النماذج الكبيرة في القطاع المالي: التفكير في التطبيقات من منظور استراتيجي

منذ ظهور ChatGPT، شعر قطاع المال على الفور بقلق شديد. هذا القطاع المليء بالثقة في التكنولوجيا يخشى أن يتخلف عن ركب العصر. لقد امتدت هذه الأجواء المتوترة حتى إلى بعض الأماكن غير المتوقعة. كشفت أحدى العاملات في هذا المجال أنه في مايو من هذا العام، أثناء زيارتها لدالي، صادفت في معبد من يناقش مواضيع النماذج الكبيرة.

ومع ذلك، فإن هذه القلق بدأ تدريجياً في العودة إلى العقلانية، وأصبح تفكير الناس أكثر وضوحًا. وصف المدير الفني للخدمات المصرفية في إحدى الشركات عدة مراحل من مواقف القطاع المالي تجاه النماذج الكبيرة هذا العام: القلق العام في شهري فبراير ومارس؛ تشكيل الفرق والبدء في العمل في شهري أبريل ومايو؛ بعد ذلك، واجهوا صعوبات في البحث عن الاتجاه والتطبيق، وأصبحت المواقف أكثر عقلانية؛ والآن، يتم مراقبة الشركات الرائدة، ومحاولة التحقق من سيناريوهات التطبيق المثبتة.

توجه جديد هو أن العديد من المؤسسات المالية بدأت تعطي أهمية استراتيجية للنماذج الكبيرة. وفقًا لإحصاءات غير مكتملة، هناك على الأقل 11 بنكًا من الشركات المدرجة في سوق الأسهم الصينية (A-shares) قد ذكرت بوضوح في أحدث تقارير نصف سنوية لها أنها تستكشف تطبيق النماذج الكبيرة. من خلال التحركات الأخيرة، يبدو أنها تقوم بالتفكير بشكل أوضح وتخطيط مسارات على المستوى الاستراتيجي وتصميم القمة.

من الحماس الشديد إلى العودة العقلانية

"بالمقارنة مع قبل عدة أشهر، يمكن الآن أن نشعر بوضوح أن العملاء الماليين قد فهموا نماذج الذكاء الاصطناعي الكبيرة بشكل أفضل بكثير." قال أحد الخبراء، "عندما صدر ChatGPT في بداية العام، على الرغم من الحماس الكبير، إلا أن فهم الجميع لماهية نماذج الذكاء الاصطناعي الكبيرة وكيفية استخدامها كان محدودًا جدًا."

في هذه المرحلة، من ناحية بدأت بعض البنوك الكبرى في اتخاذ خطوات أولى، وبدأت في القيام بأنواع مختلفة من الدعاية "للاستفادة من الضجة". من ناحية أخرى، مع إصدار العديد من الشركات لنماذج كبيرة بشكل متتابع، بدأت أقسام التكنولوجيا في بعض المؤسسات المالية الرائدة في التفاعل بنشاط مع الشركات الكبرى لمناقشة موضوع بناء النماذج الكبيرة. إنهم يأملون بشكل عام في بناء نماذج كبيرة بأنفسهم، ويسألون عن كيفية إعداد مجموعات البيانات، وكم عدد الخوادم اللازمة، وكيفية التدريب، وما إلى ذلك.

بعد شهر مايو، بدأت الأمور تتغير تدريجياً. بسبب نقص موارد الحوسبة وارتفاع التكاليف، بدأت العديد من المؤسسات المالية في التحول من الرغبة البسيطة في بناء نماذج خاصة بها إلى التركيز بشكل أكبر على قيمة التطبيق. "الآن، كل مؤسسة مالية تتابع ما الذي فعله الآخرون باستخدام النماذج الكبيرة، وما النتائج التي حققوها."

بالنسبة لمختلف أحجام الشركات، تم تحديد مسارين. يمكن للمؤسسات المالية الكبيرة التي تمتلك بيانات مالية ضخمة وسيناريوهات تطبيقية، إدخال نماذج أساسية رائدة، وبناء نماذج كبيرة خاصة بها، وفي الوقت نفسه استخدام أساليب الضبط الدقيق، لتشكيل نماذج مهام في مجالات متخصصة، وتمكين الأعمال بسرعة. بينما يمكن للمؤسسات المالية الصغيرة والمتوسطة أن تأخذ في الاعتبار العائد على الاستثمار، وتستعين حسب الحاجة بخدمات واجهة برمجة التطبيقات السحابية أو النشر الخاص لمختلف النماذج الكبيرة، لتلبية احتياجات الأعمال مباشرة.

