Ứng dụng của mô hình trí tuệ nhân tạo lớn trong ngành tài chính: từ sự nhiệt tình tăng lên đến sự trở lại lý trí
Kể từ khi ChatGPT ra đời, nó đã nhanh chóng gây ra cảm giác lo lắng trong ngành tài chính. Ngành công nghiệp này, vốn có niềm tin vào công nghệ, sợ bị một thời đại đang lao đi bỏ lại phía sau. Bầu không khí lo âu này thậm chí đã từng lan rộng đến những ngôi chùa yên tĩnh. Một người trong ngành cho biết, khi cô ấy đi công tác ở Đại Lý vào tháng 5, cô ấy đã gặp những người làm trong lĩnh vực tài chính nói chuyện về mô hình lớn ngay tại chùa.
Tuy nhiên, sự lo lắng này đang dần trở nên bình thường, và suy nghĩ của mọi người cũng bắt đầu trở nên rõ ràng và lý trí. Một số chuyên gia đã mô tả những giai đoạn thái độ của ngành tài chính đối với mô hình lớn trong năm nay: Tháng 2 và tháng 3, cảm thấy lo lắng chung, lo sợ bị tụt lại; Tháng 4 và tháng 5, họ bắt đầu thành lập các đội nhóm để triển khai công việc; Những tháng tiếp theo, gặp khó khăn trong việc tìm kiếm hướng đi và thực hiện, bắt đầu trở nên lý trí; Hiện tại, họ chú ý đến các doanh nghiệp điển hình, cố gắng xác minh các tình huống đã được thử nghiệm.
Một xu hướng mới là, nhiều tổ chức tài chính đã nâng mô hình lớn lên cấp độ chiến lược. Theo thống kê không đầy đủ, trong số các công ty niêm yết A-shares, ít nhất có 11 ngân hàng trong báo cáo nửa năm gần đây đã rõ ràng đề cập đến việc đang khám phá ứng dụng của mô hình lớn. Từ các hành động gần đây, họ cũng đang thực hiện suy nghĩ và lập kế hoạch con đường rõ ràng hơn từ cấp độ chiến lược và thiết kế cấp cao.
Từ sự nhiệt tình tăng lên đến sự trở lại lý trí
"So với vài tháng trước, bây giờ có thể cảm nhận rõ ràng rằng khách hàng tài chính đã hiểu biết nhiều hơn về mô hình lớn." Một chuyên gia dày dạn kinh nghiệm cho biết, vào đầu năm khi ChatGPT vừa ra mắt, mặc dù mọi người rất nhiệt tình, nhưng thực sự hiểu biết về mô hình lớn là rất hạn chế.
Trong giai đoạn này, một số ngân hàng lớn đã tiên phong hành động, bắt đầu thực hiện các chương trình quảng cáo "hấp thụ nhiệt" khác nhau. Chẳng hạn, vào tháng 3 năm nay, một ngân hàng đã ra mắt ứng dụng mô hình lớn tương tự như ChatGPT. Nhưng đánh giá trong ngành rất khác nhau. Lúc đó, có người cho rằng, tên sản phẩm này nhấn mạnh vào phần Chat không quan trọng trong ChatGPT, mà lại bỏ qua phần GPT thực sự quan trọng.
Trong khi đó, khi nhiều công ty công nghệ trong nước lần lượt phát hành các mô hình lớn, một số phòng công nghệ của các tổ chức tài chính hàng đầu bắt đầu tích cực thương thảo với các công ty lớn về việc xây dựng mô hình lớn. Những tổ chức tài chính này đều mong muốn tự mình xây dựng mô hình lớn, cần nhà cung cấp hướng dẫn về việc sản xuất tập dữ liệu, mua sắm máy chủ và các phương pháp huấn luyện, v.v. Một số công ty công nghệ tài chính thậm chí còn đề xuất, sau khi hoàn thành có thể xuất khẩu cho các đối thủ trong ngành.
Sau tháng 5, tình hình dần dần thay đổi. Bị ảnh hưởng bởi sự thiếu hụt tài nguyên tính toán và chi phí cao, nhiều tổ chức tài chính bắt đầu chuyển từ việc đơn thuần muốn tự xây dựng sức mạnh tính toán và mô hình sang việc chú trọng hơn vào giá trị ứng dụng. "Hiện nay, mỗi tổ chức tài chính đều quan tâm đến việc các tổ chức khác đã làm gì với mô hình lớn và đạt được hiệu quả như thế nào."
Cụ thể đối với các doanh nghiệp có quy mô khác nhau, cũng được chia thành hai con đường. Các tổ chức tài chính lớn sở hữu dữ liệu tài chính khổng lồ và nhiều ứng dụng có thể đưa vào các mô hình lớn tiên tiến, tự xây dựng mô hình lớn doanh nghiệp, đồng thời áp dụng hình thức tinh chỉnh, hình thành mô hình lớn nhiệm vụ trong lĩnh vực chuyên môn, nhanh chóng nâng cao năng lực kinh doanh, nhằm bù đắp cho nhược điểm của chu kỳ xây dựng mô hình lớn quá dài. Trong khi đó, các tổ chức tài chính vừa và nhỏ có thể cân nhắc tổng thể về lợi nhuận đầu tư, theo nhu cầu đưa vào các dịch vụ đám mây của các mô hình lớn hoặc triển khai riêng tư, trực tiếp đáp ứng nhu cầu nâng cao năng lực.
