# 大規模モデルの適用による金融業の変革探求ChatGPTの登場以来、金融業界には強い不安感が生じています。この技術に対する信仰に満ちた業界は、急速に進化する時代の波に取り残されることを恐れています。この不安感は静かな寺院にまで広がっています。業界関係者の一人は、5月に大理で出張中に寺院で大規模モデルについて話し合う金融業者に出会ったと明かしました。しかし、この不安は徐々に理性的に戻り、考え方もより明確になってきています。ソフトウェアパワーの銀行業務CTOは、金融業界の大規模モデルに対する態度のいくつかの段階を説明しました: 2月から3月は、一般的な不安; 4月から5月は、チームを結成する動き; その後の数ヶ月間は、実現の過程で困難に直面し、理性的になっていく; 現在は、ベンチマークに注目し、検証済みのシナリオを試みています。新しいトレンドは、多くの金融機関が戦略的な観点から大規模モデルを重視していることです。未完全な統計によれば、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適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、彼らは戦略的な観点とトップレベルの設計の観点から、より明確な思考とパスプランニングを行っています。## 熱意の高まりから理性の回帰へ年初にChatGPTが登場した際、金融顧客の大規模モデルに対する理解はまだ限られていましたが、熱意は高かったものの、具体的にどのように利用すればよいのかは明確ではありませんでした。一部の大手銀行は先手を打ち、様々な「熱に乗じた」宣伝を始めました。同時に、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議論を行いました。彼らは一般的に自社で大規模モデルを構築することを希望し、データセットの作成、サーバーの購入、トレーニング方法などについて質問しました。5月以降、状況は徐々に変化しました。計算力リソースの不足やコストの高騰などの要因により、多くの金融機関は単に自社で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注目するようになりました。現在、各金融機関は他の機関が大規模モデルを使用している状況やその効果に注目しています。具体的には、大手金融機関は業界をリードする基盤モデルを導入し、企業向けの大モデルを自ら構築することができ、さらに微調整を行うことで専門分野のタスクモデルを形成し、迅速にビジネスに力を与えることができます。一方、中小金融機関は必要に応じてさまざまな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、直接的に力を与えるニーズを満たすことができます。金融業界はデータのコンプライアンス、安全性、信頼性などの要件が高いため、一部の人々はこの業界の大規模モデルの実装が年初の予想よりも実際にはやや遅れていると考えています。一部の金融機関は、計算能力の面でいくつかのアプローチを探し始めています。1. 直接に計算力を構築することはコストが高いが、安全性が良好であり、業界または企業の大規模モデルを自ら構築したい大規模金融機関に適している。2. 計算力のハイブリッドデプロイメント。センシティブな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大規模モデルサービスの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サービスを処理します。この方法は相対的にコストが低く、オンデマンドで利用する中小型金融機関に適しています。中小機関がGPUカードを取得したり負担したりすることが難しい問題に対して、関係当局は証券業界向けの大規模モデル基盤インフラを構築することを検討しており、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、中小金融機関も大規模モデルサービスを利用できるようにしています。データガバナンスの面で、ますます多くの中堅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体系を構築し始めています。一部の銀行は、大規模モデル+MLOpsの方法を通じてデータ問題を解決し、多様なソースからの異種データの統一管理と効率的な処理を実現しています。## 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プロバイダーと金融機関は、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、需要分析などの適用シーンを探しています。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。しかし、実際に導入する際には、一般的に内部から外部へと段階的に進める戦略を採用しています。現在、大規模モデルの技術はまだ成熟しておらず、金融業界は規制、安全性、信頼性に対する要求が非常に高いためです。現在、コードアシスタントやスマートオフィスなどのシーンは、多くの金融機関で実現されています。しかし、業界関係者は、これらの広く実現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業務レベルに深く入るにはまだ一定の距離があると判断しています。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。未来のインテリジェントでデジタル化されたシステムは、大規模モデルの基盤の上に構築されることになります。これには、金融業界が大規模モデルの実装を進める過程でシステムを再構築することが求められ、さらに大規模モデルと従来の小規模モデルが協力することも必要です。現在、多くの主要な金融機関が、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、複数のレベルを含む階層システムフレームワークを大規模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には一般的に2つの大きな特徴があります。1つは、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、大規模モデル層が多モデル戦略を採用し、内部競争によって最適な効果を選出することです。## 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。一部の職務は代替されるリスクに直面していますが、また一方で、銀行は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、同時に一部の従業員がより高い価値のある仕事をすることを解放することを期待しています。さらに重要なのは、大規模モデルの人材供給が急増する需要に追いつかないということです。金融機関は、大規模モデルの能力をコアビジネスプロセスに適用する際に、人材不足の課題に直面しています。大規模モデルを直接適用する人材の需要は比較的シンプルですが、業界や企業の大規模モデルを自社で構築する場合は、専門的な縦型大規模モデル技術チームが必要です。いくつかの機関が行動を起こし、共同でトレーニングコースを設計したり、共同プロジェクトチームを設立したりして、企業の人材能力を向上させています。このプロセスの中で、金融機関の人員構成も調整と変革を迎え、大規模モデルの開発者がより容易に留まることができるようになるでしょう。
大規模モデルが金融業の変革を引き起こす アプリケーションシーンと人材の課題を探る
