Exploración de la transformación de la industria financiera bajo la aplicación de grandes modelos

Desde la aparición de ChatGPT, la industria financiera ha experimentado una fuerte sensación de ansiedad. Este sector, lleno de fe en la tecnología, teme quedarse atrás en la rápida corriente de desarrollo. Esta ansiedad incluso se ha extendido a los templos tranquilos. Un profesional del sector reveló que, durante un viaje de trabajo a Dali en mayo, pudo encontrar en un templo a otros profesionales financieros discutiendo sobre grandes modelos.

Sin embargo, esta ansiedad está volviendo gradualmente a la racionalidad y las ideas se están volviendo más claras. El CTO de servicios bancarios de Softline describió varias etapas de la actitud de la industria financiera hacia los grandes modelos: en febrero-marzo, ansiedad generalizada; en abril-mayo, se formaron equipos; en los meses siguientes, encontraron dificultades en el proceso de implementación, volviéndose racionales; ahora, comienzan a enfocarse en los puntos de referencia y a intentar validar escenarios comprobados.

Una nueva tendencia es que muchas instituciones financieras han comenzado a valorar los grandes modelos desde una perspectiva estratégica. Según estadísticas incompletas, al menos 11 bancos en las empresas que cotizan en A-shares han mencionado explícitamente en sus informes semestrales más recientes que están explorando la aplicación de grandes modelos. A partir de las acciones recientes, están llevando a cabo una reflexión y planificación de caminos más clara desde el nivel estratégico y de diseño superior.

De la pasión desbordante al regreso a la razón

A principios de año, cuando ChatGPT apareció, la comprensión de los clientes financieros sobre los grandes modelos aún era muy limitada. Aunque había un gran entusiasmo, no sabían exactamente cómo utilizarlos. Algunos grandes bancos tomaron la delantera y comenzaron a hacer diversas promociones para "aprovechar la tendencia". Al mismo tiempo, los departamentos de tecnología de algunas instituciones financieras líderes estaban activos en la discusión sobre la construcción de grandes modelos con grandes empresas. En general, esperaban construir sus propios grandes modelos y planteaban preguntas sobre la creación de conjuntos de datos, la compra de servidores, métodos de entrenamiento, etc.

Después de mayo, la situación comenzó a cambiar gradualmente. Debido a la escasez de recursos de potencia de cálculo, los altos costos y otros factores, muchas instituciones financieras comenzaron a pasar de la mera esperanza de construir sus propios modelos a enfocarse más en el valor de aplicación. Actualmente, cada institución financiera está prestando atención a la situación y los resultados del uso de grandes modelos por otras instituciones.

En concreto, las grandes instituciones financieras pueden introducir modelos de base de vanguardia en la industria, construir modelos empresariales propios y, al mismo tiempo, adoptar un enfoque de ajuste fino para crear modelos de tareas en campos profesionales, lo que permite una rápida potenciación de los negocios. Las pequeñas y medianas instituciones financieras pueden, según sus necesidades, utilizar APIs de modelos grandes en la nube pública o servicios de implementación privada, para satisfacer directamente las demandas de potenciación.

Debido a que la industria financiera tiene altos requisitos de conformidad de datos, seguridad y confiabilidad, algunas personas consideran que el avance en la implementación de grandes modelos en este sector ha sido ligeramente más lento de lo esperado a principios de año. Algunas instituciones financieras ya han comenzado a buscar soluciones, como en el área de poder de cálculo, donde hay varias ideas:

1. Construir directamente la potencia de cálculo, el costo es alto pero la seguridad es buena, adecuado para grandes instituciones financieras que desean construir modelos grandes para la industria o la empresa.

2. Implementación de mezcla de potencia de cálculo, aceptando la llamada a la interfaz de servicio de modelos grandes desde la nube pública sin que los datos sensibles salgan del dominio, mientras se procesa el servicio de datos local a través de una implementación privada. Este enfoque tiene un costo relativamente bajo y es adecuado para instituciones financieras pequeñas y medianas que lo utilizan según demanda.

