金融業界がビッグモデルの導入を遅らせているのはなぜでしょうか?

ChatGPTの登場以来、金融業界はたちまち不安に陥っています。テクノロジーを信頼するこの業界は、時代の急速な流れに取り残されることを恐れています。この緊張した雰囲気は静かな寺院にも広がった。業界関係者はデジタル・フロンティアに対し、5月に出張で大理に行った際、寺院の巨大模型について話をした金融関係者に会ったと語った。

しかし、この不安は徐々に普通のことになりつつあり、皆の思考はより明確で合理的になり始めています。 iSoftStoneの銀行業務部門のCTOである孫宏軍氏は、デジタルフロンティアに対し、今年の金融業界のビッグモデルに対する姿勢のいくつかの段階について説明した。 2月と3月は誰もが不安で、遅れをとることを恐れていた。 4月と5月には、それを実行するチームを結成した。その後の数か月で、誰もが方向性と実装を見つけるのに困難に直面し、合理的になり始めた。現在は、ベンチマークを確認し、検証済みのシナリオを試用している。

新たな傾向としては、多くの金融機関が戦略的なレベルからビッグモデルを重視し始めていることが挙げられます。不完全な統計によると、A株上場企業のうち、中国工商銀行、中国農業銀行、中国銀行、交通銀行など少なくとも11の銀行が最新の半期報告書で、大規模モデルの適用を検討していることを明確に述べている。彼らの最近の行動から判断すると、戦略レベルとトップレベルの設計レベルからの思考と経路計画もより明確になっているようです。

熱意から合理性へ

「数か月前と比べて、金融業界の顧客がビッグモデルをはるかによく理解しているのがはっきりとわかります」と、大手企業の金融業界の幹部はDigital Intelligence Frontierに語った。今年初めにChatGPTが初めて登場したとき、誰もが非常に熱狂的だったが、実際にはビッグモデルとは何か、どのように使用するかについての理解は非常に限られていたという。

この段階では、一方では大手銀行が先頭に立って、「人気に乗じて儲ける」ためのさまざまな宣伝活動を展開し始めた。たとえば、今年 3 月には、中国農業銀行が ChatGPT に似た大規模なモデル アプリケーション ChatABC を立ち上げました。しかし、業界の評価はまちまちだ。当時、 ChatABC という名前は ChatGPT 内のあまり重要でない Chat を強調し、 GPT の本当に重要な部分を無視していると考える人もいました。

一方、百度などのメーカーが相次いで大型モデルをリリースするなか、大手金融機関の技術部門も大手メーカーと大型モデルの構築について積極的に協議し始めている。前述の幹部は、これらの金融機関の一般的な要望は、大規模なモデルを自ら作ることだと明かし、メーカーがデータセットの作り方、サーバーの購入数、トレーニング方法を教えてくれることを望んでいると述べた。 CCBの金融テクノロジー会社であるCCBファイナンシャルは、完成後に他の業界にも何らかの成果を提供できるかどうかさえ尋ねた。

5月以降、状況は徐々に変化しました。コンピューティング リソースの不足とコストの高騰により、多くの金融機関は、単に独自のコンピューティング能力とモデルを構築することを望むのではなく、アプリケーションの価値をより重視する方向にシフトし始めています。 「今やすべての金融機関は、他社がビッグモデルで何を実行し、どのような成果を達成したかを懸念している。」

企業の規模によっても、2つの道があります。膨大な金融データとアプリケーションシナリオを持つ大手金融機関は、業界をリードする基本的なビッグモデルを導入し、独自のエンタープライズビッグモデルを構築し、微調整を使用して専門分野のタスクビッグモデルを形成することで、ビジネスを迅速にエンパワーし、ビッグモデルの長い構築サイクルを補うことができます。中小規模の金融機関は、ROIを総合的に考慮し、必要に応じてパブリッククラウドAPIまたはさまざまなビッグモデルのプライベート展開サービスを導入して、エンパワーメントの需要に直接対応できます。

しかし、金融業界自体がデータのコンプライアンス、セキュリティ、信頼性に対して高い要求をしているため、業界のビッグモデルの実装の進捗は実際には年初に期待されていたよりも若干遅れていると考える人もいます。ソフトバンクの孫宏軍氏は、当初は金融業界が最初に大規模モデルを導入するのではないかと予想していたが、最終的な顧客接続から判断すると、金融業界は法律、人材紹介などの業界ほど速くはなかったと述べた。

一部の金融機関は、大規模モデルの実装におけるさまざまな「足かせ」を解決する方法を見つけ始めています。

たとえば、コンピューティング能力の面では、業界関係者は金融業界でいくつかのソリューションが登場していることに気づきました。

まず、コンピューティング能力を独自に直接構築するのは比較的コストがかかりますが、十分に安全であるという利点があります。 CCBやICBCなどの大手国有銀行など、自力で大規模な産業や企業モデルを構築したいと考えている強固な体力を持つ金融機関に適しています。