Tuy nhiên, do yêu cầu cao về tính tuân thủ, an toàn và độ tin cậy của dữ liệu trong ngành tài chính, một số người cho rằng, tiến trình triển khai mô hình lớn trong ngành này thực tế chậm hơn so với dự đoán ban đầu vào đầu năm. Các chuyên gia cho biết, họ đã dự đoán ban đầu rằng ngành tài chính có thể sẽ là ngành đầu tiên sử dụng quy mô lớn các mô hình lớn, nhưng từ tình hình kết nối với khách hàng cuối cùng, ngành tài chính không tiến triển nhanh bằng các ngành như luật pháp, tuyển dụng.
Một số tổ chức tài chính đã bắt đầu tìm cách giải quyết các hạn chế khác nhau trong quá trình triển khai mô hình lớn.
Trong lĩnh vực sức mạnh tính toán, những người trong ngành đã quan sát thấy một vài hướng giải quyết:
Đầu tiên, xây dựng sức mạnh tính toán tự trực tiếp, chi phí cao hơn, nhưng độ an toàn đủ. Phù hợp với các tổ chức tài chính lớn có sức mạnh mạnh mẽ, mong muốn tự xây dựng mô hình lớn cho ngành hoặc doanh nghiệp.
Thứ hai, triển khai hỗn hợp sức mạnh tính toán, trong trường hợp dữ liệu nhạy cảm không rời khỏi miền, chấp nhận việc gọi giao diện dịch vụ mô hình lớn từ đám mây công cộng, đồng thời xử lý dữ liệu địa phương thông qua triển khai riêng. Cách này có chi phí thấp, chỉ cần đầu tư vài trăm triệu để mua vài thẻ tính toán là đủ đáp ứng nhu cầu, phù hợp với các tổ chức tài chính vừa và nhỏ có nguồn vốn tương đối hạn chế và ứng dụng theo nhu cầu.
Tuy nhiên, bất chấp điều đó, nhiều tổ chức nhỏ và vừa vẫn đang gặp khó khăn trong việc mua hoặc không đủ khả năng chi trả cho các GPU cần thiết cho mô hình lớn. Đối với vấn đề này, có thông tin cho biết các cơ quan quản lý đang nghiên cứu xem liệu có thể xây dựng một cơ sở hạ tầng mô hình lớn hướng tới ngành chứng khoán theo cách thỏa hiệp, tập trung sức mạnh tính toán và các tài nguyên mô hình lớn chung, để các tổ chức tài chính nhỏ và vừa trong ngành cũng có thể sử dụng dịch vụ mô hình lớn, ngăn chặn việc họ bị tụt lại về mặt công nghệ.
Không chỉ là sức mạnh tính toán, trong nửa năm qua với việc khám phá ứng dụng mô hình lớn, nhiều tổ chức tài chính cũng dần tăng cường quản trị dữ liệu.
Có chuyên gia cho biết, hiện nay ngoài các ngân hàng lớn đã có thực hành trưởng thành trong lĩnh vực quản trị dữ liệu, ngày càng nhiều tổ chức tài chính vừa và nhỏ cũng bắt đầu xây dựng nền tảng dữ liệu và hệ thống quản trị dữ liệu. Ông cho rằng, việc xây dựng một hệ thống quản trị dữ liệu hoàn thiện và nền tảng công nghệ hồ dữ liệu sẽ là chủ đề quan trọng trong xây dựng CNTT của các tổ chức tài chính trong tương lai.
Cũng có ngân hàng đang giải quyết vấn đề dữ liệu thông qua mô hình lớn + MLOps. Ví dụ, một ngân hàng đã áp dụng mô hình MLOps để xây dựng hệ thống vòng khép kín dữ liệu mô hình lớn, thực hiện tự động hóa toàn bộ quy trình, cũng như quản lý thống nhất và xử lý hiệu quả dữ liệu đa nguồn và dị thể. Theo thông tin, hiện đã xây dựng và lưu trữ 2.6TB tập dữ liệu huấn luyện chất lượng cao.
Từ cảnh ngoại vi vào
Trong hơn nửa năm qua, cả các nhà cung cấp dịch vụ mô hình lớn lẫn các tổ chức tài chính đều đang tích cực tìm kiếm các ứng dụng. Các lĩnh vực như văn phòng thông minh, phát triển thông minh, tiếp thị thông minh, dịch vụ khách hàng thông minh, nghiên cứu đầu tư thông minh, kiểm soát rủi ro thông minh, phân tích nhu cầu đang được khám phá rộng rãi.
Như một giám đốc điều hành của một công ty công nghệ tài chính đã nói, "Mỗi chức năng quan trọng trong chuỗi dịch vụ tài chính đều xứng đáng được làm lại bằng công nghệ mô hình lớn." Công ty này gần đây đã phát hành mô hình lớn tài chính và cùng với các tổ chức hợp tác tiến hành thử nghiệm nội bộ để xây dựng sản phẩm mô hình lớn hướng tới ngành tài chính, mục tiêu là tạo ra một trợ lý AI toàn chuỗi cho các chuyên gia tài chính như nhân viên tư vấn tài chính, đại lý bảo hiểm, nghiên cứu đầu tư, tiếp thị tài chính và bồi thường bảo hiểm.
Các tổ chức tài chính đều có những ý tưởng phong phú về mô hình lớn. Một ngân hàng cho biết đã có hơn 20 kịch bản ứng dụng nội bộ, một ngân hàng khác cho biết họ đã thử nghiệm ở hơn 30 kịch bản, trong khi một công ty chứng khoán đang khám phá việc kết nối mô hình lớn với nền tảng người số ảo mà họ đã ra mắt trước đó.
