大規模モデルの金融業における応用：戦略的視点からの考察

ChatGPTの登場以来、金融業界にはすぐに強い不安感が生まれました。この技術に自信を持つ業界は、時代の波に取り残されることを恐れています。この緊張感は、思いがけない場所にも広がっています。業界の関係者によれば、今年5月に大理で出張中、寺院で大規模モデルに関する話題を議論している人々に出会ったとのことです。

ただし、この不安は徐々に理性的なものに戻り、人々の考え方もより明確になっています。ある企業の銀行業務CTOは、今年の金融業界における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月と3月は一般的に不安が広がり、4月と5月にはチームを結成して行動を開始し、その後数ヶ月で方向性と実現過程で困難に直面し、態度は理性的になり、現在はベンチマーク企業を観察し、検証済みのアプリケーション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始めていることです。完全な統計ではありませんが、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応用を探求していることを明確に示しています。最近の動きから見ると、彼らは戦略的およびトップレベルの設計の観点から、より明確な思考と道筋の計画を進めています。

熱意から理性的な回帰へ

"数ヶ月前に比べて、現在は金融顧客が大規模モデルを理解していることが明らかに向上しています。"とあるベテランが述べたように、年初にChatGPTが登場したとき、皆は非常に熱心でしたが、大規模モデルとは何か、どう使うべきかについては実際には非常に限られた理解しかありませんでした。

この段階では、一方でいくつかの大手銀行が先行して行動し、様々な「熱を借りる」宣伝を始めています。もう一方では、多くの企業が次々と大規模モデルを発表する中で、いくつかの大手金融機関の技術部門が積極的に大手と大規模モデルの構築について議論を始めています。彼らは一般的に自社で大規模モデルを構築したいと考えており、データセットの準備方法、必要なサーバーの数、トレーニング方法などの質問をしています。

5月以降、状況は徐々に変化しています。計算能力のリソースが不足し、コストが高いなどの要因に制約され、多くの金融機関は単に自社でモデルを構築することを希望するのではなく、アプリケーションの価値により焦点を当て始めています。「今やすべての金融機関が他の人が大きなモデルを使って何をしたのか、どのような効果を実現したのかに注目しています。」

異なる規模の企業に具体的に分けると、2つのパスが生まれます。膨大な金融データとアプリケーションシーンを持つ大規模金融機関は、先進的な基盤モデルを導入し、企業専用の大モデルを自ら構築し、微調整の形式を採用して、専門分野のタスク大モデルを形成し、迅速にビジネスに力を与えます。一方、中小の金融機関は、投資収益を総合的に考慮し、必要に応じて様々な大モデルのクラウドAPIやプライベートデプロイサービスを導入し、直接ビジネスニーズを満たします。

しかし、金融業界はデータのコンプライアンス、安全性、信頼性などに対する要求が非常に高いため、一部の人々はこの業界の大規模モデルの実装が実際には年初の予想よりも若干遅れていると考えています。専門家は、彼らが最初に金融業界が大規模に大規模モデルを使用する可能性が最も高いと予測していたが、最終的な顧客との接続状況を見ると、金融業界はむしろ法律や採用などの業界よりも応用が遅れていると述べています。

いくつかの金融機関は、大規模モデルの実装プロセスにおけるさまざまな制約を解決する方法を模索し始めています。

例えば、計算能力の面で、業界関係者は現在金融業界にいくつかの解決策が現れていることを観察しています:

その一、直接的に計算力を構築することは、コストが相対的に高いが、安全性は十分に高い。これは、実力のある金融機関に適しており、業界や企業の大規模モデルを自ら構築したいと思っている、典型的にはいくつかの大手国有銀行のような存在です。

その二、計算力の混合デプロイメント、つまりセンシティブデータがドメイン外に出ない状況で、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なデプロイメント方式でローカルデータサービスを処理することを意味します。この方法は相対的にコストが低く、数十万元を投資して数枚のカードを購入するだけでニーズを満たすことができ、資金が比較的乏しく、必要に応じてアプリケーションを行う中小型金融機関に適しています。

しかし、それでも、多くの中小機関は依然として大規模モデルに必要なGPUカードを購入できない、または購入する余裕がないという問題に直面しています。この問題に対処するために、関係当局は一部の研究課題を進めており、証券業界向けの大規模モデルインフラを構築するための妥協案を探求しています。集中計算力や汎用大規模モデルなどのリソースを集約し、業界の中小金融機関も大規模モデルのサービスを利用できるようにして、彼らが「技術的に取り残される」ことを防ごうとしています。