ومع ذلك، نظرًا للاحتياجات العالية للامتثال للبيانات والأمان والموثوقية في القطاع المالي، يعتقد بعض الأفراد أن تقدم تنفيذ النماذج الكبيرة في هذا القطاع قد تأخر قليلاً عن التوقعات في بداية العام. وقد أشار بعض الخبراء إلى أنهم توقعوا في البداية أن يكون القطاع المالي هو الذي سيستخدم النماذج الكبيرة بشكل واسع أولاً، لكن من خلال النظر في الحالات النهائية للتواصل مع العملاء، تبين أن القطاع المالي لم يتقدم في هذا المجال كما هو الحال في قطاعات مثل القانون والتوظيف.

بدأت بعض المؤسسات المالية تبحث عن طرق للتغلب على القيود المختلفة في عملية تنفيذ النماذج الكبيرة.

على سبيل المثال، في مجال قوة الحوسبة، لاحظ المتخصصون في الصناعة أن هناك عدة أفكار حل ظهرت في القطاع المالي في الوقت الحالي:

أولاً، بناء قوة الحوسبة بشكل مباشر يكون مكلفاً نسبياً، ولكنه يوفر مستوى عالٍ من الأمان. هذا النموذج مناسب للمؤسسات المالية ذات القوة الكبيرة، التي تأمل في بناء نماذج كبيرة خاص بها في الصناعة أو الشركة، مثل بعض البنوك الوطنية الكبيرة.

ثانياً، نشر قوة المعالجة المختلطة، أي قبول استدعاء واجهات خدمات النماذج الكبيرة من السحابة العامة دون خروج البيانات الحساسة من النطاق، بينما يتم معالجة خدمات البيانات المحلية بطريقة نشر خاصة. هذه الطريقة منخفضة التكلفة نسبياً، حيث يكفي استثمار عشرات الآلاف من اليوان لشراء عدد قليل من البطاقات لتلبية الاحتياجات، وهي مناسبة للمؤسسات المالية الصغيرة والمتوسطة التي تعاني من نقص نسبي في التمويل وتقوم بالتطبيق حسب الحاجة.

ومع ذلك، لا تزال العديد من المؤسسات الصغيرة والمتوسطة تواجه مشكلة عدم القدرة على شراء أو تحمل تكاليف بطاقات GPU اللازمة للنماذج الكبيرة. لمعالجة هذه المشكلة، تقوم الجهات المعنية بإجراء بعض الأبحاث، لاستكشاف ما إذا كان من الممكن بناء بنية تحتية للنماذج الكبيرة موجهة لصناعة الأوراق المالية بطريقة وسطية، بحيث يتم تركيز الموارد مثل القدرة الحسابية والنماذج الكبيرة العامة، مما يتيح للمؤسسات المالية الصغيرة والمتوسطة في القطاع استخدام خدمات النماذج الكبيرة، لمنعها من "التخلف التكنولوجي".

ليس فقط في قوة الحوسبة، ولكن مع الاستكشافات الأخيرة لنماذج كبيرة على مدار الستة أشهر الماضية، بدأت العديد من المؤسسات المالية أيضًا في تعزيز إدارة البيانات.

قدم أحد التنفيذيين في شركة ما، أن هناك عددًا متزايدًا من المؤسسات المالية المتوسطة التي بدأت في بناء نظام أساسي للبيانات ونظام حوكمة البيانات، بالإضافة إلى البنوك الكبرى التي لديها ممارسات ناضجة في مجال حوكمة البيانات. مثل بعض البنوك الإقليمية في النصف الأول من هذا العام. ويعتقد أن بناء نظام حوكمة بيانات كامل ومنصة تكنولوجيا بحيرة البيانات سيكون محورًا مهمًا جدًا في بناء تكنولوجيا المعلومات للمؤسسات المالية في المستقبل.