事情に詳しい関係者がデジタル・フロンティアに語ったところによると、CCBは最近、コンピューティング能力を強化するために、H800コンピューティング能力を大量に注文したという。

2 番目は、コンピューティング能力のハイブリッド展開です。つまり、機密データのドメインを離れることなくパブリック クラウドから大規模なモデル サービス インターフェイスへの呼び出しを受け入れ、プライベート展開を通じてローカル データ サービスを処理します。この方法は比較的低コストで、需要を満たすために数枚のカードを購入するために数十万元を投資するだけで済みます。比較的資金が弱く、需要がある場合にのみ使用する中小規模の金融機関に適しています。

しかし、それでも多くの中小規模の機関は、大規模モデルに必要な GPU カードを購入できない、または購入する余裕がないという問題に直面しています。この問題に対して、前述の幹部はデジタルフロンティアに対し、CSRCは最近、妥協的な方法で証券業界のビッグモデルインフラストラクチャの構築を主導し、コンピューティングパワー、一般的なビッグモデルなどのリソースを集中し、業界の中小金融機関もビッグモデルサービスを使用して「技術の遅れ」を防ぐことができるかどうかを探るためのいくつかの研究プロジェクトを実施していると明らかにした。

コンピューティング能力の面だけでなく、過去6か月間の大規模モデルの実装の検討により、多くの金融機関もデータガバナンスを徐々に強化してきました。

テンセントクラウド副社長の胡立明氏は、データガバナンスの分野で成熟した実践を持つ大手銀行に加えて、ますます多くの中堅金融機関もデータミドル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紹介した。例えば、今年上半期の北部湾銀行と湖南省農村信用協同組合はいずれも中堅金融機関である。胡立明氏は、完全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、金融機関の今後のIT構築において非常に重要なテーマになると考えています。

一部の銀行では、大規模なモデルと MLOps を通じてデータの問題を解決しています。例えば、中国農業銀行はMLOpsモデルを採用して大規模モデルデータの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、多元異種データの一元管理と効率的な処理を実現し、現在2.6TBの高品質トレーニングデータセットを構築・蓄積していると報告されている。

周辺シーンからのカットイン

過去6か月間、大手モデルのサービスプロバイダーであろうと、大手金融機関であろうと、誰もが必死にシナリオを探してきました。スマートオフィス、スマート開発、スマートマーケティング、スマートカスタマーサービス、スマート投資研究、スマートリスク管理、需要分析など、すべてが1つずつ探求されてきました。

アントグループの副社長で金融ビッグモデル責任者の王暁航氏は外灘会議で「金融ビジネスチェーンのあらゆる主要機能は、ビッグモデル技術でやり直す価値がある」と述べた。アントは最近金融ビッグモデルを発表し、現在はアントプラットフォームパートナーと協力して内部テストを実施し、金融業界向けのビッグモデル製品を共同で構築している。目標は、ファイナンシャルアドバイザー、保険代理店、投資調査、金融マーケティング、保険金請求などの金融専門家向けのフルチェーンAIビジネスアシスタントを作成することである。

どの金融機関も、大きなモデルに関して豊かな想像力とアイデアを持っています。 CCBは、すでに20以上のシナリオでこの技術を適用していると述べ、ABCは30以上のシナリオで試験運用を実施していると述べ、GF Securitiesは、この大規模モデルを、以前に立ち上げた仮想デジタルヒューマンプラットフォームと接続する方法を模索していると述べた。

しかし、業界で実際に大きなモデルを実装するとなると、まず社内で実行し、次に社外で実行する必要があることに誰もが同意します。結局のところ、現段階では、幻覚問題などのビッグモデル技術は成熟しておらず、一方で金融業界は規制が厳しく、安全性が高く、信頼性の高い業界です。

「短期的には顧客に直接使用することは推奨されません」。中国工商銀行の最高技術責任者である呂中涛氏は、金融機関は金融テキストや金融画像の分析、理解、作成など、知的集約的なシナリオで大規模モデルの使用を優先し、アシスタントや人間と機械のコラボレーションを利用して、業務担当者の作業品質と効率を向上させるべきだと考えています。

胡立明氏はまた、デジタル・フロンティアに対し、多くの金融顧客は、コードアシスタントとカスタマーサービスアシスタントは、初期段階で直接何らかの成果を生み出すことができるシナリオであると考えていると語った。しかし、投資調査やコンサルティングなどのシナリオは価値が高いものの、すぐに結果を出すことが難しく、データ要件も高くなります。