計算能力だけでなく、最近半年以上にわたる大規模モデルの実装探求に伴い、多くの金融機関はデータのガバナンスを徐々に強化しています。

ある企業の幹部は、現在、データガバナンス分野で成熟した実践を持つ大手銀行に加えて、ますます多くの中型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の体系を構築し始めていると紹介しています。今年上半期のいくつかの地域銀行のようにです。彼は、完璧なデータガバナンス体系とデータレイク技術プラットフォームを構築することが、今後の金融機関のIT構築において非常に重要な主旋律になると考えています。

また、いくつかの銀行が大規模モデル+MLOpsの方法でデータ問題を解決しています。例えば、ある大手銀行はMLOpsモデルを採用して大規模モデルデータのクローズドループシステムを構築し、プロセス全体の自動化を実現し、多元的で異種のデータの統合管理と効率的な処理を行っています。現在、2.6TBの高品質なトレーニングデータセットが構築され、蓄積されているとのことです。

周辺のシーンからのアプローチ

過去半年以上、大規模モデルのサービス提供者や各金融機関は、積極的にアプリケーションシーンを探求してきました。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、ニーズ分析などが一つ一つ探求されています。

ある企業の幹部が言ったように、「金融ビジネスのチェーンにおけるすべての重要な機能は、大規模モデル技術を使って再構築する価値がある。」いくつかの企業は金融向けの大規模モデルを発表し、協力機関と共に金融産業向けの大規模モデル製品を内製するためのテストを行っている。目標は、資産運用アドバイザー、保険代理店、投資研究、金融マーケティング、保険の請求処理などの金融専門家のために、全体のAIビジネスアシスタントを構築することだ。

すべての金融機関は、大規模モデルに対して豊富な想像と構想を持っています。ある企業は内部で20以上のシーンでアプリケーションを投入していると述べ、他の企業は30以上のシーンでパイロットを行ったと語り、さらに他の企業は大規模モデルと以前に発表されたバーチャルデジタル人プラットフォームを統合することを探索していると報告しています......

しかし、大規模モデルを実際に業界に導入する際、皆の共通認識は、まず内部で、その後外部であるということです。結局のところ、現在の段階では、大規模モデル技術は成熟しておらず、例えば幻覚の問題がありますが、金融業界は強い規制、高い安全性、高い信頼性が求められる業界です。

"短期間では直接顧客に使用することは推奨されません。"ある銀行の幹部は、金融機関は大規模モデルを金融テキストや金融画像の分析理解創作に向けて知的集約型シーンに優先的に利用し、アシスタントの形で人間と機械の協力によって業務担当者の仕事の質と効率を向上させるべきだと考えています。

別の専門家も、多くの金融顧客がコードアシスタントやカスタマーサポートアシスタントが初期段階で直接成果を出せるシナリオであると考えていると述べています。一方、投資研究や投資顧問などのシナリオは価値が非常に大きいですが、迅速に効果を出すことが難しく、データの要求も高いです。

現在、コードアシスタントは多くの金融機関で導入されています。例えば、ある大手銀行は大規模モデルに基づくインテリジェントな開発システムを構築し、コーディングアシスタントによって生成されたコードの量は総コード量の40％に達しています。また、保険分野では、ある企業が大規模モデルに基づくプログラミング補助プラグインを開発し、内部開発ツールに直接組み込んでいます。

これに基づいて、一部のメーカーは大規模モデルのコード生成能力を活用し、金融顧客に即使用可能な製品を直接提供しています。ある会社が開発した製品は、大規模モデル自体のコード補完機能に、タスク分解、正確な回答、文脈の制限を超える一連の作業を補完し、ユーザーが即使用可能にすることを実現しています。現在、この製品はある銀行で3000人以上に使用されており、コードの自動補完率は50%〜90%です。

スマートオフィス分野にも多くの実績があります。ある会社の責任者が紹介したところによると、彼らは金融大モデルに基づいて展開したネットワークの質問応答を、7月にある銀行で導入して以来、すでに数百の拠点に展開しており、回答の採用率は85％を超えています。現在、文書の質問応答から孵化した標準ソリューションが、他の銀行や取引所などに迅速に複製されています。

しかし、業界関係者は判断しています。これらはすでに広く実用化されているシーンですが、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ビジネスレイヤーに深く入るにはまだ距離があると考えられています。

