Tendances d'application des grands modèles dans le secteur financier : de l'engouement à la mise en œuvre, la stratégie de déploiement et la demande de talents continuent de croître.
L'évolution de la technologie des grands modèles dans le secteur financier : de l'enthousiasme à la rationalité
Depuis la naissance de ChatGPT, le secteur financier a rapidement suscité un engouement, les acteurs de l'industrie craignant d'être laissés pour compte par la vague des nouvelles technologies. Cette anxiété s'est répandue dans tous les coins, et même dans les temples, on peut entendre des discussions sur le sujet des grands modèles.
Cependant, cette anxiété s'atténue progressivement, et la pensée des gens devient plus claire et rationnelle. L'attitude du secteur financier envers les grands modèles a traversé plusieurs étapes : en février et mars, il y avait une anxiété générale ; en avril et mai, des équipes ont commencé à se former et à agir ; au cours des mois suivants, des difficultés ont été rencontrées dans la recherche de direction et la mise en œuvre, ce qui a conduit à une tendance vers la rationalité ; actuellement, il y a une attention accrue portée aux cas de référence et une tentative de validation des scénarios éprouvés.
Une nouvelle tendance est que de nombreuses institutions financières ont élevé les grands modèles au niveau stratégique. Selon des statistiques incomplètes, parmi les entreprises cotées en A-shares, au moins 11 banques ont clairement mentionné dans leurs derniers rapports semestriels qu'elles explorent l'application des grands modèles. D'après les actions récentes, elles réfléchissent également à plus de clarté en termes de stratégie et de conception de haut niveau.
De l'enthousiasme à un retour à la rationalité
Comparé à il y a quelques mois, la compréhension des clients financiers sur les grands modèles a considérablement augmenté. Au début de l'année, lorsque ChatGPT est apparu, bien que tout le monde était très enthousiaste, la compréhension de la nature et des modes d'application des grands modèles était limitée.
À ce stade, certaines grandes banques ont pris les devants en lançant diverses campagnes de promotion pour "profiter du buzz". D'autre part, avec le lancement de grands modèles par plusieurs fabricants, les départements technologiques de certaines institutions financières de premier plan discutent activement de la construction de grands modèles avec les grandes entreprises. Ils espèrent généralement construire leurs propres grands modèles et posent des questions sur le traitement des ensembles de données, l'achat de serveurs, les méthodes d'entraînement, etc.
Après mai, la situation a progressivement changé. En raison de la pénurie de ressources de calcul et des coûts élevés, de nombreuses institutions financières ont commencé à passer d'un simple souhait de construction interne à une attention accrue sur la valeur d'application. "Maintenant, chaque institution financière s'inquiète de ce que les autres ont réalisé avec de grands modèles et des résultats obtenus."
Les entreprises de différentes tailles suivent également deux voies : les grandes institutions financières peuvent introduire des modèles de base avancés, construire des modèles d'entreprise tout en utilisant des formes de réglage fin pour créer des modèles de tâches dans des domaines spécialisés ; les petites et moyennes institutions financières peuvent alors introduire des API de divers modèles de grande taille ou des services de déploiement privatisés selon leurs besoins.
En raison des exigences élevées en matière de conformité des données, de sécurité et de fiabilité dans le secteur financier, certaines personnes estiment que la mise en œuvre des grands modèles dans ce secteur a en réalité pris un peu de retard par rapport aux attentes du début de l'année.
Certaines institutions financières ont commencé à résoudre divers "freins" dans le processus de mise en œuvre des grands modèles. En ce qui concerne la puissance de calcul, plusieurs idées de solutions ont émergé dans le secteur :
Construire directement la puissance de calcul, coût élevé mais sécurité élevée, adapté aux grandes institutions financières souhaitant construire des modèles d'entreprise ou de secteur.
Déploiement hybride de la puissance de calcul, acceptant les appels d'interfaces de services de grands modèles depuis le cloud public sans que les données sensibles ne sortent du domaine, tout en traitant les services de données locaux par déploiement privatif. Coût relativement bas, adapté aux institutions financières de taille petite et moyenne avec des ressources financières limitées.
