大模型在金融业的应用现状与未来趋势

ChatGPT问世以来，迅速在金融业引发了广泛关注。起初，行业普遍表现出对新技术的焦虑，担心错过发展机遇。然而，随着时间推移，这种焦虑逐渐演变为更加理性和务实的态度。

金融业对大模型的认知经历了几个阶段:初期的焦虑和探索、中期的团队组建和方向摸索、后期的理性思考和标杆学习。目前，许多金融机构已将大模型纳入战略规划,开始进行更系统化的思考和布局。

从热情到理性

年初时,金融机构对大模型的认知较为有限,更多是出于"跟风"心态进行宣传和探索。随着国内多家科技公司发布大模型产品,一些头部金融机构开始与之洽谈合作,希望自建大模型。

5月后,受限于算力资源和成本等因素,金融机构的关注点逐渐从"建模型"转向"应用价值"。大型机构倾向于引入基础大模型并自建企业大模型,中小机构则更多考虑直接使用API服务。

由于金融业对数据安全和合规性要求高,大模型在该行业的落地进度略慢于预期。不过,一些机构已经开始探索解决方案,如自建算力、混合部署等。同时,数据治理工作也在加强。

从外围场景切入

目前,金融机构主要从内部场景着手应用大模型,如智慧办公、智能开发、智能客服等。考虑到技术不成熟等因素,业界普遍认为短期内不宜在面向客户的核心业务中直接使用大模型。

代码助手和文档问答等场景已在多家机构落地。但总体而言,这些应用还未触及金融业务的核心层面。业内预计,今年底前可能会出现一批在核心业务场景中应用大模型的项目。

在推进大模型应用的同时,一些金融机构正在重构系统架构,构建包含基础设施、模型、服务、应用等多个层级的分层框架。这种架构通常具有两个特点:一是大模型发挥中枢作用,调用传统模型作为技能;二是采用多模型策略,内部"赛马"选优。

人才缺口依然庞大

大模型的应用已开始影响金融行业的人员结构。一些传统岗位面临被替代的风险,但同时也带来了新的人才需求。金融机构普遍希望通过大模型提升员工效率,而非简单地裁员减员。

目前,具备大模型应用能力的人才十分稀缺。金融机构不仅需要会使用大模型的人才,还需要能够自建和优化大模型的技术团队。一些机构已经开始采取行动,如与科技公司合作开展培训等。

随着大模型应用的深入,金融机构的人员结构可能会发生调整。掌握大模型应用技能的员工将更具竞争力。总的来说,大模型技术正在为金融业带来新的机遇与挑战,推动行业向智能化方向迈进。