Nhưng khi thực sự triển khai mô hình lớn vào kinh doanh, có sự đồng thuận chung là trước tiên nội bộ rồi sau đó mới đến bên ngoài. Dù sao, ở giai đoạn hiện tại, công nghệ mô hình lớn vẫn chưa trưởng thành, chẳng hạn như vấn đề ảo giác, trong khi ngành tài chính lại là một ngành có sự quản lý chặt chẽ, an toàn cao và đáng tin cậy.
Có chuyên gia cho rằng, trong ngắn hạn không nên sử dụng mô hình lớn trực tiếp cho khách hàng. Các tổ chức tài chính nên ưu tiên sử dụng mô hình lớn cho các tình huống phân tích và hiểu biết sáng tạo văn bản và hình ảnh tài chính, để thực hiện hợp tác giữa con người và máy móc dưới dạng trợ lý, nâng cao hiệu quả làm việc của nhân viên.
Hiện tại, trợ lý mã đã được triển khai tại không ít tổ chức tài chính. Chẳng hạn, một ngân hàng đã xây dựng hệ thống phát triển thông minh dựa trên mô hình lớn, tỷ lệ mã do trợ lý mã sinh ra chiếm 40% tổng mã. Trong lĩnh vực bảo hiểm, một công ty bảo hiểm đã phát triển plugin hỗ trợ lập trình dựa trên mô hình lớn, được nhúng trực tiếp vào công cụ phát triển nội bộ.
Lĩnh vực văn phòng thông minh cũng có nhiều trường hợp áp dụng thực tế. Có chuyên gia giới thiệu, họ dựa trên mô hình lớn tài chính để phát triển hệ thống hỏi đáp điểm giao dịch, sau khi triển khai tại một ngân hàng đã được mở rộng đến hàng trăm điểm giao dịch, tỷ lệ câu trả lời được chấp nhận vượt quá 85%. Hiện tại, giải pháp này đã nhanh chóng được sao chép sang các ngân hàng và tổ chức tài chính khác.
Tuy nhiên, các chuyên gia trong ngành đánh giá rằng, những tình huống đã được áp dụng rộng rãi này thực tế vẫn chưa phải là ứng dụng cốt lõi của các tổ chức tài chính, và mô hình lớn vẫn còn một khoảng cách nhất định để đi vào các lĩnh vực kinh doanh sâu hơn của ngành tài chính.
Có chuyên gia dự đoán, đến cuối năm nay, sẽ có một loạt thông tin xây dựng hoặc đấu thầu dự án thực sự sử dụng mô hình lớn trong các tình huống kinh doanh cốt lõi của các tổ chức tài chính.
Trước đó, một số thay đổi ở cấp thiết kế hàng đầu đang được thực hiện. Một số học giả phán đoán rằng, toàn bộ hệ thống thông minh và số hóa trong tương lai sẽ được xây dựng lại trên nền tảng của các mô hình lớn. Điều này yêu cầu ngành tài chính phải tái cấu trúc hệ thống trong quá trình thúc đẩy triển khai các mô hình lớn. Đồng thời, cũng không thể bỏ qua giá trị của các mô hình nhỏ truyền thống, mà nên để các mô hình lớn và nhỏ phối hợp với nhau.
Xu hướng này đã được thể hiện rộng rãi trong ngành tài chính. Hiện tại, các tổ chức tài chính đang thử nghiệm mô hình lớn, chủ yếu áp dụng mô hình phân tầng. Khác với mô hình khói ống trong quá khứ, nơi một nền tảng cần được xây dựng cho mỗi tình huống, mô hình lớn đã mang đến cho các tổ chức tài chính cơ hội lập kế hoạch hệ thống tổng thể một cách khoa học từ con số không.
Có thể thấy, hiện tại đã có nhiều tổ chức tài chính hàng đầu dựa trên mô hình lớn, xây dựng một khung hệ thống phân lớp bao gồm các lớp cơ sở hạ tầng, lớp mô hình, lớp dịch vụ mô hình lớn, lớp ứng dụng và nhiều lớp khác.
Các hệ thống khung này thường có hai đặc điểm lớn: thứ nhất, mô hình lớn phát huy khả năng trung tâm, gọi các mô hình truyền thống như là kỹ năng; thứ hai, lớp mô hình lớn áp dụng chiến lược đa mô hình, so sánh nội bộ, chọn ra hiệu quả tốt nhất.
Trên thực tế, không chỉ các tổ chức tài chính, trong bối cảnh hiện tại chưa được xác định, một số nhà cung cấp ứng dụng mô hình lớn cũng đang áp dụng chiến lược đa mô hình, ưu tiên hiệu quả dịch vụ. Một số chuyên gia tiết lộ, tầng mô hình nền tảng của họ đã tích hợp một lượng lớn mô hình ngôn ngữ lớn, sẽ dựa vào câu trả lời trả về từ mỗi mô hình lớn để lắp ráp và cung cấp cho người dùng.
Khoảng cách nhân tài vẫn còn rất lớn
Việc ứng dụng các mô hình lớn đã bắt đầu mang lại một số thách thức và biến đổi cho cấu trúc nhân sự của ngành tài chính.