現在、多くの金融機関でコードアシスタントが導入されています。たとえば、ICBC は大規模なモデルに基づくインテリジェントな R&D システムを構築しており、コーディング アシスタントによって生成されるコードの量は全体のコードの 40% を占めています。たとえば、保険分野では、サンシャイン保険が大規模なモデルに基づいた Ivy 支援プログラミング プラグインを開発し、社内の開発ツールに直接組み込んでいます。

これを踏まえて、大規模なモデルコードを生成する機能をベースに、すぐに使用できる製品を金融顧客に直接提供しているメーカーもあります。 iSoftStone の Sun Hongjun 氏は、同社の製品の一つは、ビッグモデル自体のコード補完機能に、タスク分解、正確な回答、コンテキスト制限の突破などの一連のタスクを補完し、ユーザーがすぐに使えるようにすることだと紹介しました。現在、この製品はHSBCの3,000人以上に利用されており、自動コード補完率は50%～90%となっています。

スマートオフィス分野でも実践事例は多数あります。ファーウェイのPangu金融業界ビッグモデル製品を担当する朱博士は、Pangu金融ビッグモデルに基づく支店質疑応答サービスが7月にICBCでオンライン化されて以来、数百の支店に導入され、回答採用率が85％を超えたことを紹介した。現在、Document Q&A によって開発された標準ソリューションは、交通銀行、中国農業銀行、銀聯、上海証券取引所などに急速に導入されています。

しかし、業界関係者は、これらの広く導入されているシナリオは実際には金融機関の中核的なアプリケーションではなく、大規模なモデルが金融業界の業務レベルに浸透するにはまだ遠いと考えています。

「業務アプリケーション シナリオに取り組むのは非常に難しいと考えています」と孫宏軍氏は述べました。マーケティング、リスク管理、コンプライアンスなどのシナリオはすべて、ビッグ モデルが変化をもたらす可能性のある領域であり、金融​​顧客のニーズが存在する領域でもあると述べました。ただし、現状では、これらのタスクは、業務シナリオを実装する前に、基盤となるビッグ モデル メーカーの能力向上に依存しています。

前述の大手企業のビッグモデル上級専門家は、Digital Intelligence Frontierに対して、今年末までに金融機関のコアビジネスシーンでビッグモデルを実際に活用するプロジェクト構築や入札情報が大量に発表されると予測した。

その前に、トップレベルの設計変更がいくつか進行中です。

9月初旬、アントグループが主催した外灘会議において、復旦大学教授で上海データ科学重点実験室所長の肖陽華氏は、将来のインテリジェントデジタルシステム全体が大規模モデルに基づいて再構築されるだろうとの判断を示した。そのため、金融業界は、大規模モデルの導入を推進する過程で、システムの再構築を迫られています。同時に、伝統的な小型モデルの価値を無視することはできず、大型モデルと小型モデルを調整する必要があります。

この傾向は金融業界にも広く反映されています。 「現在、金融機関は大規模モデルの作成を試行しており、基本的には階層化アプローチを採用するだろう」と胡立明氏は紹介し、1つのシナリオでプラットフォームの構築が必要だった過去の煙突モデルとは異なり、大規模モデルは金融機関にゼロから始めて、より科学的な方法で全体的なシステム計画を立てる機会を与えると述べた。

中国農業銀行、中国光大銀行、GF証券、陽光保険など、多くの大手金融機関がすでに、インフラストラクチャ層、モデル層、ビッグモデルサービス層、アプリケーション層などのレベルを含むビッグモデルに基づく階層化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。

これらのフレームワーク システムには、一般に 2 つの優れた機能があります。1 つ目は、ビッグ モデルが中心的な役割を果たし、従来のモデルをスキルとして呼び出すことです。2 つ目は、ビッグ モデル レイヤーがマルチモデル戦略を採用し、内部で競合して最適な効果を選択することです。

実際、金融機関だけでなく、一部の大手モデルアプリケーションプロバイダーも、現在の不確実な状況においてサービス効果を最適化するために、マルチモデル戦略を採用しています。孫宏軍氏は、ソフトバンクの基盤モデル層にも多数の大規模言語モデルが統合されており、各大規模モデルから返される回答を組み立てて最適化し、ユーザーに提供すると明らかにした。

人材のギャップは依然として大きい

ビッグモデルの適用は、金融業界の人員構成にいくつかの課題と変化をもたらし始めています。

以前、上海の金融テクノロジー企業の関係者は、ChatGPTの出現により、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Digital Intelligence Frontに語っていた。数年前、これは非常に人気のある職業でした。このことで彼はしばらくの間不安になり、娘の将来の職業選択を事前に考え始めるほどでした。

