大模型在金融業：從熱情高漲到理性回歸

ChatGPT的問世在金融業引發了焦慮感。這個對技術有信仰的行業擔心被時代洪流甩在身後。不過，這種焦慮正在慢慢歸於平靜，思路也變得更加清晰和理性。

金融業對大模型的態度經歷了幾個階段:初期焦慮擔心落後,隨後紛紛組建團隊,之後在落地上遇到困難變得理性,現在則關注標杆案例並進行試用。

越來越多金融機構開始從戰略層面重視大模型。多家上市銀行在半年報中提出正在探索大模型應用,並從頂層設計層面進行更清晰的思考和規劃。

相比幾個月前,金融客戶對大模型的理解已有明顯提升。年初時雖熱情高漲,但對大模型的認知還很有限。一些大行率先行動,開始做各種宣傳。同時一些頭部金融機構開始與大廠討論大模型建設。

5月後情況逐漸變化。受限於算力資源和成本等因素,很多金融機構從希望自建轉向更關注應用價值。大型機構可引入基礎大模型自建企業大模型,中小機構則可按需引入API或私有化部署服務。

由於金融業對數據合規性、安全性等要求高,大模型落地進展略滯後於預期。一些機構開始想辦法解決落地中的各種問題,如自建算力、混合部署等。同時加強了數據治理,構建數據中臺和治理體系。

在應用場景方面,智慧辦公、智能開發、智能客服等都被探索。但業內共識是先從內部場景切入,短期內不建議直接對客使用。代碼助手、文檔問答等已在多家機構落地。

一些頂層設計層面的改變也在進行。多家頭部金融機構已基於大模型搭建了包含多個層級的分層系統框架,普遍採用大模型發揮中樞能力、多模型策略等特點。

大模型的應用開始對金融業人員結構帶來挑戰。一些崗位面臨被替代,但也有機構希望通過大模型提升效率而非減員。同時,大模型人才缺口仍然很大,金融機構需要培育一支精幹的大模型技術隊伍。

未來,會用大模型的人員可能更容易在這個環境中留存。金融機構正在通過培訓等方式提升員工能力,推動人員轉型。大模型的深入應用,需要金融體系內部團隊深入融合內部需求,才有可能帶來範式的改變。