تعمل بعض البنوك أيضًا على حل مشكلات البيانات من خلال نموذج كبير + MLOps. على سبيل المثال، من خلال اعتماد نموذج MLOps، أنشأت إحدى البنوك الكبيرة نظام حلقة مغلقة للبيانات النموذجية، مما أدى إلى أتمتة العملية بالكامل، وإدارة موحدة وفعالة للبيانات غير المتجانسة من مصادر متعددة، ومن المعلوم أنها قد قامت حاليًا ببناء وتخزين مجموعة بيانات تدريب عالية الجودة بحجم 2.6 تيرابايت.

الدخول من المشهد الخارجي

على مدار أكثر من نصف عام، سواء كان مقدمو خدمات النماذج الكبيرة أو المؤسسات المالية الكبرى، كانوا جميعًا يبحثون بنشاط عن سيناريوهات التطبيق، حيث تم استكشاف المكاتب الذكية، والتطوير الذكي، والتسويق الذكي، وخدمة العملاء الذكية، والبحث الاستثماري الذكي، وإدارة المخاطر الذكية، وتحليل المتطلبات وغيرها.

كما قال أحد التنفيذيين في شركة معينة، "كل وظيفة رئيسية في سلسلة الأعمال المالية تستحق أن يتم إعادة تصميمها باستخدام تقنيات النماذج الكبيرة." وقد أصدرت بعض الشركات نماذج مالية كبيرة، وهي تعمل مع المؤسسات الشريكة على اختبار وبناء منتجات نماذج كبيرة موجهة لصناعة المالية، والهدف هو إنشاء مساعدات أعمال ذكاء اصطناعي تغطي سلسلة كاملة من خبراء القطاع المالي مثل مستشاري الاستثمار، ووكلاء التأمين، وأبحاث الاستثمار، والتسويق المالي، وتعويضات التأمين.

تتمتع كل مؤسسة مالية برؤى وأفكار غنية حول النماذج الكبيرة. هناك شركات تقول إن لديها أكثر من 20 سيناريو لتطبيقات داخلية، وبعضها يقول إنها أجرت تجارب في أكثر من 30 سيناريو، وهناك من يشير إلى أنها تستكشف ربط النماذج الكبيرة بمنصة الأشخاص الرقميين الافتراضيين التي أطلقتها سابقًا...

لكن عندما يتعلق الأمر بتطبيق النماذج الكبيرة في الصناعة، هناك توافق عام على أنه ينبغي البدء من الداخل قبل الانتقال إلى الخارج. فبالنظر إلى المرحلة الحالية، فإن تقنية النماذج الكبيرة ليست ناضجة بعد، مثل مشكلة الهلوسة، بينما تعتبر صناعة المالية صناعة ذات تنظيم قوي، عالية الأمان، وموثوقة جدًا.

"لا يُنصح باستخدامه مباشرةً مع العملاء على المدى القصير." يرى أحد كبار المسؤولين في أحد البنوك أن المؤسسات المالية يجب أن تعطي الأولوية لاستخدام النموذج الكبير في المشاهد الذكية التي تتطلب التحليل والفهم الإبداعي للنصوص المالية والصور المالية، بشكل مساعد، بالتعاون بين الإنسان والآلة لتحسين جودة وكفاءة عمل الموظفين.

خبير آخر أشار أيضًا إلى أن العديد من العملاء الماليين يعتقدون أن مساعدي الكود ومساعدي خدمة العملاء هما المشهدان اللذان يمكن تحقيق نتائج مباشرة في المرحلة الأولى. بينما المشاهد مثل البحث الاستثماري، والاستشارات الاستثمارية، لها قيمة كبيرة، لكنها صعبة لتحقيق نتائج سريعة، وتتطلب بيانات عالية الجودة.

حالياً، تم تطبيق مساعد البرمجة في العديد من المؤسسات المالية. على سبيل المثال، قامت إحدى البنوك الكبيرة ببناء نظام تطوير ذكي يعتمد على نموذج كبير، حيث بلغت نسبة كمية الكود التي ينتجها مساعد البرمجة 40% من إجمالي كمية الكود. ومثال آخر في مجال التأمين، طورت إحدى الشركات مكون برمجي مساعد يعتمد على نموذج كبير، تم دمجه مباشرة في أدوات التطوير الداخلية.