Trước đó có tin tức cho biết, với sự xuất hiện của ChatGPT, một công ty công nghệ tài chính đã sa thải hơn 300 nhà phân tích dữ liệu lớn từ đầu năm đến cuối tháng 5 năm nay. Trong khi vài năm trước, đây vẫn là một nghề rất hot. Điều này từng gây ra lo lắng cho những người làm nghề, thậm chí họ đã bắt đầu xem xét lựa chọn nghề nghiệp cho thế hệ tiếp theo.
Các chuyên gia từ một ngân hàng cũng đã chia sẻ về hiệu ứng thay thế con người của mô hình lớn. Trước đây, ngân hàng này hàng sáng đều có thực tập sinh tổng hợp thông tin từ nhiều khía cạnh và gửi đến bộ phận nghiên cứu đầu tư, nhưng giờ đây, những công việc này có thể được thực hiện bởi mô hình lớn.
Tuy nhiên, một số ngân hàng thực sự không muốn các mô hình lớn dẫn đến việc giảm nhân viên. Chẳng hạn, một ngân hàng lớn có 200.000 nhân viên tại các điểm giao dịch đã rõ ràng tuyên bố rằng họ không muốn nhân viên bị thay thế bởi các mô hình lớn, mà họ hy vọng các mô hình lớn sẽ mang lại cơ hội mới, nâng cao chất lượng dịch vụ và hiệu suất làm việc của nhân viên, đồng thời cũng giải phóng một phần nhân viên để thực hiện nhiều công việc có giá trị cao hơn.
Trong đó không thiếu những cân nhắc về sự ổn định của nhân sự và cấu trúc. Nhưng mặt khác, cũng vì nhiều vị trí vẫn còn thiếu hụt nhân tài.
Có chuyên gia cho biết, các ngân hàng lớn còn nhiều công việc phải hoàn thành, một số yêu cầu về CNTT thậm chí đã được lên lịch đến cuối năm sau. Họ hy vọng rằng các mô hình lớn có thể giúp nhân viên hoàn thành nhiều công việc hơn, nâng cao hiệu quả và tốc độ, chứ không phải dẫn đến việc cắt giảm nhân sự.
Điều quan trọng hơn là sự phát triển nhanh chóng của các mô hình lớn khiến nguồn cung nhân tài khan hiếm trong một thời gian ngắn khó có thể đáp ứng được nhu cầu tăng vọt. Điều này giống như khi iPhone mới xuất hiện, mọi người muốn phát triển ứng dụng nhưng rất khó để tìm được lập trình viên iOS.
Tại một hội nghị công nghệ tài chính gần đây, một giám đốc ngân hàng đã tóm tắt 6 thách thức mà ngành tài chính hiện đang gặp phải khi áp dụng khả năng của mô hình lớn vào quy trình kinh doanh cốt lõi, trong đó một trong số đó là sự thiếu hụt nhân tài. Ông đã đề cập rằng trong số những nhân viên mới mà họ gần đây tuyển dụng, tỷ lệ học tập trong lĩnh vực AI là rất cao, nhưng số lượng nhân tài hiểu biết về mô hình lớn lại rất ít.
Có chuyên gia rất thấu hiểu điều này, gần đây họ nhận được một yêu cầu hỗ trợ nhân lực từ một khách hàng ngân hàng. Ngân hàng này do trong đội ngũ mô hình lớn tự xây dựng có người tạm nghỉ, công việc huấn luyện mô hình đang đối mặt với vấn đề thiếu nhân lực, buộc phải tạm thời tìm kiếm hỗ trợ bên ngoài.
"Hiện nay, nhân tài trong lĩnh vực này thực sự rất ít, cần một khoảng thời gian nhất định để đào tạo." Chuyên gia này cho rằng, nhu cầu nhân tài trực tiếp ứng dụng mô hình lớn tương đối đơn giản, chủ yếu cần những người biết đặt câu hỏi. Nhưng nếu muốn tự xây dựng mô hình lớn cho ngành hoặc doanh nghiệp, thì các tổ chức tài chính cần có một đội ngũ kỹ thuật mô hình lớn chuyên nghiệp.
Một chuyên gia khác cũng thừa nhận rằng thiếu hụt nhân tài trong lĩnh vực mô hình AI lớn là rất lớn, các tổ chức hàng đầu hiện đang tuyển dụng nhân tài liên quan đến chuyên môn AI, như tiến sĩ thuật toán, v.v. Điều này là do, mặc dù khách hàng tài chính có thể nhận được hỗ trợ kỹ thuật từ các nhà cung cấp mô hình lớn, nhưng họ cuối cùng vẫn là bên sử dụng và dẫn dắt đổi mới, cần tích lũy nhân tài nhất định để hỗ trợ xây dựng nền tảng AI lớn, lập kế hoạch cho các ứng dụng AI khác nhau, cũng như trong quá trình lập mô hình, điều chỉnh và tinh chỉnh, hợp tác với các nhà cung cấp mô hình lớn để thực hiện tích hợp tình huống, tích hợp mô hình và các tối ưu hóa khác, liên tục mở rộng phạm vi và hiệu quả ứng dụng mô hình AI.
Một số người tham gia đã hành động. Có một công ty đã hợp tác với đội ngũ nhân sự của một ngân hàng để rà soát các thực tiễn chuyển đổi nhân sự của mô hình lớn trong ứng dụng doanh nghiệp, thiết kế một loạt các khóa đào tạo.