大規模モデルの適用による金融業の変革探求
ChatGPTの登場以来、金融業界には強い不安感が生じています。この技術に対する信仰に満ちた業界は、急速に進化する時代の波に取り残されることを恐れています。この不安感は静かな寺院にまで広がっています。業界関係者の一人は、5月に大理で出張中に寺院で大規模モデルについて話し合う金融業者に出会ったと明かしました。
しかし、この不安は徐々に理性的に戻り、考え方もより明確になってきています。ソフトウェアパワーの銀行業務CTOは、金融業界の大規模モデルに対する態度のいくつかの段階を説明しました: 2月から3月は、一般的な不安; 4月から5月は、チームを結成する動き; その後の数ヶ月間は、実現の過程で困難に直面し、理性的になっていく; 現在は、ベンチマークに注目し、検証済みのシナリオを試みています。
新しいトレンドは、多くの金融機関が戦略的な観点から大規模モデルを重視していることです。未完全な統計によれば、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適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、彼らは戦略的な観点とトップレベルの設計の観点から、より明確な思考とパスプランニングを行っています。
熱意の高まりから理性の回帰へ
年初にChatGPTが登場した際、金融顧客の大規模モデルに対する理解はまだ限られていましたが、熱意は高かったものの、具体的にどのように利用すればよいのかは明確ではありませんでした。一部の大手銀行は先手を打ち、様々な「熱に乗じた」宣伝を始めました。同時に、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議論を行いました。彼らは一般的に自社で大規模モデルを構築することを希望し、データセットの作成、サーバーの購入、トレーニング方法などについて質問しました。
5月以降、状況は徐々に変化しました。計算力リソースの不足やコストの高騰などの要因により、多くの金融機関は単に自社で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注目するようになりました。現在、各金融機関は他の機関が大規模モデルを使用している状況やその効果に注目しています。
具体的には、大手金融機関は業界をリードする基盤モデルを導入し、企業向けの大モデルを自ら構築することができ、さらに微調整を行うことで専門分野のタスクモデルを形成し、迅速にビジネスに力を与えることができます。一方、中小金融機関は必要に応じてさまざまな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、直接的に力を与えるニーズを満たすことができます。
金融業界はデータのコンプライアンス、安全性、信頼性などの要件が高いため、一部の人々はこの業界の大規模モデルの実装が年初の予想よりも実際にはやや遅れていると考えています。一部の金融機関は、計算能力の面でいくつかのアプローチを探し始めています。
直接に計算力を構築することはコストが高いが、安全性が良好であり、業界または企業の大規模モデルを自ら構築したい大規模金融機関に適している。
計算力のハイブリッドデプロイメント。センシティブな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大規模モデルサービスの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サービスを処理します。この方法は相対的にコストが低く、オンデマンドで利用する中小型金融機関に適しています。
中小機関がGPUカードを取得したり負担したりすることが難しい問題に対して、関係当局は証券業界向けの大規模モデル基盤インフラを構築することを検討しており、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、中小金融機関も大規模モデルサービスを利用できるようにしています。
データガバナンスの面で、ますます多くの中堅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体系を構築し始めています。一部の銀行は、大規模モデル+MLOpsの方法を通じてデータ問題を解決し、多様なソースからの異種データの統一管理と効率的な処理を実現しています。
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プロバイダーと金融機関は、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、需要分析などの適用シーンを探しています。
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。しかし、実際に導入する際には、一般的に内部から外部へと段階的に進める戦略を採用しています。現在、大規模モデルの技術はまだ成熟しておらず、金融業界は規制、安全性、信頼性に対する要求が非常に高いためです。
現在、コードアシスタントやスマートオフィスなどのシーンは、多くの金融機関で実現されています。しかし、業界関係者は、これらの広く実現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業務レベルに深く入るにはまだ一定の距離があると判断しています。
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。未来のインテリジェントでデジタル化されたシステムは、大規模モデルの基盤の上に構築されることになります。これには、金融業界が大規模モデルの実装を進める過程でシステムを再構築することが求められ、さらに大規模モデルと従来の小規模モデルが協力することも必要です。
現在、多くの主要な金融機関が、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、複数のレベルを含む階層システムフレームワークを大規模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には一般的に2つの大きな特徴があります。1つは、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、大規模モデル層が多モデル戦略を採用し、内部競争によって最適な効果を選出することです。
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。一部の職務は代替されるリスクに直面していますが、また一方で、銀行は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、同時に一部の従業員がより高い価値のある仕事をすることを解放することを期待しています。
さらに重要なのは、大規模モデルの人材供給が急増する需要に追いつかないということです。金融機関は、大規模モデルの能力をコアビジネスプロセスに適用する際に、人材不足の課題に直面しています。大規模モデルを直接適用する人材の需要は比較的シンプルですが、業界や企業の大規模モデルを自社で構築する場合は、専門的な縦型大規模モデル技術チームが必要です。
いくつかの機関が行動を起こし、共同でトレーニングコースを設計したり、共同プロジェクトチームを設立したりして、企業の人材能力を向上させています。このプロセスの中で、金融機関の人員構成も調整と変革を迎え、大規模モデルの開発者がより容易に留まることができるようになるでしょう。