大規模モデルの金融業界における応用状況: 戦略的視点から実際の実施まで

ChatGPTの登場は金融業界に大きな反響を引き起こしました。最初、この技術に重点を置いた業界は、時代の波に取り残されることを心配して、一般的に不安を感じていました。この感情は、思いがけない場所にも広がったと言われています。今年の5月には、大理の寺院でも金融業者が大規模モデルについて議論しているのが聞かれました。

しかし、時間が経つにつれて、この不安は次第に収まっていき、人々の思考もより明確で理性的になってきました。ソフトウエア開発会社の銀行業務CTO、孫洪軍は、金融業界における大規模モデルに対する態度の変化の過程を説明しました: 2月から3月にかけては一般的な不安; 4月から5月にはチームを結成して研究を開始; その後数ヶ月は方向性を見つける過程で困難に直面し、理性的になり始め; 現在はベンチマークに注目し、検証済みのアプリケーションシナリオを試みています。

現在、多くの金融機関が戦略的な観点から大規模モデルの重要性を認識し始めています。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の銀行が最新の中間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。これには、中国工商銀行、農業銀行、中国銀行、交通銀行などが含まれます。最近の動きを見ると、これらの機関は戦略とトップダウン設計の観点から、より明確な思考と道筋の計画を進めています。

熱狂から理性的な回帰へ

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は明らかに向上しました。今年初めにChatGPTが出現した際には、熱意が高かったものの、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。

この段階では、一部の大手銀行が先んじて行動を起こし、様々な「話題を利用した」宣伝を始めました。例えば、3月にある銀行がChatGPTに類似した大規模モデルのアプリケーションを発表しましたが、業界の評価は様々です。ある人はこのアプリケーションがチャット機能を過度に強調し、より重要な生成能力を無視していると考えています。

国内の多くのテクノロジー企業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テクノロジー部門はこれらの企業との大規模モデルの構築について積極的に話し合いを始めています。彼らは一般的に、自主的に大規模モデルを開発することを希望し、データセットの構築、サーバーの構成、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。ある銀行傘下のフィンテック企業は、完成した後に業界に技術を提供したいと提案しています。

5月以降、状況が変わり始めました。計算力リソースの不足や高コストといった要因に制約されて、多くの金融機関は単に自社で構築することから、より応用価値に焦点を当てるように転換しました。現在、各金融機関は他の機関の大規模モデルの応用状況とその効果に注目しています。

異なる規模の企業には2つのパスが現れました。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、先進的な基盤大モデルを導入し、企業大モデルを自社で構築し、微調整方式を採用して専門分野のタスク大モデルを開発し、迅速にビジネスを強化します。一方、中小金融機関はROIを考慮し、必要に応じてさまざまな大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サービスを導入し、直接的に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、信頼性などの要求が高いため、業界の専門家の中には、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少し遅れていると考える人もいます。ソフトウェア通商の孫洪軍は、彼らは当初、金融業界が最初に大規模に大規模モデルを使用すると予想していたが、実際には金融業界の適用進捗は法律や採用などの業界ほど早く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プロセスにおけるさまざまな制約を解決する方法を探し始めています。

計算能力の面で、業界にはいくつかの解決策が現れました:

1. 直接自建算力,コストは高いが安全性が強く、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。最近、ある大手国有銀行が算力構築のためにH800チップを購入したとのことです。

2. 計算力のハイブリッドデプロイメントは、センシティブなデータが外部に流出しないことを前提に、公的クラウドの大規模モデルサービスインターフェースを利用し、同時にプライベートデプロイメントでローカルデータを処理します。この方法はコストが低く、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。

3. 中小機関が直面しているGPUカードの不足と高価格の問題に対処するため、規制当局は証券業界向けに共有の大規模モデルインフラを構築する可能性を探っています。集中した計算能力と汎用の大規模モデルリソースを提供し、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、技術の遅れを防ぎます。