Para abordar el problema de que las pequeñas y medianas instituciones tienen dificultades para obtener o costear tarjetas GPU, las autoridades están explorando la construcción de una infraestructura de modelos grandes orientada al sector de valores, concentrando recursos como potencia de cálculo y modelos grandes generales, para que las pequeñas y medianas instituciones financieras también puedan utilizar los servicios de modelos grandes.

En cuanto a la gobernanza de datos, un número creciente de instituciones financieras intermedias también ha comenzado a construir plataformas de datos y sistemas de gobernanza de datos. Algunos bancos están resolviendo problemas de datos mediante el enfoque de modelo grande + MLOps, logrando una gestión unificada y un procesamiento eficiente de datos heterogéneos de múltiples fuentes.

Desde la escena periférica

Durante más de medio año, los proveedores de servicios de modelos grandes y las instituciones financieras han estado buscando escenarios aplicables, incluyendo oficina inteligente, desarrollo inteligente, marketing inteligente, servicio al cliente inteligente, investigación y análisis de inversiones inteligentes, control de riesgos inteligente, análisis de demanda, etc.

Cada institución financiera tiene ricas ideas sobre los grandes modelos. Sin embargo, al implementarlos, generalmente adoptan una estrategia de primero interno y luego externo. Esto se debe a que la tecnología de grandes modelos aún no está madura y la industria financiera tiene altas demandas de regulación, seguridad y confiabilidad.

Actualmente, escenarios como el asistente de código y la oficina inteligente ya se han implementado en varias instituciones financieras. Sin embargo, los expertos de la industria consideran que estos escenarios ampliamente implementados aún no son aplicaciones centrales para las instituciones financieras, y que los modelos grandes aún tienen un cierto camino por recorrer para integrarse profundamente en la capa de negocios de la industria financiera.

Se están llevando a cabo algunos cambios en el diseño de alto nivel. Los sistemas inteligentes y digitalizados del futuro se basarán en modelos grandes, lo que requiere que la industria financiera reestructure sus sistemas durante el proceso de implementación de modelos grandes, al tiempo que permite que los modelos grandes y los modelos pequeños tradicionales colaboren.

Actualmente, varias instituciones financieras líderes han construido un marco de sistema jerárquico que incluye múltiples niveles, como la capa de infraestructura, la capa de modelos, la capa de servicios de modelos grandes y la capa de aplicaciones, basado en modelos grandes. Estos marcos tienen dos características principales: primero, los modelos grandes desempeñan una capacidad central, utilizando modelos tradicionales como habilidades de invocación; segundo, la capa de modelos grandes adopta una estrategia de múltiples modelos, eligiendo el mejor rendimiento a través de una competencia interna.

La brecha de talento sigue siendo enorme

La aplicación de grandes modelos ya ha comenzado a plantear algunos desafíos y transformaciones en la estructura del personal de la industria financiera. Algunos puestos enfrentan el riesgo de ser reemplazados, pero también hay bancos que esperan que los grandes modelos puedan traer nuevas oportunidades, mejorar la calidad del servicio y la eficiencia laboral de los empleados, al mismo tiempo que liberan a parte del personal para realizar trabajos de mayor valor.

Lo más importante es que la oferta de talento en modelos grandes es difícil de igualar con la creciente demanda. Las instituciones financieras enfrentan el desafío de la escasez de talento al aplicar las capacidades de modelos grandes a los procesos comerciales centrales. La demanda de talento para aplicar directamente modelos grandes es relativamente simple, pero si se desea construir un modelo grande específico para la industria o la empresa, se necesita un equipo técnico especializado en modelos grandes.

Algunas instituciones han tomado medidas, como diseñar conjuntamente programas de formación y establecer grupos de proyectos conjuntos, para mejorar las capacidades del personal empresarial. En este proceso, la estructura del personal de las instituciones financieras también experimentará ajustes y cambios, lo que facilitará la retención de desarrolladores de grandes modelos.