大模型在金融业：从热情高涨到理性回归

ChatGPT的问世在金融业引发了焦虑感。这个对技术有信仰的行业担心被时代洪流甩在身后。不过，这种焦虑正在慢慢归于平静，思路也变得更加清晰和理性。

金融业对大模型的态度经历了几个阶段:初期焦虑担心落后,随后纷纷组建团队,之后在落地上遇到困难变得理性,现在则关注标杆案例并进行试用。

越来越多金融机构开始从战略层面重视大模型。多家上市银行在半年报中提出正在探索大模型应用,并从顶层设计层面进行更清晰的思考和规划。

相比几个月前,金融客户对大模型的理解已有明显提升。年初时虽热情高涨,但对大模型的认知还很有限。一些大行率先行动,开始做各种宣传。同时一些头部金融机构开始与大厂讨论大模型建设。

5月后情况逐渐变化。受限于算力资源和成本等因素,很多金融机构从希望自建转向更关注应用价值。大型机构可引入基础大模型自建企业大模型,中小机构则可按需引入API或私有化部署服务。

由于金融业对数据合规性、安全性等要求高,大模型落地进展略滞后于预期。一些机构开始想办法解决落地中的各种问题,如自建算力、混合部署等。同时加强了数据治理,构建数据中台和治理体系。

在应用场景方面,智慧办公、智能开发、智能客服等都被探索。但业内共识是先从内部场景切入,短期内不建议直接对客使用。代码助手、文档问答等已在多家机构落地。

一些顶层设计层面的改变也在进行。多家头部金融机构已基于大模型搭建了包含多个层级的分层系统框架,普遍采用大模型发挥中枢能力、多模型策略等特点。

大模型的应用开始对金融业人员结构带来挑战。一些岗位面临被替代,但也有机构希望通过大模型提升效率而非减员。同时,大模型人才缺口仍然很大,金融机构需要培育一支精干的大模型技术队伍。

未来,会用大模型的人员可能更容易在这个环境中留存。金融机构正在通过培训等方式提升员工能力,推动人员转型。大模型的深入应用,需要金融体系内部团队深入融合内部需求,才有可能带来范式的改变。