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
Ứng dụng mô hình lớn trong ngành tài chính: từ lo âu đến lý tính, Khả năng tính toán và nhân tài trở thành yếu tố then chốt
Ứng dụng của mô hình trí tuệ nhân tạo lớn trong ngành tài chính: từ sự nhiệt tình tăng lên đến sự trở lại lý trí
Kể từ khi ChatGPT ra đời, nó đã nhanh chóng gây ra cảm giác lo lắng trong ngành tài chính. Ngành công nghiệp này, vốn có niềm tin vào công nghệ, sợ bị một thời đại đang lao đi bỏ lại phía sau. Bầu không khí lo âu này thậm chí đã từng lan rộng đến những ngôi chùa yên tĩnh. Một người trong ngành cho biết, khi cô ấy đi công tác ở Đại Lý vào tháng 5, cô ấy đã gặp những người làm trong lĩnh vực tài chính nói chuyện về mô hình lớn ngay tại chùa.
Tuy nhiên, sự lo lắng này đang dần trở nên bình thường, và suy nghĩ của mọi người cũng bắt đầu trở nên rõ ràng và lý trí. Một số chuyên gia đã mô tả những giai đoạn thái độ của ngành tài chính đối với mô hình lớn trong năm nay: Tháng 2 và tháng 3, cảm thấy lo lắng chung, lo sợ bị tụt lại; Tháng 4 và tháng 5, họ bắt đầu thành lập các đội nhóm để triển khai công việc; Những tháng tiếp theo, gặp khó khăn trong việc tìm kiếm hướng đi và thực hiện, bắt đầu trở nên lý trí; Hiện tại, họ chú ý đến các doanh nghiệp điển hình, cố gắng xác minh các tình huống đã được thử nghiệm.
Một xu hướng mới là, nhiều tổ chức tài chính đã nâng mô hình lớn lên cấp độ chiến lược. Theo thống kê không đầy đủ, trong số các công ty niêm yết A-shares, ít nhất có 11 ngân hàng trong báo cáo nửa năm gần đây đã rõ ràng đề cập đến việc đang khám phá ứng dụng của mô hình lớn. Từ các hành động gần đây, họ cũng đang thực hiện suy nghĩ và lập kế hoạch con đường rõ ràng hơn từ cấp độ chiến lược và thiết kế cấp cao.
Từ sự nhiệt tình tăng lên đến sự trở lại lý trí
"So với vài tháng trước, bây giờ có thể cảm nhận rõ ràng rằng khách hàng tài chính đã hiểu biết nhiều hơn về mô hình lớn." Một chuyên gia dày dạn kinh nghiệm cho biết, vào đầu năm khi ChatGPT vừa ra mắt, mặc dù mọi người rất nhiệt tình, nhưng thực sự hiểu biết về mô hình lớn là rất hạn chế.
Trong giai đoạn này, một số ngân hàng lớn đã tiên phong hành động, bắt đầu thực hiện các chương trình quảng cáo "hấp thụ nhiệt" khác nhau. Chẳng hạn, vào tháng 3 năm nay, một ngân hàng đã ra mắt ứng dụng mô hình lớn tương tự như ChatGPT. Nhưng đánh giá trong ngành rất khác nhau. Lúc đó, có người cho rằng, tên sản phẩm này nhấn mạnh vào phần Chat không quan trọng trong ChatGPT, mà lại bỏ qua phần GPT thực sự quan trọng.
Trong khi đó, khi nhiều công ty công nghệ trong nước lần lượt phát hành các mô hình lớn, một số phòng công nghệ của các tổ chức tài chính hàng đầu bắt đầu tích cực thương thảo với các công ty lớn về việc xây dựng mô hình lớn. Những tổ chức tài chính này đều mong muốn tự mình xây dựng mô hình lớn, cần nhà cung cấp hướng dẫn về việc sản xuất tập dữ liệu, mua sắm máy chủ và các phương pháp huấn luyện, v.v. Một số công ty công nghệ tài chính thậm chí còn đề xuất, sau khi hoàn thành có thể xuất khẩu cho các đối thủ trong ngành.
Sau tháng 5, tình hình dần dần thay đổi. Bị ảnh hưởng bởi sự thiếu hụt tài nguyên tính toán và chi phí cao, nhiều tổ chức tài chính bắt đầu chuyển từ việc đơn thuần muốn tự xây dựng sức mạnh tính toán và mô hình sang việc chú trọng hơn vào giá trị ứng dụng. "Hiện nay, mỗi tổ chức tài chính đều quan tâm đến việc các tổ chức khác đã làm gì với mô hình lớn và đạt được hiệu quả như thế nào."
Cụ thể đối với các doanh nghiệp có quy mô khác nhau, cũng được chia thành hai con đường. Các tổ chức tài chính lớn sở hữu dữ liệu tài chính khổng lồ và nhiều ứng dụng có thể đưa vào các mô hình lớn tiên tiến, tự xây dựng mô hình lớn doanh nghiệp, đồng thời áp dụng hình thức tinh chỉnh, hình thành mô hình lớn nhiệm vụ trong lĩnh vực chuyên môn, nhanh chóng nâng cao năng lực kinh doanh, nhằm bù đắp cho nhược điểm của chu kỳ xây dựng mô hình lớn quá dài. Trong khi đó, các tổ chức tài chính vừa và nhỏ có thể cân nhắc tổng thể về lợi nhuận đầu tư, theo nhu cầu đưa vào các dịch vụ đám mây của các mô hình lớn hoặc triển khai riêng tư, trực tiếp đáp ứng nhu cầu nâng cao năng lực.