Cependant, de nombreuses petites et moyennes entreprises font encore face à la difficulté de ne pas pouvoir acheter ou se permettre des cartes GPU. Pour remédier à ce problème, les autorités concernées mènent des recherches sur le sujet, explorant s'il est possible de construire une infrastructure de grands modèles pour des secteurs spécifiques de manière pragmatique, en centralisant les ressources de calcul et de grands modèles, afin que les petites et moyennes institutions financières puissent également bénéficier des services de grands modèles, évitant ainsi d'être "à la traîne sur le plan technologique".
En plus de la puissance de calcul, de nombreuses institutions financières renforcent également leur gouvernance des données. De plus en plus d'institutions financières de taille moyenne commencent à construire une plateforme de données et un système de gouvernance des données. Certaines banques résolvent les problèmes de données grâce à un modèle large + MLOps, réalisant ainsi l'automatisation de l'ensemble du processus et la gestion unifiée et le traitement efficace de données hétérogènes provenant de multiples sources.
Entrer par le scénario périphérique
Au cours des six derniers mois, les fournisseurs de grands modèles et les institutions financières ont cherché des scénarios, tels que le bureau intelligent, le développement intelligent, le marketing intelligent, le service client intelligent, la recherche et investissement intelligents, la gestion des risques intelligente, et l'analyse des besoins, qui ont tous été explorés un par un.
Chaque institution financière a des idées riches sur les grands modèles. Mais pour vraiment les mettre en œuvre, le consensus est de commencer par l'interne avant de passer à l'externe. Actuellement, la technologie des grands modèles n'est pas encore mature, et le secteur financier est un domaine fortement réglementé, avec des exigences de sécurité et de confiance élevées.
Il n'est pas recommandé d'utiliser directement face aux clients à court terme. Les institutions financières devraient prioriser l'utilisation de grands modèles pour l'analyse et la compréhension des textes financiers et des images, ainsi que pour des créations dans des scénarios à forte intensité intellectuelle, en collaborant avec des humains sous forme d'assistant pour améliorer l'efficacité des employés.
Actuellement, l'assistant de code a été mis en œuvre dans de nombreuses institutions financières. Il existe également de nombreux cas dans le domaine du bureau intelligent. Cependant, les professionnels de l'industrie estiment que ces scénarios largement déployés ne constituent en réalité pas encore les applications centrales des institutions financières, et que les grands modèles sont encore à une certaine distance de l'intégration dans les couches opérationnelles du secteur financier.
Il est prévu qu'avant la fin de cette année, un certain nombre de projets utilisant réellement de grands modèles dans les scénarios d'activité de base des institutions financières apparaissent ou que des informations sur des appels d'offres soient publiées.
Avant cela, des changements au niveau de la conception de haut niveau sont en cours. L'ensemble du système intelligent et numérisé de l'avenir sera reconstruit sur la base de grands modèles. Cela exige que le secteur financier restructure ses systèmes lors de la mise en œuvre des grands modèles. En même temps, il ne faut pas négliger la valeur des petits modèles traditionnels, et il faut permettre une collaboration entre les grands et les petits modèles.
Actuellement, plusieurs grandes institutions financières ont construit un cadre systémique hiérarchique basé sur de grands modèles, comprenant plusieurs niveaux tels que la couche d'infrastructure, la couche de modèle, la couche de service de grand modèle et la couche d'application. Ces systèmes présentent généralement deux grandes caractéristiques : premièrement, le grand modèle joue un rôle central, appelant les modèles traditionnels comme des compétences ; deuxièmement, la couche de grand modèle adopte une stratégie multi-modèles, avec une compétition interne pour sélectionner le meilleur résultat.
Le manque de talents reste énorme
L'application des grands modèles commence à apporter des défis et des transformations à la structure du personnel dans le secteur financier.
