金融业大模型应用进入理性阶段，多家金融机构开始从战略层面重视

ChatGPT问世后，金融业对人工智能的关注度迅速升温。一度，业内人士即使在寺庙也能听到有关大模型的讨论。然而，这种热潮正逐渐趋于平稳，行业对大模型的认识也变得更加清晰和理性。

软通动力银行业务CTO孙洪军描述了金融业对大模型态度的演变过程:年初时普遍焦虑;春季开始组建团队探索;夏季在落地过程中遇到困难,开始理性思考;如今则更多关注标杆案例,有选择地进行实践。

值得注意的是,不少金融机构已将大模型纳入战略层面。据不完全统计,至少有11家A股上市银行在最新半年报中明确提出正在探索大模型应用。从近期动作来看,这些机构正在从战略和顶层设计层面进行更深入的思考和规划。

与几个月前相比,金融客户对大模型的理解明显提升。年初时,虽然热情高涨,但对大模型的本质和应用方式了解有限。随着国内多家科技公司陆续发布大模型,一些头部金融机构开始积极与科技公司洽谈合作。

5月后,受算力资源紧缺、成本高企等因素影响,金融机构的关注点从自建模型转向应用价值。大型金融机构倾向于引入基础大模型并自建企业大模型,而中小机构则更多考虑直接使用公有云API或私有化部署服务。

然而,由于金融行业对数据合规性、安全性和可信性要求较高,大模型在该行业的落地进度实际上略低于年初预期。为解决这些问题,金融机构正采取多种措施,如自建算力、混合部署等。一些机构还在加强数据治理,构建数据中台和治理体系。

目前,金融机构主要从内部场景切入大模型应用,如智慧办公、智能开发等。许多机构认为,短期内不宜直接将大模型用于面向客户的场景。代码助手和客服助手是目前应用较为广泛的场景。

一些金融机构已开始基于大模型重构系统架构,采用分层模式,将大模型作为中枢,调用传统模型作为技能。同时,多模型策略也被广泛采用,以优选最佳效果。

大模型的应用正在对金融行业的人才结构带来挑战。一方面,某些岗位面临被替代的风险;另一方面,大模型相关人才的需求激增。金融机构普遍面临人才缺口,特别是在自建行业或企业大模型方面。一些机构已开始采取措施,如设计培训课程、建立联合项目组等,以提升员工能力。

总的来说,金融业在大模型应用方面正逐步走向成熟。虽然仍面临诸多挑战,但行业正在积极探索解决方案,并逐步将大模型融入业务流程和战略规划中。