Tuy nhiên, do yêu cầu cao về tính tuân thủ, an toàn và độ tin cậy của dữ liệu trong ngành tài chính, một số người cho rằng, tiến trình triển khai mô hình lớn trong ngành này thực tế chậm hơn so với dự đoán ban đầu vào đầu năm. Các chuyên gia cho biết, họ đã dự đoán ban đầu rằng ngành tài chính có thể sẽ là ngành đầu tiên sử dụng quy mô lớn các mô hình lớn, nhưng từ tình hình kết nối với khách hàng cuối cùng, ngành tài chính không tiến triển nhanh bằng các ngành như luật pháp, tuyển dụng.
Một số tổ chức tài chính đã bắt đầu tìm cách giải quyết các hạn chế khác nhau trong quá trình triển khai mô hình lớn.
Trong lĩnh vực sức mạnh tính toán, những người trong ngành đã quan sát thấy một vài hướng giải quyết:
Đầu tiên, xây dựng sức mạnh tính toán tự trực tiếp, chi phí cao hơn, nhưng độ an toàn đủ. Phù hợp với các tổ chức tài chính lớn có sức mạnh mạnh mẽ, mong muốn tự xây dựng mô hình lớn cho ngành hoặc doanh nghiệp.
Thứ hai, triển khai hỗn hợp sức mạnh tính toán, trong trường hợp dữ liệu nhạy cảm không rời khỏi miền, chấp nhận việc gọi giao diện dịch vụ mô hình lớn từ đám mây công cộng, đồng thời xử lý dữ liệu địa phương thông qua triển khai riêng. Cách này có chi phí thấp, chỉ cần đầu tư vài trăm triệu để mua vài thẻ tính toán là đủ đáp ứng nhu cầu, phù hợp với các tổ chức tài chính vừa và nhỏ có nguồn vốn tương đối hạn chế và ứng dụng theo nhu cầu.
Tuy nhiên, bất chấp điều đó, nhiều tổ chức nhỏ và vừa vẫn đang gặp khó khăn trong việc mua hoặc không đủ khả năng chi trả cho các GPU cần thiết cho mô hình lớn. Đối với vấn đề này, có thông tin cho biết các cơ quan quản lý đang nghiên cứu xem liệu có thể xây dựng một cơ sở hạ tầng mô hình lớn hướng tới ngành chứng khoán theo cách thỏa hiệp, tập trung sức mạnh tính toán và các tài nguyên mô hình lớn chung, để các tổ chức tài chính nhỏ và vừa trong ngành cũng có thể sử dụng dịch vụ mô hình lớn, ngăn chặn việc họ bị tụt lại về mặt công nghệ.
Không chỉ là sức mạnh tính toán, trong nửa năm qua với việc khám phá ứng dụng mô hình lớn, nhiều tổ chức tài chính cũng dần tăng cường quản trị dữ liệu.
Có chuyên gia cho biết, hiện nay ngoài các ngân hàng lớn đã có thực hành trưởng thành trong lĩnh vực quản trị dữ liệu, ngày càng nhiều tổ chức tài chính vừa và nhỏ cũng bắt đầu xây dựng nền tảng dữ liệu và hệ thống quản trị dữ liệu. Ông cho rằng, việc xây dựng một hệ thống quản trị dữ liệu hoàn thiện và nền tảng công nghệ hồ dữ liệu sẽ là chủ đề quan trọng trong xây dựng CNTT của các tổ chức tài chính trong tương lai.
Cũng có ngân hàng đang giải quyết vấn đề dữ liệu thông qua mô hình lớn + MLOps. Ví dụ, một ngân hàng đã áp dụng mô hình MLOps để xây dựng hệ thống vòng khép kín dữ liệu mô hình lớn, thực hiện tự động hóa toàn bộ quy trình, cũng như quản lý thống nhất và xử lý hiệu quả dữ liệu đa nguồn và dị thể. Theo thông tin, hiện đã xây dựng và lưu trữ 2.6TB tập dữ liệu huấn luyện chất lượng cao.
Từ cảnh ngoại vi vào
Trong hơn nửa năm qua, cả các nhà cung cấp dịch vụ mô hình lớn lẫn các tổ chức tài chính đều đang tích cực tìm kiếm các ứng dụng. Các lĩnh vực như văn phòng thông minh, phát triển thông minh, tiếp thị thông minh, dịch vụ khách hàng thông minh, nghiên cứu đầu tư thông minh, kiểm soát rủi ro thông minh, phân tích nhu cầu đang được khám phá rộng rãi.
Như một giám đốc điều hành của một công ty công nghệ tài chính đã nói, "Mỗi chức năng quan trọng trong chuỗi dịch vụ tài chính đều xứng đáng được làm lại bằng công nghệ mô hình lớn." Công ty này gần đây đã phát hành mô hình lớn tài chính và cùng với các tổ chức hợp tác tiến hành thử nghiệm nội bộ để xây dựng sản phẩm mô hình lớn hướng tới ngành tài chính, mục tiêu là tạo ra một trợ lý AI toàn chuỗi cho các chuyên gia tài chính như nhân viên tư vấn tài chính, đại lý bảo hiểm, nghiên cứu đầu tư, tiếp thị tài chính và bồi thường bảo hiểm.