Certain postes de travail commencent à être remplacés par de grands modèles. Cependant, certaines banques ne souhaitent pas que ces grands modèles entraînent des réductions d'effectifs, mais plutôt qu'ils apportent de nouvelles opportunités, améliorent la qualité du service aux employés et l'efficacité au travail, tout en libérant une partie des employés pour qu'ils puissent faire des choses à plus forte valeur ajoutée.
Cela comprend également des considérations sur la stabilité des personnes et des structures. D'autre part, c'est également parce qu'il y a encore des pénuries de talents dans de nombreux postes de l'industrie. Les grandes banques ont un grand nombre de tâches à accomplir, et certains délais pour les besoins informatiques sont même programmés jusqu'à la fin de l'année prochaine. Elles espèrent que les grands modèles pourront aider les employés à améliorer leur efficacité et leur rapidité, et non pas entraîner une réduction du personnel.
Plus important encore, l'essor des grands modèles est à la fois soudain et intense, et l'offre de talents rares peine à répondre à la demande croissante en peu de temps. La demande de talents pour l'application directe des grands modèles est relativement simple, il s'agit de personnes capables de poser des questions. Mais si l'on souhaite construire un grand modèle spécifique à un secteur ou à une entreprise, il est nécessaire que les institutions financières disposent d'une équipe technique spécialisée et compétente en grands modèles.
Certaines organisations ont déjà agi. Des entreprises ont collaboré avec des équipes de ressources humaines de laboratoires bancaires pour examiner les pratiques de transition des employés liées à l'application des grands modèles dans les entreprises. Elles ont conçu une série de cours de formation, tels que l'optimisation des invites, le réglage fin et l'exploitation des grands modèles, et ont collaboré avec différents départements pour établir des groupes de projet conjoints afin de stimuler l'amélioration des compétences des employés.
Au cours de ce processus, la structure du personnel des institutions financières connaîtra également quelques ajustements et transformations. Les développeurs utilisant des grands modèles seront plus susceptibles de rester dans cet environnement.
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
Tendances d'application des grands modèles dans le secteur financier : de l'engouement à la mise en œuvre, la stratégie de déploiement et la demande de talents continuent de croître.
L'évolution de la technologie des grands modèles dans le secteur financier : de l'enthousiasme à la rationalité
Depuis la naissance de ChatGPT, le secteur financier a rapidement suscité un engouement, les acteurs de l'industrie craignant d'être laissés pour compte par la vague des nouvelles technologies. Cette anxiété s'est répandue dans tous les coins, et même dans les temples, on peut entendre des discussions sur le sujet des grands modèles.
Cependant, cette anxiété s'atténue progressivement, et la pensée des gens devient plus claire et rationnelle. L'attitude du secteur financier envers les grands modèles a traversé plusieurs étapes : en février et mars, il y avait une anxiété générale ; en avril et mai, des équipes ont commencé à se former et à agir ; au cours des mois suivants, des difficultés ont été rencontrées dans la recherche de direction et la mise en œuvre, ce qui a conduit à une tendance vers la rationalité ; actuellement, il y a une attention accrue portée aux cas de référence et une tentative de validation des scénarios éprouvés.
Une nouvelle tendance est que de nombreuses institutions financières ont élevé les grands modèles au niveau stratégique. Selon des statistiques incomplètes, parmi les entreprises cotées en A-shares, au moins 11 banques ont clairement mentionné dans leurs derniers rapports semestriels qu'elles explorent l'application des grands modèles. D'après les actions récentes, elles réfléchissent également à plus de clarté en termes de stratégie et de conception de haut niveau.
De l'enthousiasme à un retour à la rationalité
Comparé à il y a quelques mois, la compréhension des clients financiers sur les grands modèles a considérablement augmenté. Au début de l'année, lorsque ChatGPT est apparu, bien que tout le monde était très enthousiaste, la compréhension de la nature et des modes d'application des grands modèles était limitée.
