大規模モデル技術の金融業における進化: 熱狂から理性へ

ChatGPTの登場以来、金融業界は急速に熱潮を巻き起こし、業界全体が新技術の波に取り残されることを心配しています。このような不安の感情は、一時的にあらゆる隅々に広がり、寺院の中でも大規模なモデルの話題について議論する声が聞こえるほどでした。

しかし、この不安は徐々に収束し、人々の考え方はより明確で理性的になっています。金融業界の大規模モデルに対する態度は、いくつかの段階を経てきました。2月と3月には、一般的に不安を感じていました。4月と5月には、チームを結成して行動を開始しました。その後の数ヶ月間は、方向性を見つけたり、実行に移す過程で困難に直面し、理性的になり始めました。現在では、より多くの注目がベンチマーク事例に集まり、検証済みのシナリオを試すことに焦点を当てています。

新たなトレンドとして、多くの金融機関が大規模モデルを戦略的なレベルに引き上げていることが挙げられます。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述べています。最近の動きを見ると、彼らは戦略やトップレベルのデザインの観点から、より明確な思考とパスプランニングを進めているようです。

熱気から理性への回帰

数ヶ月前と比べて、金融顧客の大規模モデルに対する理解が明らかに向上しました。今年初めにChatGPTが登場した時は、皆が熱心でしたが、大規模モデルの本質や応用方法についての理解は限られていました。

この段階で、一部の大手銀行が先行して行動し、様々な「話題に便乗する」宣伝を始めました。一方で、複数の企業が大規模モデルを発表する中、いくつかの大手金融機関の技術部門は大手企業との大規模モデル構築に関する議論を積極的に行っています。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、データセットの処理、サーバーの調達、トレーニング方法などの問題について問い合わせています。

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の不足や高コストなどの要因に制約され、多くの金融機関は単に自前で構築することを望むのではなく、より応用価値に関心を寄せ始めています。「現在、すべての金融機関は他の人が大規模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関心を持っています。」

異なる規模の企業は2つのパスに分かれます: 大規模な金融機関は、先進的な基盤大モデルを導入し、企業大モデルを自社で構築し、微調整形式を採用して専門分野のタスク大モデルを形成できます; 中小の金融機関は、必要に応じてさまざまな大モデルのAPIやプライベートデプロイサービスを導入できます。

金融業界はデータのコンプライアンス、安全性、信頼性などに高い要求を持つため、一部の人々はこの業界の大規模モデルの実装進展が年初の期待に対してやや遅れていると考えています。

いくつかの金融機関が、大規模モデルの実装プロセスにおけるさまざまな「制約」を解決し始めています。計算能力の面では、業界ではいくつかの解決策が現れています:

1. 直接にマイニングを構築することは、コストが高いが安全性が高く、業界や企業の大規模モデルを自ら構築したい大型金融機関に適しています。

2. 計算力のハイブリッド展開。センシティブなデータがドメイン外に出ない場合に、公有クラウドから大規模モデルサービスインターフェースの呼び出しを受け入れ、同時にプライベートデプロイメントでローカルデータサービスを処理します。コストが低く、資金が相対的に弱い中小型金融機関に適しています。

しかし、多くの中小機関は依然としてGPUカードを購入できない、または高すぎる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、関連機関は研究課題を進めており、特定の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索しています。集中的な計算能力や汎用の大規模モデルなどのリソースを提供し、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、「技術の遅れ」を防ぐことを目指しています。

計算能力の他にも、多くの金融機関がデータガバナンスの強化を徐々に進めています。中規模の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システムの構築を始めています。ある銀行は、大規模モデル+MLOpsの方法でデータ問題を解決し、全プロセスの自動化と多ソース異種データの統一管理および効率的処理を実現しました。

外部シーンからのアプローチ

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シーンを探し続けてきました。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、需要分析などが順次探求されています。

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、実際に実現するためには、まず内部での合意が必要であり、その後に外部へと展開するというのが共通の認識です。現在、大規模モデル技術はまだ成熟しておらず、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。

短期的には顧客に直接使用することを推奨しません。金融機関は、大規模モデルを金融テキストや画像の分析、理解、創作などの知的集約型シーンに優先的に使用し、アシスタントの形で人間と機械の協力を通じて業務担当者の作業効率を向上させるべきです。

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。スマートオフィス分野でも多くの事例があります。しかし、業界関係者は、これらの広く導入されているシナリオは、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イヤーに深く浸透するにはまだ一定の距離があると判断しています。

今年の年末までに、金融機関のコアビジネスシーンで大規模モデルを実際に使用するプロジェクトの建設や入札情報が現れると予測されています。

その前に、いくつかのトップレベルの設計変更が行われている。未来の全ての知能化、デジタルシステムは、大規模モデルの基盤の上に再構築されることになる。これにより、金融業界は大規模モデルの展開を推進する過程で、システムを再構築する必要がある。同時に、従来の小規模モデルの価値を無視することはできず、大規模モデルと小規模モデルが協調することを促進すべきである。

現在、多く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、複数の層からなる階層システムフレームワークを構築しています。これらのフレームワークには一般的に二つの大きな特徴があります。一つは、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。もう一つは、大規模モデル層が多モデル戦略を採用し、内部で競争を行い、最適な成果を選出することです。

人材不足は依然として大きい

大規模モデルの応用は、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。

いくつかの職務が大規模モデルによって置き換えられ始めています。しかし、一部の銀行は大規模モデルによる人員削減を望んでいるのではなく、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業務を行えるようにしたいと考えています。

これには、スタッフと構造の安定性を考慮する要素が少なくありません。一方で、業界内には多くのポジションで人材不足があるためでもあります。大手銀行は多くの仕事を完了させる必要があり、一部のIT需要は来年の年末まで工期が排されており、彼らは大規模モデルが従業員の効率と速度を向上させる手助けになることを望んでおり、従業員削減をもたらすことは望んでいません。

さらに重要なのは、大規模モデルの流行が急速かつ猛烈に押し寄せてきており、短期間での人材供給が急増する需要に追いつくのが難しいということです。大規模モデルを直接適用するための人材需要は比較的単純で、質問をすることができる人が必要です。しかし、業界や企業の大規模モデルを自ら構築する場合、金融機関には優れた垂直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ました。ある企業は銀行のラボと人事チームを連携させ、大規模モデルの企業アプリケーションにおける人材転換の実践を整理し、Prompt調整、微調整、大規模モデルの運用などの一連の研修コースを設計しました。また、各部門と協力し、共同プロジェクトチームを設立して企業の人材能力の向上を推進しています。

このプロセスでは、金融機関の人員構成にもいくつかの調整と変革が訪れるでしょう。大規模モデルの開発者は、この環境でより容易に留まることができるでしょう。