計算力の他に、最近半年で多くの金融機関がデータガバナンスを強化しています。あるクラウドサービスプロバイダーの幹部は、主要な大手銀行の他に、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の構築を始めていると述べています。彼は、整備された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が、今後の金融機関のIT構築における重要な方向性になるだろうと考えています。

いくつかの銀行は、大規模モデルとMLOpsを組み合わせる方法でデータの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を構築し、プロセスの自動化と多様な異種データの統一管理および効率的な処理を実現しました。現在、2.6TBの高品質なトレーニングデータセットを構築しています。

周辺のシーンから切り込む

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ナリオを探しています。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探索の重点となっています。

あるフィンテック企業の幹部が言ったように、「金融ビジネスのチェーン上の各重要な環節は、大規模モデル技術を使って再設計される価値があります。」この企業は最近、金融業界向けの大規模モデルを発表し、パートナーと共に金融産業向けの大規模モデル製品を開発しました。これは、ファイナンシャルアドバイザー、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、全方位のAIビジネスアシスタントを提供することを目的としています。

各金融機関は大規模モデルの応用について豊富な構想を持っています。ある大手銀行は20以上のシーンでアプリケーションを投入したと称し、別の銀行は30以上のシーンで試験運用を行っていると述べ、さらに証券会社は大規模モデルとバーチャルデジタル人プラットフォームを組み合わせることを探求しています。

しかし、実際の導入プロセスにおいて、一般的な合意は内部での利用を優先し、その後外部への普及を行うということです。結局のところ、現在の段階では大規模モデル技術はまだ成熟しておらず、幻覚などの問題が存在します。また、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分野でもあります。

ある大手銀行の技術責任者は、短期的には大規模モデルを直接顧客に使用することを推奨しないと考えています。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、創作などの知的集約型シーンに適用し、アシスタントの形で人間と機械の協調を実現し、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複数の金融機関で実用化されています。例えば、ある銀行は大規模モデルに基づくスマートな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するコードの量は総コード量の40%を占めています。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まれています。

スマートオフィス分野でも多くの実績があります。ある大規模モデルのサプライヤーが金融大規模モデルに基づいて展開したネットワークQ&Aシステムは、ある銀行で稼働を開始してから数百の拠点に普及し、回答の採用率は85％を超えています。この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コピーされています。

しかし、業界の専門家は、これらの広く実装されているシーンは実際には金融機関の核心的なアプリケーションではなく、大規模モデルが金融業界のビジネス層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。

あるITサービスプロバイダーの幹部は、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が大規模モデルが変革をもたらす可能性がある領域であり、金融顧客のニーズが存在する分野であると述べていますが、現在これらの作業は基盤となる大規模モデルのベンダーの能力の向上に依存しています。

業界関係者は、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建設や入札情報が出現するとの予測を立てています。

その前に、いくつかのトップレベルの設計に関する変革が進行中です。専門家は、将来的には全体のスマート化、デジタル化システムが大規模モデルの基盤の上に再構築されると判断しています。これは、金融業界が大規模モデルの実装を推進する過程でシステムを再構築することを要求し、同時に従来の小規模モデルの価値を無視せず、大規模モデルと小規模モデルが協調するべきであることを意味します。

このトレンドは金融業界で広く表れています。現在、金融機関は大規模モデルの試行を行っており、基本的に階層型のモデルを採用しています。過去においては、1つのシーンごとにプラットフォームを構築するサイロ型モデルが必要でしたが、大規模モデルは金融機関にゼロから始めて、より科学的に全体システムの計画を行う機会を与えました。

現在、多くの主要な金融機関が、基盤インフラ層、モデル層、大モデルサービス層、アプリケーション層などの複数のレベルを含む分層システムフレームワークを大モデルに基づいて構築しています。これらのフレームワークには一般的に二つの特徴があります。一つは、大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、大モデル層が多モデル戦略を採用し、内部競争によって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、現在の状況が未確定である中で、一部の大規模モデルアプリケーションプロバイダーもマルチモデル戦略を採用し、サービスの効果を最適化しています。あるITサービスプロバイダーは、彼らの基盤モデル層が多数の大規模言語モデルを統合しており、各大モデルの回答に基づいて組み立てて最適化し、ユーザーに提供すると明らかにしました。

