金融業における大規模モデルの応用探索

ChatGPTの登場は金融業界に強い不安感をもたらしました。この技術に信仰を持つ業界は、時代の波に取り残されることを恐れています。業界関係者は、今年の5月に大理に出張した際、寺院の中でも金融従事者が大規模モデルについて議論しているのを聞いたと述べています。

しかし、この不安感は徐々に和らぎ、人々の考えもより明確で理性的になってきています。ソフトウエア通力銀行の業務CTOである孫洪軍は、今年の金融業界における大規模モデルへの態度のいくつかの段階を説明しました: 2月から3月にかけては、一般的に不安を感じていました; 4月から5月にかけて、次々とチームを結成して作業を開始しました; 次の数ヶ月では、実行段階で困難に直面し、理性的になり始めました; 現在、彼らはベンチマークケースに注目し、検証済みのシナリオを試みています。

注目すべきは、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適用を探求していることを明確に示しています。最近の動きを見ると、彼らは戦略とトップレベルの設計の観点から、さらに深い思考と計画を進めているようです。

熱気から理性的な回帰へ

大手企業の金融業界のベテランが述べたところによると、数ヶ月前と比べて、現在の金融顧客は大規模モデルに対する理解が明らかに向上している。年初にChatGPTが登場した際は、皆の期待は高かったが、大規模モデルの本質や応用方法については実際には限られた理解しかなかった。

この段階では、一部の大手銀行が先行して行動し、さまざまな「話題に乗る」宣伝を始めました。例えば、今年の3月、ある銀行がChatGPTに類似した大規模モデルアプリケーションを立ち上げました。しかし、業界では評価が分かれており、ある人々はこのアプリケーションの名称がChatGPTのそれほど重要でない「チャット」部分を過度に強調し、より重要な「GPT」を無視していると考えています。

その一方で、国内の複数のメーカーが次々と大規模モデルを発表する中、一部の主要な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ついて積極的に議論を始めています。前述のベテランの方によれば、これらの金融機関は一般的に自ら大規模モデルを構築したいと考えており、データセットの制作、サーバーの調達、モデルのトレーニングなどに関して、メーカーからの指導を求めています。ある大手銀行傘下のフィンテック企業は、完成後に同業他社に提供できることを望んでいるとも示しています。

5月以降、状況に変化が現れ始めました。計算力リソースの不足やコストの高騰などの要因に制約され、多くの金融機関はもはや単純に自前で計算力やモデルを構築することを追求せず、代わりにアプリケーションの価値により注目するようになりました。現在、各金融機関は他の機関がどのように大規模モデルを活用し、どのような成果を上げているかに注目しています。

異なる規模の企業に対して、2つの経路が形成されます。膨大な金融データとアプリケーションのシナリオを持つ大規模な金融機関は、業界をリードする基盤となる大規模モデルを導入し、企業の大規模モデルを自社で構築し、微調整の方法を採用して専門分野のタスク大モデルを形成し、迅速にビジネスを強化し、大規模モデルの構築周期が長すぎるという欠点を補います。一方、中小の金融機関は投資のリターンを総合的に考慮し、必要に応じてさまざまな大規模モデルのパブリッククラウドAPIまたはプライベートデプロイメントサービスを導入し、直接的に強化のニーズを満たすことができます。

しかし、金融業界はデータのコンプライアンス、安全性、信頼性などに対して高い要求があるため、一部の人々はこの業界の大規模モデルの導入が実際には年初の予想よりもやや遅れていると考えています。ソフトウエア会社の孫洪軍氏は、彼らは最初に金融業界が大規模モデルを最も早く大規模に使用する可能性があると予想していたが、最終的な顧客との連携の状況から見ると、金融業界の進展は法律、採用などの業界ほど速くはないと述べています。

いくつかの金融機関は、大規模モデルの実装過程でのさまざまな「ボトルネック」を解決する方法を探し始めています。

例えば、計算力の観点から、業界の専門家は現在の金融業界にいくつかの解決策が出現していることに気づいています:

第一に、直接的に算力を構築することは、コストが高いものの安全性が最も優れています。これは、強力な財務基盤を持ち、業界または企業の大規模なモデルを自ら構築したい金融機関、例えば一部の国有大手銀行に適しています。

第二に、混合デプロイメント方式を採用し、機密データがドメイン外に出ない前提のもと、パブリッククラウドから大規模モデルサービスインターフェースを呼び出し、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。この方法はコストが比較的低く、数十万元を投資して数枚のGPUカードを購入するだけでニーズを満たすことができ、資金力が弱く、必要に応じて利用する中小型金融機関に適しています。

しかし、それにもかかわらず、多くの中小機関は依然として大規模モデルに必要なGPUカードを購入できず、または手に入れられないという問題に直面しています。この問題に関して、前述の専門家は、規制当局が最近いくつかの研究課題を開始し、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策を探っていることを明らかにしました。集中計算能力や汎用大規模モデルなどのリソースを提供し、中小の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、技術的に遅れを取らないようにすることを目的としています。

計算力の問題に加えて、ここ半年の大規模モデルの実用化の探求に伴い、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。

ある有名なクラウドサービスプロバイダーの幹部が紹介したところによると、現在、データガバナンスの分野で成熟した実践を持つ大手行に加えて、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システムを構築し始めているとのことです。今年の上半期にはいくつかの地方銀行がその例です。彼は、完璧なデータガバナンスシステムとデータレイク技術プラットフォームの構築が、将来の金融機関のIT構築における重要なテーマになると考えています。

銀行も大規模モデル+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のデータ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、複数のソースからの異種データの統一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。

外部シーンからの切り込み

過去半年以上、大規模モデルのサービスプロバイダーや金融機関は、積極的にアプリケーションシーンを探しています。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、需要分析などの分野が次々と探索されています。

ある著名なフィンテック企業の幹部が言ったように、「金融ビジネスチェーンの各重要機能は、すべて大規模モデル技術を用いて再構築する価値がある。」その企業は最近、金融向けの大規模モデルを発表し、パートナー機関と共同で金融産業向けの大規模モデル製品の内製テストを行っています。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、保険請求などの金融業界の専門家のために、全体のAIビジネスアシスタントを提供することです。

各金融機関は大規模モデルの応用に対して豊富な構想を持っています。ある大手銀行は内部で20以上のシナリオでのアプリケーション展開を行っていると述べ、別の銀行は30以上のシナリオでのパイロットを実施していると報告しています。また、ある証券会社は、以前に発表したバーチャルデジタルプラットフォームとの統合を探索中であると述べています......

しかし、大きなモデルを実際にビジネスに導入する際、一般的な合意はまず内部から始めて、外部に展開することです。結局のところ、現在の段階では大きなモデル技術はまだ成熟しておらず、幻覚のような問題が存在し、金融業界は厳しい規制、高い安全性、高い信頼性が求められる分野だからです。

"短期内不建议直接对客户使用。"ある大手銀行の技術責任者は、金融機関はまず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おける知的集約型シーンに適用すべきであり、アシスタントの形で人間と機械の協力を実現し、業務担当者の作業効率を向上させるべきだと考えている。

上記のクラウドサービスプロバイダーの幹部は、多くの金融クライアントがコードアシスタントやカスタマーサービスアシスタントが初期段階で直接成果を生み出すシナリオであると考えていることを示しました。一方、投資研究や投資アドバイスなどのシナリオは、非常に価値があるものの、迅速に効果を上げるのが難しく、データに対する要求も高いです。

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研究開発システムを構築し、コーディングアシスタントが生成し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、ある保険会社が大規模モデルに基づくプログラミング支援プラグインを開発し、内部開発ツールに直接組み込まれています。