Các tổ chức tài chính đều có những ý tưởng phong phú về mô hình lớn. Một ngân hàng cho biết đã có hơn 20 kịch bản ứng dụng nội bộ, một ngân hàng khác cho biết họ đã thử nghiệm ở hơn 30 kịch bản, trong khi một công ty chứng khoán đang khám phá việc kết nối mô hình lớn với nền tảng người số ảo mà họ đã ra mắt trước đó.
Nhưng khi thực sự triển khai mô hình lớn vào kinh doanh, có sự đồng thuận chung là trước tiên nội bộ rồi sau đó mới đến bên ngoài. Dù sao, ở giai đoạn hiện tại, công nghệ mô hình lớn vẫn chưa trưởng thành, chẳng hạn như vấn đề ảo giác, trong khi ngành tài chính lại là một ngành có sự quản lý chặt chẽ, an toàn cao và đáng tin cậy.
Có chuyên gia cho rằng, trong ngắn hạn không nên sử dụng mô hình lớn trực tiếp cho khách hàng. Các tổ chức tài chính nên ưu tiên sử dụng mô hình lớn cho các tình huống phân tích và hiểu biết sáng tạo văn bản và hình ảnh tài chính, để thực hiện hợp tác giữa con người và máy móc dưới dạng trợ lý, nâng cao hiệu quả làm việc của nhân viên.
Hiện tại, trợ lý mã đã được triển khai tại không ít tổ chức tài chính. Chẳng hạn, một ngân hàng đã xây dựng hệ thống phát triển thông minh dựa trên mô hình lớn, tỷ lệ mã do trợ lý mã sinh ra chiếm 40% tổng mã. Trong lĩnh vực bảo hiểm, một công ty bảo hiểm đã phát triển plugin hỗ trợ lập trình dựa trên mô hình lớn, được nhúng trực tiếp vào công cụ phát triển nội bộ.
Lĩnh vực văn phòng thông minh cũng có nhiều trường hợp áp dụng thực tế. Có chuyên gia giới thiệu, họ dựa trên mô hình lớn tài chính để phát triển hệ thống hỏi đáp điểm giao dịch, sau khi triển khai tại một ngân hàng đã được mở rộng đến hàng trăm điểm giao dịch, tỷ lệ câu trả lời được chấp nhận vượt quá 85%. Hiện tại, giải pháp này đã nhanh chóng được sao chép sang các ngân hàng và tổ chức tài chính khác.
Tuy nhiên, các chuyên gia trong ngành đánh giá rằng, những tình huống đã được áp dụng rộng rãi này thực tế vẫn chưa phải là ứng dụng cốt lõi của các tổ chức tài chính, và mô hình lớn vẫn còn một khoảng cách nhất định để đi vào các lĩnh vực kinh doanh sâu hơn của ngành tài chính.
Có chuyên gia dự đoán, đến cuối năm nay, sẽ có một loạt thông tin xây dựng hoặc đấu thầu dự án thực sự sử dụng mô hình lớn trong các tình huống kinh doanh cốt lõi của các tổ chức tài chính.
Trước đó, một số thay đổi ở cấp thiết kế hàng đầu đang được thực hiện. Một số học giả phán đoán rằng, toàn bộ hệ thống thông minh và số hóa trong tương lai sẽ được xây dựng lại trên nền tảng của các mô hình lớn. Điều này yêu cầu ngành tài chính phải tái cấu trúc hệ thống trong quá trình thúc đẩy triển khai các mô hình lớn. Đồng thời, cũng không thể bỏ qua giá trị của các mô hình nhỏ truyền thống, mà nên để các mô hình lớn và nhỏ phối hợp với nhau.
Xu hướng này đã được thể hiện rộng rãi trong ngành tài chính. Hiện tại, các tổ chức tài chính đang thử nghiệm mô hình lớn, chủ yếu áp dụng mô hình phân tầng. Khác với mô hình khói ống trong quá khứ, nơi một nền tảng cần được xây dựng cho mỗi tình huống, mô hình lớn đã mang đến cho các tổ chức tài chính cơ hội lập kế hoạch hệ thống tổng thể một cách khoa học từ con số không.
Có thể thấy, hiện tại đã có nhiều tổ chức tài chính hàng đầu dựa trên mô hình lớn, xây dựng một khung hệ thống phân lớp bao gồm các lớp cơ sở hạ tầng, lớp mô hình, lớp dịch vụ mô hình lớn, lớp ứng dụng và nhiều lớp khác.
Các hệ thống khung này thường có hai đặc điểm lớn: thứ nhất, mô hình lớn phát huy khả năng trung tâm, gọi các mô hình truyền thống như là kỹ năng; thứ hai, lớp mô hình lớn áp dụng chiến lược đa mô hình, so sánh nội bộ, chọn ra hiệu quả tốt nhất.
Trên thực tế, không chỉ các tổ chức tài chính, trong bối cảnh hiện tại chưa được xác định, một số nhà cung cấp ứng dụng mô hình lớn cũng đang áp dụng chiến lược đa mô hình, ưu tiên hiệu quả dịch vụ. Một số chuyên gia tiết lộ, tầng mô hình nền tảng của họ đã tích hợp một lượng lớn mô hình ngôn ngữ lớn, sẽ dựa vào câu trả lời trả về từ mỗi mô hình lớn để lắp ráp và cung cấp cho người dùng.
Khoảng cách nhân tài vẫn còn rất lớn
Việc ứng dụng các mô hình lớn đã bắt đầu mang lại một số thách thức và biến đổi cho cấu trúc nhân sự của ngành tài chính.
