金融業における大規模モデルへの態度の変化:不安から理性的探求へ

ChatGPTの登場以来、金融業界は人工知能の大規模モデルに対する態度が不安から理性的なものへと変化しました。当初、業界内では技術が遅れることを懸念し、次々とチームを編成して大規模モデルに関連する作業を行っていました。時間が経つにつれ、金融機関は大規模モデルをより理性的に捉え、その実際の応用価値に注目し始めました。

現在、多くの大手銀行が大モデルを戦略計画に盛り込んでいます。完全ではない統計によると、少なくとも11のA株上場銀行が最新の中間報告書で大モデルの応用を探求していると述べています。最近の動向から見ると、金融機関は戦略やトップレベルの設計の観点から大モデルについてより深く考え、計画を進めています。

年初と比較して、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。一部の大手銀行は、農業銀行のChatABCのように、大規模モデルのアプリケーションを先駆けて導入しました。その後、より多くの金融機関が単に独自のモデルを構築することを追求するのではなく、大規模モデルの実際の応用価値に注目し始めました。

計算能力やコストなどの制約により、金融機関は異なる大規模モデルの応用戦略を採用しています。大規模な機関は企業の大規模モデルを自社で構築する傾向があり、中小機関はより多くの公有クラウドAPIやプライベートなデプロイサービスを利用しています。計算能力の問題を解決するために、一部の機関は自社で計算能力を構築することを選択し、他の機関はハイブリッドデプロイメントの方案を採用しています。

データガバナンスは金融機関の重点業務となっています。ますます多くの機関がデータプラットフォームとガバナンスシステムの構築を始めています。ある銀行はMLOps方式を通じて大規模モデルのデータクローズドループを構築し、データの効率的な管理と処理を実現しました。

アプリケーションシーンに関して、金融機関は一般的に内部シーンからアプローチすることを選択しています。例えば、スマートオフィス、スマート開発などです。コードアシスタントやカスタマーサポートアシスタントは、比較的効果が見えやすい応用分野です。しかし、大規模モデルが金融のコアビジネスにおいて使用されるには依然として課題があり、さらなる探索が必要です。

いくつかの金融機関は、大規模モデルに基づいてITシステムを再構築し、階層的なモデルを採用し、大規模モデルを中枢として伝統的なモデルを統合しています。最適な効果を得るために、マルチモデル戦略も広く採用されています。

大規模モデルの応用は金融業界の人材構造に影響を与えています。一方で、従来の職種は代替されるリスクに直面しています; 他方で、大規模モデルに関連する人材の不足が深刻です。金融機関はAI人材を育成・導入するために様々な方法を用いて、大規模モデルの応用の持続的な発展を支えています。

全体的に見ると、金融業界の大規模モデルに対する態度は、初期の不安から理性的な探索へと移行し、自身に適した応用パスと発展モデルを積極的に模索しています。