これを基に、一部のメーカーは大規模モデルのコード生成能力に基づいて、金融顧客向けに使える製品を提供しています。あるITサービス会社の幹部によると、彼らの製品は大規模モデル自体のコード補完能力に加えて、タスク分解、正確な回答、文脈制限の突破などの一連の機能を追加し、ユーザーがすぐに使えるように実現しています。現在、この製品はある国際銀行で3000人以上が使用しており、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。ある大手テクノロジー企業の金融業界向け大規模モデル製品の専門家によると、彼らは金融大規模モデルに基づいた支店問答機能を導入し、7月にある大手銀行でローンチした後、数百の支店に順次展開され、回答採用率は85％を超えています。現在、文書問答が孵化した標準ソリューションは他の多くの銀行や金融機関にも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現されているシーンであり、実際には金融機関のコアアプリケーションではありません。大規模モデルは金融業界の業務層に深く入り込むにはまだ一定の距離があります。

"私たち自身の判断では、ビジネスアプリケーションのシーンでの難易度はかなり高いです。"あるITサービス会社の幹部は、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は、巨大なモデルが変革をもたらす可能性がある部分であり、同時に金融クライアントのニーズが存在する部分でもあると述べました。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に依存する必要があり、その後にビジネスシーンを構築することが必要です。

上記の大手企業の大規模モデルの専門家は、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適用するプロジェクトの構築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の設計面での変更が進行中です。

9月初に開催された業界大会で、ある有名大学の教授が次のような判断を下しました: 未来の全てのスマート化、デジタル化システムは、大規模モデルの基盤の上に再構築されるでしょう。これにより、金融業界は大規模モデルの実装を進める過程で、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を無視してはいけなく、大規模モデルと小規模モデルが協調するべきです。

このトレンドは金融業界で広く見られるようになっています。"現在、金融機関は大規模モデルを試験的に導入していますが、基本的には階層的なモデルを採用するでしょう。"あるクラウドサービスプロバイダーの幹部は、過去のように一つのシナリオに対してプラットフォームを構築するサイロ型のモデルとは異なり、大規模モデルは金融機関にゼロから始め、全体的なシステム計画をより科学的に行う機会を与えたと説明しました。

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の複数の層を含む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。これには、多くの大手銀行、証券会社、保険会社などが含まれます。

これらのフレームワークシステムには一般的に二つの顕著な特徴があります。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、大規模モデル層がマルチモデル戦略を採用し、内部で競争を行い、最適な効果を選出することです。

実際、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て、サービス効果を最適化しています。あるITサービス会社の幹部は、彼らの基盤モデル層も多くの大規模言語モデルを統合しており、各大モデルから返された回答に基づいて、最適化されたものをユーザーに提供することを明らかにしました。

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。

以前、上海のあるフィンテック企業の関係者は、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が300人以上のビッグデータアナリストを解雇したと述べました。数年前には、これは非常に人気のある職業でした。彼は一時的に不安を感じ、さらには自分の娘の将来の職業選択について考え始めました。

ある大手銀行の金融分野のベテランが、大モデルによる人の代替効果について共有しました。その銀行では以前、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渡していましたが、現在ではインターンのこれらの作業は大モデルによって完了することができます。

しかし、一部の銀行は実際には大規模モデルによる人員削減を望んでいない。例えば、20万人のネットワークスタッフを持つある大手銀行は、技術供給業者に対して、従業員が大規模モデルに取って代わられることは望んでおらず、大規模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であり、同時に一部の従業員を解放して、より高付加価値の業務に従事させるべきだと明言した。

これには人員と構造の安定性を考慮した要素が少なくありません。しかし一方で、業界内の多くのポジションに人材の不足があるためでもあります。

あるITサービス会社の幹部は、大規模な銀行には多くの未完了の作業があり、一部のITニーズの工期は来年の年末まで延びていると述べ、彼らは大規模モデルが従業員がより多くの作業を完了し、効率とスピードを向上させるのに役立つことを期待していると述べた。従業員の削減をもたらすのではなく。

もっと