استنادًا إلى ذلك، تقوم بعض الشركات بتطوير منتجات جاهزة للاستخدام مباشرة للعملاء في القطاع المالي حول قدرة توليد الكود لنماذج الذكاء الاصطناعي الكبيرة. إحدى المنتجات التي طورتها شركة ما، تضيف إلى قدرة استكمال الكود للنموذج الكبير مجموعة من الوظائف مثل تفكيك المهام، والإجابات الدقيقة، وتجاوز قيود السياق، مما يحقق الاستخدام الفوري للمستخدمين. حاليًا، تم استخدام هذا المنتج من قبل أكثر من 3000 شخص في أحد البنوك، مع معدل استكمال الكود يتراوح بين 50% و90%.

في مجال المكاتب الذكية، هناك العديد من حالات التنفيذ. قدم مسؤول في إحدى الشركات عرضاً، حيث أطلقوا خدمة الأسئلة والأجوبة الخاصة بالفروع القائمة على نموذج مالي كبير، وبعد إطلاقها في يوليو في أحد البنوك، تم推广ها تدريجياً إلى مئات الفروع، حيث تجاوز معدل قبول الإجابات 85%. حالياً، تم تطوير الحلول القياسية الناتجة عن الأسئلة والأجوبة الخاصة بالوثائق بسرعة إلى بنوك أخرى ومنصات تبادل وغيرها.

ومع ذلك، يعتقد المتخصصون في الصناعة أن هذه السيناريوهات التي تم تطبيقها على نطاق واسع ليست في الواقع التطبيقات الأساسية للمؤسسات المالية، ولا يزال هناك بعض المسافة التي تفصل النماذج الكبيرة عن التعمق في مستوى الأعمال في صناعة المال.

"نحن نحكم بأن صعوبة العمل في تطبيقات الأعمال لا تزال كبيرة." قال بعض الخبراء إن التسويق وإدارة المخاطر والامتثال هي مجالات يمكن أن تجلب فيها النماذج الكبيرة تغييرات، وهي أيضًا النقاط التي يحتاجها العملاء الماليون، ولكن بالنظر إلى الوضع الحالي، فإن هذه الأعمال لا تزال تعتمد على قدرة مزودي النماذج الكبيرة على التحسين قبل أن نتمكن من تنفيذ تطبيقات الأعمال.

توقع خبير آخر أنه بحلول نهاية هذا العام، سيكون هناك مجموعة من مشاريع البناء أو معلومات المناقصات التي تستخدم نماذج كبيرة بالفعل في السيناريوهات الأساسية للأعمال في المؤسسات المالية.

لكن قبل ذلك، كانت هناك تغييرات على مستوى التصميم العلوي قيد التنفيذ.

قدّم أحد الخبراء هذا الحكم: سيتم إعادة بناء النظام الذكي والرقمي بالكامل في المستقبل على أساس النماذج الكبيرة. وهذا يتطلب من صناعة المالية إعادة هيكلة الأنظمة أثناء دفع نماذج الكبيرة نحو التطبيق. في الوقت نفسه، لا ينبغي تجاهل قيمة النماذج الصغيرة التقليدية، بل ينبغي أن تتعاون النماذج الكبيرة والصغيرة معًا.

لقد تجلت هذه الاتجاهات بشكل واسع في صناعة المالية. "الآن تقوم المؤسسات المالية بتجربة نماذج كبيرة، وعادة ما تتبنى نموذجًا طبقيًا." وقد قدم أحد الخبراء توضيحًا بأن النماذج الكبيرة تعطي المؤسسات المالية فرصة للبدء من الصفر وبطريقة أكثر علمية لوضع تخطيط شامل للنظام، وهو مختلف عن نموذج بناء منصة لكل سيناريو في الماضي.

يمكن رؤية أن هناك العديد من المؤسسات المالية الرائدة التي قامت بالفعل ببناء إطار نظام طبقي يتضمن طبقات متعددة مثل طبقة البنية التحتية وطبقة النموذج وطبقة خدمات النموذج الكبير وطبقة التطبيقات، مثل بعض البنوك وشركات الأوراق المالية وشركات التأمين.

تتميز هذه الأنظمة الإطارية بشكل عام بخصيصتين بارزتين: الأولى، تستفيد النماذج الكبيرة من القدرة المركزية، وتستخدم النماذج التقليدية كمهارات للاستدعاء؛ والثانية، تعتمد طبقة النماذج الكبيرة استراتيجية النماذج المتعددة، حيث يتم التنافس الداخلي لاختيار أفضل النتائج.

