Cambio de actitud de la industria financiera hacia los grandes modelos: de la ansiedad a la exploración racional
Desde el lanzamiento de ChatGPT, la actitud de la industria financiera hacia los modelos de inteligencia artificial ha pasado de la ansiedad a la racionalidad. Al principio, había una preocupación general en el sector por quedarse atrás en la tecnología, y muchos formaron equipos para trabajar en modelos grandes. A medida que ha pasado el tiempo, las instituciones financieras han comenzado a ver los modelos grandes de manera más racional, centrándose en su valor práctico de aplicación.
Actualmente, varios grandes bancos han incluido grandes modelos en su planificación estratégica. Según estadísticas incompletas, al menos 11 bancos que cotizan en la bolsa A han mencionado en sus últimos informes semestrales que están explorando la aplicación de grandes modelos. A juzgar por las tendencias recientes, las instituciones financieras están realizando un análisis y planificación más profundos sobre los grandes modelos desde la perspectiva estratégica y de diseño de alto nivel.
En comparación con principios de año, la comprensión de los clientes financieros sobre los grandes modelos ha mejorado significativamente. Algunos grandes bancos han sido pioneros en el lanzamiento de aplicaciones de grandes modelos, como ChatABC de Agricultural Bank. Posteriormente, más instituciones financieras han comenzado a centrarse en el valor práctico de los grandes modelos, en lugar de simplemente perseguir la construcción de modelos propios.
Debido a las limitaciones de capacidad de cálculo, costos, etc., las instituciones financieras han adoptado diferentes estrategias de aplicación de modelos grandes. Las grandes instituciones tienden a construir sus propios modelos empresariales, mientras que las instituciones más pequeñas y medianas prefieren utilizar API de nube pública o servicios de implementación privada. Para resolver el problema de capacidad de cálculo, algunas instituciones optan por construir su propia capacidad de cálculo, mientras que otras eligen soluciones de implementación híbrida.
La gobernanza de datos se ha convertido en un trabajo clave para las instituciones financieras. Cada vez más instituciones están comenzando a construir plataformas de datos y sistemas de gobernanza. Algunos bancos han establecido un ciclo de datos de grandes modelos a través de MLOps, logrando una gestión y procesamiento de datos eficientes.
En cuanto a los escenarios de aplicación, las instituciones financieras suelen optar por comenzar desde escenarios internos, como oficinas inteligentes, desarrollo inteligente, etc. Los asistentes de código y los asistentes de atención al cliente son áreas de aplicación que presentan resultados más evidentes. Sin embargo, la aplicación de modelos grandes en los negocios centrales de las finanzas aún enfrenta desafíos y requiere una exploración adicional.
Algunas instituciones financieras han comenzado a reconstruir sus sistemas de TI basándose en grandes modelos, adoptando un patrón jerárquico que utiliza el gran modelo como núcleo para integrar modelos tradicionales. También se está utilizando ampliamente una estrategia de múltiples modelos para optimizar los mejores resultados.
La aplicación de grandes modelos está afectando la estructura de talento en la industria financiera. Por un lado, algunos puestos tradicionales enfrentan el riesgo de ser reemplazados; por otro lado, existe una gran escasez de talento relacionado con grandes modelos. Las instituciones financieras están cultivando e incorporando talento en IA de diversas maneras para apoyar el desarrollo continuo de la aplicación de grandes modelos.
En general, la actitud de la industria financiera hacia los grandes modelos ha cambiado de la ansiedad inicial a la exploración racional, y están buscando activamente rutas de aplicación y modelos de desarrollo que se adapten a sí mismos.
Ver originales
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
Tendencias en la aplicación de modelos de gran escala en la industria financiera: de la ansiedad a la exploración racional del valor práctico
Cambio de actitud de la industria financiera hacia los grandes modelos: de la ansiedad a la exploración racional
Desde el lanzamiento de ChatGPT, la actitud de la industria financiera hacia los modelos de inteligencia artificial ha pasado de la ansiedad a la racionalidad. Al principio, había una preocupación general en el sector por quedarse atrás en la tecnología, y muchos formaron equipos para trabajar en modelos grandes. A medida que ha pasado el tiempo, las instituciones financieras han comenzado a ver los modelos grandes de manera más racional, centrándose en su valor práctico de aplicación.
Actualmente, varios grandes bancos han incluido grandes modelos en su planificación estratégica. Según estadísticas incompletas, al menos 11 bancos que cotizan en la bolsa A han mencionado en sus últimos informes semestrales que están explorando la aplicación de grandes modelos. A juzgar por las tendencias recientes, las instituciones financieras están realizando un análisis y planificación más profundos sobre los grandes modelos desde la perspectiva estratégica y de diseño de alto nivel.
En comparación con principios de año, la comprensión de los clientes financieros sobre los grandes modelos ha mejorado significativamente. Algunos grandes bancos han sido pioneros en el lanzamiento de aplicaciones de grandes modelos, como ChatABC de Agricultural Bank. Posteriormente, más instituciones financieras han comenzado a centrarse en el valor práctico de los grandes modelos, en lugar de simplemente perseguir la construcción de modelos propios.
Debido a las limitaciones de capacidad de cálculo, costos, etc., las instituciones financieras han adoptado diferentes estrategias de aplicación de modelos grandes. Las grandes instituciones tienden a construir sus propios modelos empresariales, mientras que las instituciones más pequeñas y medianas prefieren utilizar API de nube pública o servicios de implementación privada. Para resolver el problema de capacidad de cálculo, algunas instituciones optan por construir su propia capacidad de cálculo, mientras que otras eligen soluciones de implementación híbrida.
La gobernanza de datos se ha convertido en un trabajo clave para las instituciones financieras. Cada vez más instituciones están comenzando a construir plataformas de datos y sistemas de gobernanza. Algunos bancos han establecido un ciclo de datos de grandes modelos a través de MLOps, logrando una gestión y procesamiento de datos eficientes.
En cuanto a los escenarios de aplicación, las instituciones financieras suelen optar por comenzar desde escenarios internos, como oficinas inteligentes, desarrollo inteligente, etc. Los asistentes de código y los asistentes de atención al cliente son áreas de aplicación que presentan resultados más evidentes. Sin embargo, la aplicación de modelos grandes en los negocios centrales de las finanzas aún enfrenta desafíos y requiere una exploración adicional.
Algunas instituciones financieras han comenzado a reconstruir sus sistemas de TI basándose en grandes modelos, adoptando un patrón jerárquico que utiliza el gran modelo como núcleo para integrar modelos tradicionales. También se está utilizando ampliamente una estrategia de múltiples modelos para optimizar los mejores resultados.
La aplicación de grandes modelos está afectando la estructura de talento en la industria financiera. Por un lado, algunos puestos tradicionales enfrentan el riesgo de ser reemplazados; por otro lado, existe una gran escasez de talento relacionado con grandes modelos. Las instituciones financieras están cultivando e incorporando talento en IA de diversas maneras para apoyar el desarrollo continuo de la aplicación de grandes modelos.
En general, la actitud de la industria financiera hacia los grandes modelos ha cambiado de la ansiedad inicial a la exploración racional, y están buscando activamente rutas de aplicación y modelos de desarrollo que se adapten a sí mismos.