に、タスクの分解、正確な回答、文脈の制限を突破する機能を追加し、ユーザーが即座に使用できるようにしていると紹介しました。この製品は現在、ある国際銀行で3000人以上が使用しており、コードの自動補完率は50%〜90%です。

スマートオフィス分野でも多くの実績があります。ある大手テクノロジー企業の金融業界向け大モデル製品の責任者は、金融大モデルに基づいて導入したネットワーク問答機能が、7月に某大手銀行でオンライン化された後、数百の拠点に展開されたことを紹介し、回答採用率は85％を超えています。現在、この機能は多くの銀行や金融機関に迅速に複製されています。

しかし、業界の専門家は、これらの広く実装されたシナリオ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入り込むにはまだ一定の距離があると判断しています。

孫洪軍は、ビジネスアプリケーションのシナリオに関しては難易度が高いと述べています。マーケティング、リスク管理、コンプライアンスなどのシナリオは、大規模モデルが変革をもたらす可能性があり、金融顧客のニーズが存在する分野ですが、現時点ではこれらの作業は、基盤となる大規模モデルのベンダーの能力向上に依存しており、さらにビジネスシナリオの応用を進めることができます。

大手テクノロジー企業の大規模モデルのシニア専門家が予測していますが、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モデルを適用するプロジェクトの建設や入札情報が現れるでしょう。

その前に、一部のトップレベルの設計に関する変革が進行中です。

専門家は、将来的に全てのスマート化、デジタル化システムが大規模モデルに基づいて再構築されると判断しています。これにより、金融業界は大規模モデルの実装過程でシステムを再構築する必要があります。同時に、従来の小規模モデルの価値を無視せず、大規模モデルと小規模モデルが協力して機能することが求められます。

この傾向は金融業界で広く表れています。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、複数の層で構成された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には一般的に2つの大きな特徴があります。1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。2つ目は、大規模モデル層がマルチモデル戦略を採用し、内部で比較して最適な結果を選出することです。

実際、金融機関だけでなく、現在の状況がまだ明確でない中で、一部の大規模モデルアプリケーションプロバイダーも複数モデル戦略を採用し、サービス効果を最適化しています。孫洪軍は、彼らの基盤モデル層も複数の大規模言語モデルを統合しており、各大モデルの回答に基づいて組み立てて最適化し、ユーザーに提供することを明らかにしました。

人材のギャップは依然として大きい

大規模モデルの適用は、金融業界の人員構成にいくつかの課題と変革をもたらし始めています。

金融テクノロジー企業の関係者は、ChatGPTの登場に伴い、今年の初めから5月末までに彼の会社が300人以上のビッグデータアナリストを解雇したと述べました。数年前はこれは人気のある職業でした。これにより、彼は将来の雇用についての懸念を抱くようになりました。

ある大手銀行のベテランが、大規模モデルによる人の代替効果について共有しました。その銀行では、以前は毎朝インターンがさまざまな情報を投資研究部門にまとめていましたが、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、一部の銀行は大規模モデルによる人員削減を望んでいません。20万人の支店従業員を持つある大手銀行は、彼らが大規模モデルによって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、同時に一部の従業員をより高価値な仕事に振り向けることを望んでいると明言しています。従業員を置き換えるのではありません。

これには、人員と構造の安定性を考慮したものもあれば、多くのポジションで依然として人材不足があるためでもあります。孫洪軍氏は、大手銀行には多くの業務があり、一部のIT需要は工期が来年末まで延びていると述べており、彼らは大規模モデルが従業員の効率を向上させるのを助けることを望んでいるとしています。

より重要なのは、大規模モデルの急速な発展が短期的に希少な人材供給が急増する需要にマッチしにくくなっていることです。これは、iPhoneが登場したばかりの頃、アプリを開発したいが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。

ある大手銀行の幹部は、金融業界におけるコアビジネスプロセスにおける大規模モデルの適用が直面している6つの主要な課題をまとめました。その中の一つは人材です。彼らは最近、新入社員や新卒採用の際に、AI分野を学ぶ人が非常に多いことを発見しましたが、大規模モデルを理解している人はほとんどいませんでした。

孫洪軍も似たような経験があります。国慶节の前の週、彼らは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。その銀行の自社で構築した大規模モデルチームの中で、誰かが一時的に休暇を取っており、モデルのトレーニング作業の人手が不足していたため、外部のサポートを求めざるを得ませんでした。

"現在この分野の人材は確かに少なく、一定の時間をかけて育成する必要があります。" 孫洪軍は、直接大規模モデルを適用する人材の需要は比較的簡単で、主に質問ができる人であると考えています。しかし、業界や企業の大規模モデルを自ら構築する場合、金融機関には専門的な大規模モデル技術チームが必要です。

ある大手テクノロジー企業の幹部も認めているように、AI大モデルの人材不足は非常に大きい。トップ機関は現在、アルゴリズム博士などのAI関連人材を採用している。これは、金融顧客が大モデルのベンダーから技術サポートを受けることができるが、最終的な使用者およびイノベーションの主導者として、AI大プラットフォームの構築、AIアプリケーションの計画、モデリングやチューニングの過程で大モデルのベンダーと協力してシーンやモデルの最適化を行い、AIモデルの応用範囲と効果を継続的に拡大するために、一定の人材の蓄積が必要であるためである。

いくつかの機関が行動を起こしました。ある大手テクノロジー企業の責任者は、彼らが特定の大手銀行の研究所と協力して、企業アプリケーションにおける大規模モデルの人材転換の実践を整理し、プロンプト調整、微調整、大規模モデルの運用などの一連のトレーニングコースを設計し、複数の部門と協力して共同プロジェクトチームを設立し、企業の人材能力の向上を推進していると述べました。