في الواقع، ليس فقط المؤسسات المالية، ففي ظل عدم استقرار الوضع الحالي، يقوم بعض مزودي تطبيقات النماذج الكبيرة أيضًا بتبني استراتيجيات متعددة النماذج، لاختيار أفضل تأثير للخدمات. وقد كشف بعض الخبراء أن الطبقة الأساسية لنماذج شركاتهم تضم أيضًا مجموعة كبيرة من النماذج اللغوية الكبيرة، وسيقومون بتجميع الإجابات المفضلة بناءً على ردود كل نموذج كبير ثم تقديمها للمستخدم.

لا يزال هناك نقص كبير في المواهب

تطبيق النماذج الكبيرة قد بدأ في إحداث بعض التحديات والتحولات في هيكل القوى العاملة في صناعة المال.

في وقت سابق، كشف شخص من شركة تكنولوجيا مالية في شنغهاي أنه مع ظهور ChatGPT، قامت شركته بتسريح أكثر من 300 محلل بيانات كبيرة من بداية هذا العام حتى نهاية مايو. قبل بضع سنوات، كانت هذه مهنة مطلوبة بشدة. وقد أثار ذلك قلقه، لدرجة أنه بدأ يفكر مسبقًا في خيارات العمل المستقبلية لابنته.

شارك أحد كبار الخبراء في المجال المالي من بنك كبير أيضًا تأثير استبدال البشر بواسطة النماذج الكبيرة. كان البنك سابقًا يقوم بتكليف المتدربين بتجميع المعلومات من مختلف الجوانب كل صباح وتقديمها إلى قسم البحث والتطوير، لكن الآن يمكن للنماذج الكبيرة إنجاز هذه المهام بدلًا من المتدربين.

ومع ذلك، فإن بعض البنوك لا ترغب في أن تؤدي النماذج الكبيرة إلى تقليص عدد الموظفين. على سبيل المثال، أكد أحد البنوك الكبيرة التي تمتلك عددًا كبيرًا من موظفي الفروع أنهم لا يرغبون في أن يتم استبدال الموظفين بالنماذج الكبيرة، بل يجب أن تجلب النماذج الكبيرة فرصًا جديدة، وتحسن من جودة خدمة الموظفين وكفاءة عملهم، بينما يتم تحرير بعض الموظفين للقيام بمزيد من الأعمال ذات القيمة العالية.

هناك اعتبارات كثيرة تتعلق بالاستقرار في الأفراد والهياكل. ومن ناحية أخرى، هناك نقص في المواهب في العديد من الوظائف داخل الصناعة.

يقول الخبراء إن البنوك الكبيرة لديها الكثير من العمل للقيام به، حيث تمتد مواعيد تسليم بعض متطلبات تكنولوجيا المعلومات حتى نهاية العام المقبل. إنهم يأملون أن تساعد النماذج الكبيرة الموظفين في إكمال المزيد من الأعمال، وزيادة الكفاءة والسرعة، بدلاً من تقليص عدد الموظفين.

الأهم من ذلك، أن اندلاع نماذج الذكاء الاصطناعي الكبرى جاء بشكل مفاجئ وشديد، وفي فترة قصيرة، يصعب تلبية العرض القليل من المواهب مع الطلب المتزايد. يشبه ذلك عندما ظهرت الهواتف الذكية لأول مرة، حيث أراد الجميع تطوير تطبيقات، وكانوا يبحثون عن مبرمجين في كل مكان، وكان الأمر مكلفًا وصعبًا.

في مؤتمر التكنولوجيا المالية الأخير، قام أحد كبار المسؤولين في بنك معين بتلخيص التحديات الستة التي تواجه صناعة المالية حاليًا في دمج قدرات النماذج الكبيرة في العمليات التجارية الأساسية، وأحدها هو المواهب. وأشار إلى أنهم قد قاموا مؤخرًا بتوظيف بعض الموظفين الجدد، كما أنهم يقومون بإجراء طلبات التوظيف من الجامعات، وسألوا عما إذا كانوا قد درسوا مجالات مرتبطة بالذكاء الاصطناعي، وكانت النسبة مرتفعة جدًا، لكن عند سؤالهم عن النماذج الكبيرة.