"私たち自身の判断では、ビジネスアプリケーションシーンにおいては、まだかなりの難しさがある。"専門家は、マーケティング、リスク管理、コンプライアンスなどのシーンが大規模モデルによる変革をもたらす可能性があり、同時に金融顧客のニーズが存在する部分でもあると述べています。しかし、現状では、これらの作業は、基盤となる大規模モデルのプロバイダーの能力向上の状況に依存しており、その上でビジネスシーンを構築していく必要があります。

もう一人の専門家は、今年の年末までに、金融機関のコアビジネスシーンで実際に大規模モデルを用いるプロジェクトの建設や入札情報が出てくるだろうと予測しています。

その前に、一部のトップレベルデザインの変更が進行中です。

ある専門家はこのような判断を下しています: 未来の全てのスマート化、デジタル化システムは、大規模モデルに基づいて再構築されるでしょう。これには、金融業界が大規模モデルを実現する過程でシステムを再構築する必要があります。同時に、従来の小規模モデルの価値も無視してはいけません。大規模モデルと小規模モデルが協力し合うべきです。

このトレンドは金融業界で広く見られています。「今、金融機関は大規模モデルを試行しており、基本的に層別化されたモデルを採用しています。」専門家は、過去のシーンではプラットフォームのサイロ化モデルを構築する必要があったのとは異なり、大規模モデルは金融機関にゼロから始めて、より科学的に全体的なシステム計画を行う機会を与えたと説明しています。

現在、複数の主要な金融機関が、大規模モデルに基づいて、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の複数のレベルからなる階層システムフレームワークを構築していることがわかります。例えば、いくつかの銀行、証券会社、保険会社などです。

これらのフレームワークには、一般的に二つの顕著な特徴があります。一つ目は、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。二つ目は、大規模モデル層が複数のモデル戦略を採用し、内部競争を行い、最適な効果を選出することです。

実際に、金融機関だけでなく、現在の状況が不確定な中で、一部の大規模モデルアプリケーションプロバイダーも多モデル戦略を採用し、最適なサービス効果を追求しています。専門家によると、彼らの会社の基盤モデル層には大量の大規模言語モデルが統合されており、各大規模モデルからの回答に基づいて、最適なものを組み立ててユーザーに提供しているとのことです。

人材不足は依然として大きい

大規模モデルの応用は、すでに金融業界の人員構造にいくつかの挑戦と変革をもたらし始めています。

以前、上海のあるフィンテック企業の関係者が明らかにしたところによると、ChatGPTの登場に伴い、今年の初めから5月末までに彼が所属する会社は300人以上のビッグデータアナリストを解雇したという。数年前には、これは非常に人気のある職業だった。このことは彼に不安を引き起こし、さらには自分の娘の将来の職業選択について考え始めるきっかけとなった。

ある大手銀行の金融分野のベテランが、大規模モデルによる人の代替効果についても共有しました。この銀行では、以前は毎朝インターンがさまざまな情報をまとめて投資研究部門の人に提供していましたが、現在ではインターンのこれらの作業が大規模モデルによって完了できるようになりました。

しかし、一部の銀行は実際には大モデルによる人員削減を望んでいません。例えば、大規模な支店を持つある銀行は、従業員が大モデルに取って代わられることを望まず、大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るべきだと明言しています。同時に、一部の従業員を解放し、より高い価値のある仕事をすることができるようにするのです。

この中には、スタッフや構造の安定性を考慮したものも少なくありません。しかし一方で、業界内には多くの職種で人材不足があるためでもあります。

専門家によれば、大手銀行には多くの作業があり、一部のITニーズの工期は来年の年末まで延びている。彼らは、大規模なモデルが従業員がより多くの仕事を完了し、効率と速度を向上させるのに役立つことを望んでおり、従業員の削減をもたらすことを望んでいない。

さらに重要なのは、大規模モデルの火が急速かつ激しく来ており、短期間で不足している人材供給が急増する需要にマッチするのが難しいということです。これは、スマートフォンが登場したときに、皆がアプリを作りたいと思い、世界中でプログラマーを探し回っていたが、高価で難しかったのと同じです。

最近のフィンテック会議で、ある銀行の幹部が現在の金融業界が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直面する6つの課題をまとめました。その中の1つは人材です。彼は最近いくつかの新しい社員を採用し、同時に新卒採用も行っており、AI関連分野を学んだかどうかを尋ねたところ、その割合は非常に高いと述べましたが、さらに大規模モデルについて尋ねると...