À ce stade, certaines grandes banques ont pris les devants en lançant diverses campagnes de promotion pour "profiter du buzz". D'autre part, avec le lancement de grands modèles par plusieurs fabricants, les départements technologiques de certaines institutions financières de premier plan discutent activement de la construction de grands modèles avec les grandes entreprises. Ils espèrent généralement construire leurs propres grands modèles et posent des questions sur le traitement des ensembles de données, l'achat de serveurs, les méthodes d'entraînement, etc.
Après mai, la situation a progressivement changé. En raison de la pénurie de ressources de calcul et des coûts élevés, de nombreuses institutions financières ont commencé à passer d'un simple souhait de construction interne à une attention accrue sur la valeur d'application. "Maintenant, chaque institution financière s'inquiète de ce que les autres ont réalisé avec de grands modèles et des résultats obtenus."
Les entreprises de différentes tailles suivent également deux voies : les grandes institutions financières peuvent introduire des modèles de base avancés, construire des modèles d'entreprise tout en utilisant des formes de réglage fin pour créer des modèles de tâches dans des domaines spécialisés ; les petites et moyennes institutions financières peuvent alors introduire des API de divers modèles de grande taille ou des services de déploiement privatisés selon leurs besoins.
En raison des exigences élevées en matière de conformité des données, de sécurité et de fiabilité dans le secteur financier, certaines personnes estiment que la mise en œuvre des grands modèles dans ce secteur a en réalité pris un peu de retard par rapport aux attentes du début de l'année.
Certaines institutions financières ont commencé à résoudre divers "freins" dans le processus de mise en œuvre des grands modèles. En ce qui concerne la puissance de calcul, plusieurs idées de solutions ont émergé dans le secteur :
Construire directement la puissance de calcul, coût élevé mais sécurité élevée, adapté aux grandes institutions financières souhaitant construire des modèles d'entreprise ou de secteur.
Déploiement hybride de la puissance de calcul, acceptant les appels d'interfaces de services de grands modèles depuis le cloud public sans que les données sensibles ne sortent du domaine, tout en traitant les services de données locaux par déploiement privatif. Coût relativement bas, adapté aux institutions financières de taille petite et moyenne avec des ressources financières limitées.
Cependant, de nombreuses petites et moyennes entreprises font encore face à la difficulté de ne pas pouvoir acheter ou se permettre des cartes GPU. Pour remédier à ce problème, les autorités concernées mènent des recherches sur le sujet, explorant s'il est possible de construire une infrastructure de grands modèles pour des secteurs spécifiques de manière pragmatique, en centralisant les ressources de calcul et de grands modèles, afin que les petites et moyennes institutions financières puissent également bénéficier des services de grands modèles, évitant ainsi d'être "à la traîne sur le plan technologique".
En plus de la puissance de calcul, de nombreuses institutions financières renforcent également leur gouvernance des données. De plus en plus d'institutions financières de taille moyenne commencent à construire une plateforme de données et un système de gouvernance des données. Certaines banques résolvent les problèmes de données grâce à un modèle large + MLOps, réalisant ainsi l'automatisation de l'ensemble du processus et la gestion unifiée et le traitement efficace de données hétérogènes provenant de multiples sources.
Entrer par le scénario périphérique
Au cours des six derniers mois, les fournisseurs de grands modèles et les institutions financières ont cherché des scénarios, tels que le bureau intelligent, le développement intelligent, le marketing intelligent, le service client intelligent, la recherche et investissement intelligents, la gestion des risques intelligente, et l'analyse des besoins, qui ont tous été explorés un par un.
Chaque institution financière a des idées riches sur les grands modèles. Mais pour vraiment les mettre en œuvre, le consensus est de commencer par l'interne avant de passer à l'externe. Actuellement, la technologie des grands modèles n'est pas encore mature, et le secteur financier est un domaine fortement réglementé, avec des exigences de sécurité et de confiance élevées.