人材のギャップは依然として大きい

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

金融テクノロジー企業の関係者は、ChatGPTが登場して以来、彼の所属する会社が今年初めから5月末までに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。これにより、彼は将来のキャリアの発展について懸念を抱くようになりました。

ある大手銀行の金融分野のベテランが、大規模モデルの人間に対する代替効果について共有しました。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投資研究部門にまとめていましたが、現在ではこれらの作業を大規模モデルを通じて行うことができます。

ただし、一部の銀行は大規模なモデルによる人員削減を望んでいません。例えば、20万人のネットワークスタッフを抱えるある大手銀行は、従業員が大規模なモデルに置き換えられることを望んでおらず、むしろ大規模なモデルが新たな機会をもたらし、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仕事を行うために解放されることを望んでいます。

この点では、スタッフと構造の安定性を考慮している一方で、多くのポジションに依然として人材不足が存在するためでもあります。あるITサービスプロバイダーの幹部は、大手銀行には完了できない多くの作業があり、一部のITニーズの工期は来年の年末まで延長されることさえあると述べています。彼らは、大規模なモデルが従業員の効率と速度を向上させるのに役立つことを期待しており、人員削減を招くことは望んでいません。

さらに重要なのは、大規模モデルの急速な発展が短期間で不足している人材供給と急増する需要をマッチさせることが難しいということです。これは、iPhoneが登場した当初にアプリを開発しようとしてもiOSプログラマーを見つけるのが難しかったのと同じです。

ある大手銀行の研究開発責任者が、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つの主要な課題をまとめました。その中の1つは人材不足です。最近採用した新入社員や新卒者の中で、AI分野を学んでいる割合は非常に高いですが、大規模モデルに関する知識を持つ人材はほとんどいません。

あるITサービスプロバイダーの幹部も同様の経験があり、最近ある銀行の顧客から人材支援のリクエストを受けた。この銀行は自社で大規模モデルチームを構築しているが、チームの誰かが急に休暇を取ったため、モデルのトレーニング作業が人手不足に直面し、外部からの支援を求めざるを得なかった。

現在、大規模モデルを直接適用する人材の需要は比較的簡単で、主に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社で構築する場合、金融機関は専門的な大規模モデル技術チームが必要です。

あるクラウドサービスプロバイダーの幹部は、AI大モデル分野の人材の不足が非常に大きいと認めており、主要な機関は現在、アルゴリズム博士などのAI関連専門家を募集しています。これは、金融顧客が大モデルの提供者から技術サポートを受けることができる一方で、彼らが最終的な使用者でありイノベーションの主導者であるため、AI大プラットフォームの構築、さまざまなAIアプリケーションの計画、そしてモデリング、チューニング、微調整の過程で大モデルの提供者と協力し、AIモデルの適用範囲と効果を拡大していくために、一定の人材の蓄積が必要だからです。

いくつかの企業が行動を起こしています。あるテクノロジー企業は銀行ラボと協力し、大規模モデルの企業での適用における人材の変革の実践を整理しました。そして、Promptの微調整、ファインチューニング、大規模モデルの運用などの一連のトレーニングコースを設計し、複数の部門と協力して共同プロジェクトチームを設立し、企業の人材能力の向上を推進しています。

業界の専門家は、大規模モデルは現在まだ十分に成熟しておらず、分野の専門家が共同で努力しなければ成熟した製品を開発できないと指摘しています。大手企業の大規模モデルは、企業の既存の伝統的な人材に一定の向上をもたらしますが、パラダイムの変化はもたらしません。本当のパラダイムの変化には、金融システム内部にニーズに深く融合したチームが必要であり、重大な革新をもたらす必要があります。

注目すべきは、このプロセスにおいて、金融機関の人員構成も調整と変革を迎えるということです。大規模モデルの使用スキルを持つ開発者は、この環境で立ち位置を確保しやすくなります。