Дослідження трансформації фінансової сфери в умовах застосування великих моделей

Від моменту появи ChatGPT фінансовий сектор відразу ж відчув сильну тривогу. Ця галузь, що вірить у технології, боїться відстати в епоху швидких змін. Ця тривога навіть поширилася до тихих храмів. Одна з учасниць ринку розповіла, що в травні, під час командировки в Далї, вона змогла зустріти фінансових працівників, які обговорювали великі моделі в храмі.

Проте, ця тривога поступово повертається до раціональності, а думки стають більш зрозумілими. CTO банківського бізнесу SoftTech описав кілька етапів ставлення фінансової сфери до великих моделей: у лютому-березні – загальне занепокоєння; у квітні-травні – активне формування команд; у наступні кілька місяців – труднощі при реалізації, раціоналізація; зараз – початок звернення до еталонів, спроби верифікованих сценаріїв.

Новим трендом є те, що багато фінансових установ вже з стратегічної точки зору надають значення великим моделям. За неповними даними, принаймні 11 банків, що котируються на фондовій біржі A, чітко вказали у своїх останніх піврічних звітах, що вони досліджують застосування великих моделей. Судячи з недавніх дій, вони проводять більш чітке мислення та планування шляхів на стратегічному та рівні верхнього дизайну.

Від зростання ентузіазму до раціонального повернення

На початку року, коли ChatGPT тільки з'явився, фінансові клієнти ще дуже обмежено розуміли великі моделі. Хоча ентузіазм був високим, але конкретно не знали, як їх використовувати. Деякі великі банки першими почали діяти, запустивши різні рекламні кампанії для "красування". Тим часом, технологічні відділи деяких провідних фінансових установ активно обговорювали питання побудови великих моделей з великими компаніями. Вони загалом сподівалися створити великі моделі самостійно, запитуючи про створення наборів даних, покупку серверів, методи навчання тощо.

Після травня ситуація поступово змінилася. Через нестачу ресурсів обчислювальної потужності, високі витрати та інші фактори багато фінансових установ почали переходити від простого бажання створити власні рішення до більшої уваги до прикладної цінності. Наразі кожна фінансова установа звертає увагу на те, як інші установи використовують великі моделі та які результати це дає.

Зокрема, великі фінансові установи можуть впроваджувати провідні в галузі базові великі моделі, створювати корпоративні великі моделі, а також використовувати методи доопрацювання для формування спеціалізованих великих моделей завдань, швидко підвищуючи ефективність бізнесу. Маленькі та середні фінансові установи можуть за потребою впроваджувати різноманітні великі моделі через API публічних хмар або послуги приватного розгортання, щоб безпосередньо задовольнити потреби в підвищенні ефективності.

Оскільки фінансовий сектор має високі вимоги до відповідності даних, безпеки та надійності, деякі експерти вважають, що впровадження великих моделей у цій галузі насправді трохи відстає від початкових очікувань цього року. Деякі фінансові установи вже почали шукати рішення, наприклад, у сфері обчислювальної потужності є кілька підходів:

1. Пряме самостійне будівництво обчислювальної потужності, вартість вища, але безпека хороша, підходить для великих фінансових установ, які хочуть самостійно будувати галузеві або корпоративні великі моделі.

2. Гібридне розгортання обчислювальної потужності, яке приймає виклики з публічного хмари для великих моделей сервісів, без виходу чутливих даних за межі домену, одночасно обробляючи локальні дані через приватне розгортання. Цей підхід є відносно недорогим і підходить для малих та середніх фінансових установ, які використовують його на вимогу.

Щодо проблеми, з якою стикаються малі та середні установи у отриманні або фінансуванні GPU-карт, відповідні органи вивчають можливість створення інфраструктури великих моделей для сектора цінних паперів, зосереджуючи обчислювальні потужності та ресурси загальних великих моделей, щоб малі та середні фінансові установи також могли користуватися послугами великих моделей.

У сфері управління даними все більше середніх фінансових установ починають будувати централізовану платформу даних та систему управління даними. Деякі банки вирішують проблеми з даними за допомогою поєднання великих моделей і MLOps, забезпечуючи єдине управління та ефективну обробку багатоджерельних гетерогенних даних.

Вступ до зовнішніх сцен

Протягом останніх півроку постачальники великих моделей та фінансові установи шукали застосування, включаючи розумний офіс, інтелектуальну розробку, розумний маркетинг, інтелектуальний сервіс клієнтів, розумний інвестиційний аналіз, інтелектуальний контроль ризиків, аналіз потреб тощо.

Кожна фінансова установа має багатий концептуальний підхід до великих моделей. Проте під час фактичного впровадження зазвичай застосовують стратегію спочатку внутрішнього, а потім зовнішнього використання. Це пов'язано з тим, що технології великих моделей на даний момент ще не є зрілими, а фінансовий сектор має високі вимоги до регулювання, безпеки та надійності.

Наразі, такі сценарії, як кодовий помічник та розумний офіс, вже реалізовані в багатьох фінансових установах. Однак експерти вважають, що ці широко впроваджені сценарії ще не є основними застосуваннями фінансових установ, а великі моделі ще мають певну відстань до глибшого інтегрування у бізнес-структуру фінансової галузі.

Деякі зміни на рівні верхнього проектування відбуваються. Майбутні інтелектуальні та цифрові системи будуть побудовані на основі великих моделей, що вимагає від фінансової сфери перебудови систем у процесі впровадження великих моделей, а також необхідності забезпечити співпрацю великих моделей з традиційними малими моделями.

На сьогоднішній день вже кілька провідних фінансових установ створили багаторівневу системну структуру на основі великих моделей, яка включає в себе рівні інфраструктури, моделі, послуг великих моделей та застосувань. Ці структурні системи зазвичай мають дві основні характеристики: по-перше, великі моделі виконують центральну роль, використовуючи традиційні моделі в якості навичок; по-друге, рівень великих моделей застосовує стратегію з кількома моделями, де проводиться внутрішнє змагання для вибору найкращого результату.

Прогалини в кадрах все ще величезні

Застосування великих моделей вже почало ставити певні виклики та зміни в структурі персоналу фінансової галузі. Деякі посади стикаються з ризиком заміщення, але також є банки, які сподіваються, що великі моделі принесуть нові можливості, підвищать якість обслуговування співробітників та ефективність роботи, одночасно звільняючи частину співробітників для виконання більш цінних завдань.

Більш того, постачання кадрів для великих моделей важко відповідає зростаючому попиту. Фінансові установи стикаються з проблемами нестачі кадрів, коли намагаються впровадити можливості великих моделей у своїх основних бізнес-процесах. Прямий попит на кадри, які застосовують великі моделі, відносно простий, але якщо потрібно створити власну галузеву або корпоративну велику модель, то знадобиться висококваліфікована команда з технологій великих моделей.

Деякі установи вжили заходів, таких як спільна розробка навчальних курсів, створення спільних проектних груп тощо, для підвищення кваліфікації працівників підприємств. У цьому процесі структура персоналу фінансових установ також зазнає змін і трансформацій, що дозволить легше утримувати розробників великих моделей.