Il n'est pas recommandé d'utiliser directement face aux clients à court terme. Les institutions financières devraient prioriser l'utilisation de grands modèles pour l'analyse et la compréhension des textes financiers et des images, ainsi que pour des créations dans des scénarios à forte intensité intellectuelle, en collaborant avec des humains sous forme d'assistant pour améliorer l'efficacité des employés.
Actuellement, l'assistant de code a été mis en œuvre dans de nombreuses institutions financières. Il existe également de nombreux cas dans le domaine du bureau intelligent. Cependant, les professionnels de l'industrie estiment que ces scénarios largement déployés ne constituent en réalité pas encore les applications centrales des institutions financières, et que les grands modèles sont encore à une certaine distance de l'intégration dans les couches opérationnelles du secteur financier.
Il est prévu qu'avant la fin de cette année, un certain nombre de projets utilisant réellement de grands modèles dans les scénarios d'activité de base des institutions financières apparaissent ou que des informations sur des appels d'offres soient publiées.
Avant cela, des changements au niveau de la conception de haut niveau sont en cours. L'ensemble du système intelligent et numérisé de l'avenir sera reconstruit sur la base de grands modèles. Cela exige que le secteur financier restructure ses systèmes lors de la mise en œuvre des grands modèles. En même temps, il ne faut pas négliger la valeur des petits modèles traditionnels, et il faut permettre une collaboration entre les grands et les petits modèles.
Actuellement, plusieurs grandes institutions financières ont construit un cadre systémique hiérarchique basé sur de grands modèles, comprenant plusieurs niveaux tels que la couche d'infrastructure, la couche de modèle, la couche de service de grand modèle et la couche d'application. Ces systèmes présentent généralement deux grandes caractéristiques : premièrement, le grand modèle joue un rôle central, appelant les modèles traditionnels comme des compétences ; deuxièmement, la couche de grand modèle adopte une stratégie multi-modèles, avec une compétition interne pour sélectionner le meilleur résultat.
Le manque de talents reste énorme
L'application des grands modèles commence à apporter des défis et des transformations à la structure du personnel dans le secteur financier.
Certain postes de travail commencent à être remplacés par de grands modèles. Cependant, certaines banques ne souhaitent pas que ces grands modèles entraînent des réductions d'effectifs, mais plutôt qu'ils apportent de nouvelles opportunités, améliorent la qualité du service aux employés et l'efficacité au travail, tout en libérant une partie des employés pour qu'ils puissent faire des choses à plus forte valeur ajoutée.
Cela comprend également des considérations sur la stabilité des personnes et des structures. D'autre part, c'est également parce qu'il y a encore des pénuries de talents dans de nombreux postes de l'industrie. Les grandes banques ont un grand nombre de tâches à accomplir, et certains délais pour les besoins informatiques sont même programmés jusqu'à la fin de l'année prochaine. Elles espèrent que les grands modèles pourront aider les employés à améliorer leur efficacité et leur rapidité, et non pas entraîner une réduction du personnel.
Plus important encore, l'essor des grands modèles est à la fois soudain et intense, et l'offre de talents rares peine à répondre à la demande croissante en peu de temps. La demande de talents pour l'application directe des grands modèles est relativement simple, il s'agit de personnes capables de poser des questions. Mais si l'on souhaite construire un grand modèle spécifique à un secteur ou à une entreprise, il est nécessaire que les institutions financières disposent d'une équipe technique spécialisée et compétente en grands modèles.
Certaines organisations ont déjà agi. Des entreprises ont collaboré avec des équipes de ressources humaines de laboratoires bancaires pour examiner les pratiques de transition des employés liées à l'application des grands modèles dans les entreprises. Elles ont conçu une série de cours de formation, tels que l'optimisation des invites, le réglage fin et l'exploitation des grands modèles, et ont collaboré avec différents départements pour établir des groupes de projet conjoints afin de stimuler l'amélioration des compétences des employés.
Au cours de ce processus, la structure du personnel des institutions financières connaîtra également quelques ajustements et transformations. Les développeurs utilisant des grands modèles seront plus susceptibles de rester dans cet environnement.