Trước đó có tin tức cho biết, với sự xuất hiện của ChatGPT, một công ty công nghệ tài chính đã sa thải hơn 300 nhà phân tích dữ liệu lớn từ đầu năm đến cuối tháng 5 năm nay. Trong khi vài năm trước, đây vẫn là một nghề rất hot. Điều này từng gây ra lo lắng cho những người làm nghề, thậm chí họ đã bắt đầu xem xét lựa chọn nghề nghiệp cho thế hệ tiếp theo.
Các chuyên gia từ một ngân hàng cũng đã chia sẻ về hiệu ứng thay thế con người của mô hình lớn. Trước đây, ngân hàng này hàng sáng đều có thực tập sinh tổng hợp thông tin từ nhiều khía cạnh và gửi đến bộ phận nghiên cứu đầu tư, nhưng giờ đây, những công việc này có thể được thực hiện bởi mô hình lớn.
Tuy nhiên, một số ngân hàng thực sự không muốn các mô hình lớn dẫn đến việc giảm nhân viên. Chẳng hạn, một ngân hàng lớn có 200.000 nhân viên tại các điểm giao dịch đã rõ ràng tuyên bố rằng họ không muốn nhân viên bị thay thế bởi các mô hình lớn, mà họ hy vọng các mô hình lớn sẽ mang lại cơ hội mới, nâng cao chất lượng dịch vụ và hiệu suất làm việc của nhân viên, đồng thời cũng giải phóng một phần nhân viên để thực hiện nhiều công việc có giá trị cao hơn.
Trong đó không thiếu những cân nhắc về sự ổn định của nhân sự và cấu trúc. Nhưng mặt khác, cũng vì nhiều vị trí vẫn còn thiếu hụt nhân tài.
Có chuyên gia cho biết, các ngân hàng lớn còn nhiều công việc phải hoàn thành, một số yêu cầu về CNTT thậm chí đã được lên lịch đến cuối năm sau. Họ hy vọng rằng các mô hình lớn có thể giúp nhân viên hoàn thành nhiều công việc hơn, nâng cao hiệu quả và tốc độ, chứ không phải dẫn đến việc cắt giảm nhân sự.
Điều quan trọng hơn là sự phát triển nhanh chóng của các mô hình lớn khiến nguồn cung nhân tài khan hiếm trong một thời gian ngắn khó có thể đáp ứng được nhu cầu tăng vọt. Điều này giống như khi iPhone mới xuất hiện, mọi người muốn phát triển ứng dụng nhưng rất khó để tìm được lập trình viên iOS.
Tại một hội nghị công nghệ tài chính gần đây, một giám đốc ngân hàng đã tóm tắt 6 thách thức mà ngành tài chính hiện đang gặp phải khi áp dụng khả năng của mô hình lớn vào quy trình kinh doanh cốt lõi, trong đó một trong số đó là sự thiếu hụt nhân tài. Ông đã đề cập rằng trong số những nhân viên mới mà họ gần đây tuyển dụng, tỷ lệ học tập trong lĩnh vực AI là rất cao, nhưng số lượng nhân tài hiểu biết về mô hình lớn lại rất ít.
Có chuyên gia rất thấu hiểu điều này, gần đây họ nhận được một yêu cầu hỗ trợ nhân lực từ một khách hàng ngân hàng. Ngân hàng này do trong đội ngũ mô hình lớn tự xây dựng có người tạm nghỉ, công việc huấn luyện mô hình đang đối mặt với vấn đề thiếu nhân lực, buộc phải tạm thời tìm kiếm hỗ trợ bên ngoài.
"Hiện nay, nhân tài trong lĩnh vực này thực sự rất ít, cần một khoảng thời gian nhất định để đào tạo." Chuyên gia này cho rằng, nhu cầu nhân tài trực tiếp ứng dụng mô hình lớn tương đối đơn giản, chủ yếu cần những người biết đặt câu hỏi. Nhưng nếu muốn tự xây dựng mô hình lớn cho ngành hoặc doanh nghiệp, thì các tổ chức tài chính cần có một đội ngũ kỹ thuật mô hình lớn chuyên nghiệp.
Một chuyên gia khác cũng thừa nhận rằng thiếu hụt nhân tài trong lĩnh vực mô hình AI lớn là rất lớn, các tổ chức hàng đầu hiện đang tuyển dụng nhân tài liên quan đến chuyên môn AI, như tiến sĩ thuật toán, v.v. Điều này là do, mặc dù khách hàng tài chính có thể nhận được hỗ trợ kỹ thuật từ các nhà cung cấp mô hình lớn, nhưng họ cuối cùng vẫn là bên sử dụng và dẫn dắt đổi mới, cần tích lũy nhân tài nhất định để hỗ trợ xây dựng nền tảng AI lớn, lập kế hoạch cho các ứng dụng AI khác nhau, cũng như trong quá trình lập mô hình, điều chỉnh và tinh chỉnh, hợp tác với các nhà cung cấp mô hình lớn để thực hiện tích hợp tình huống, tích hợp mô hình và các tối ưu hóa khác, liên tục mở rộng phạm vi và hiệu quả ứng dụng mô hình AI.
Một số người tham gia đã hành động. Có một công ty đã hợp tác với đội ngũ nhân sự của một ngân hàng để rà soát các thực tiễn chuyển đổi nhân sự của mô hình lớn trong ứng dụng doanh nghiệp, thiết kế một loạt các khóa đào tạo.