中国工商銀行の金融分野の幹部も、ビッグモデルが人々に与える代替効果について語った。 ICBC では、以前はインターン生が毎朝あらゆる角度から情報をまとめ、それを投資調査部門に渡していましたが、現在は大規模なモデルを通じてインターン生の仕事を完了することができます。

しかし、一部の銀行は、実際には大規模なモデルが人員削減につながることを望んでいません。例えば、支店に20万人の従業員を抱えるICBCは、従業員がビッグモデルに置き換えられることを望んでいないことをファーウェイに明確に伝えた。ビッグモデルは、従業員のサービス品質と作業効率を向上させる新たな機会をもたらすと同時に、一部の従業員がより価値の高い仕事に従事できるようにすべきである。

これには、人員と構造の安定性に関する考慮が含まれます。しかしその一方で、業界の多くの職種では依然として人材不足が残っています。

孫宏軍氏はデジタル・フロンティアに対し、大手銀行にはやるべき仕事が山ほどあり、IT関連の需要は来年末まで続く予定もあると語った。銀行の希望は、人員削減につながるのではなく、大規模なモデルによって従業員がより多くの仕事をこなし、効率とスピードを「向上」させることだ。

さらに重要なのは、大物モデルの人気が急激に高まったため、人材の供給不足が短期間で急増する需要に追いつかなかったことだ。これはちょうど、iPhone が初めて登場したときと同じです。誰もがアプリを作りたがり、iOS プログラマーを世界中探し回らなければなりませんでしたが、それは費用がかかり、困難でした。

9月初旬のフィンテックカンファレンスで、中国農業銀行の研究開発センター副総経理である趙環芳氏は、ビッグモデル機能をコアビジネスプロセスに適用する際に金融業界が現在直面している6つの大きな課題をまとめたが、その1つが人材である。趙環芳氏は、最近新入社員を何人か採用し、キャンパスリクルートも行っていると述べた。AI分野を研究しているか尋ねると、非常に高い割合で答えた。大規模モデルについて尋ねると、「非常に少ない」と答えた。

孫洪軍もこのことを深く理解している。建国記念日のちょうど1週間前に、銀行の顧客から人材支援の依頼を受けた。銀行が構築した大規模なモデルチームのメンバーのうち1人が一時休職したため、モデル育成業務は一時的に人手不足に陥り、一時的に外部からの支援を求めざるを得なくなりました。

「確かに、現在この分野には人材が非常に少なく、育成には時間がかかるでしょう。」孫紅軍氏は、大規模モデルを直接適用する人材の需要は比較的単純であり、必要なのは質問できる人材だと考えています。しかし、金融機関が独自の業界または企業のビッグモデルを構築する場合、有能な垂直ビッグモデル技術チームが必要になります。

テンセントクラウドの胡立明副社長も、AIビッグモデルの分野では人材不足が大きく、主要機関が現在アルゴリズム博士などAI関連の人材を採用していることを認めた。なぜなら、金融クライアントは大手モデルメーカーから一定の技術サポートを受けることはできるものの、結局のところ、彼らは最終的なユーザーであり、イノベーションのリーダーであるため、AIプラットフォーム全体の構築とさまざまなAIアプリケーションの計画をサポートするために、ある程度の人材の蓄積が必要です。モデリング、チューニング、微調整の全プロセスにおいて、大手モデルメーカーと協力して、シーンの重ね合わせやモデルの重ね合わせなどの関連する最適化を実行し、AIモデルの適用範囲と効果を継続的に拡大する必要があります。

すでに行動を起こしているプレイヤーもいます。ファーウェイの朱博士は、同社がICBC実験室の人事チームと特別に協力し、企業アプリケーションにおけるビッグモデルの人事変革の実践を整理し、プロンプトチューニング、微調整、ビッグモデル操作などの一連のトレーニングコースを設計したことを紹介した。また、リモートバンキング、UX設計、支店などの部門と協力して共同プロジェクトチームを設立し、企業の人事能力の向上を推進した。

「ビッグモデルは半製品であり、完成品には程遠い。完成品にするには現場の人々の共同の努力が必要だ」と業界幹部は結論づけた。大企業のビッグモデルは、企業の既存の伝統的な能力にいくらかの改善をもたらすが、パラダイムシフトは生み出さないだろう。金融システム内に内部のニーズを深く統合し、大きな変数を作るチームがあって初めてパラダイムシフトが達成できる。

このプロセスにおいて、金融機関の人員構成も何らかの調整と変更を受けるであろうことは言及する価値がある。 「大規模なモデルを使用できる開発者は、使用できない開発者よりも、この環境で生き残る可能性が間違いなく高くなります」と孫宏軍氏は語った。