Model Besar dalam Industri Keuangan: Dari Penekanan Strategis ke Implementasi yang Rasional

Sejak peluncuran ChatGPT, industri keuangan dengan cepat menarik perhatian, sektor yang penuh keyakinan terhadap teknologi ini sangat takut tertinggal oleh arus zaman. Namun, kecemasan awal mulai kembali ke rasionalitas, dan pemikiran juga semakin jelas.

Sikap industri keuangan terhadap model besar telah mengalami beberapa fase: pada awal tahun, umumnya merasa cemas; pada musim semi mulai membentuk tim untuk penelitian; pada musim panas menghadapi kesulitan dalam mencari arah dan implementasi, menjadi lebih rasional; saat ini, mereka sedang mencoba merujuk pada skenario yang telah terverifikasi.

Sebuah tren baru adalah, banyak lembaga keuangan telah mulai memberikan perhatian strategis pada model besar. Menurut statistik yang tidak lengkap, setidaknya ada 11 bank di perusahaan yang terdaftar di A-share yang secara jelas menyatakan dalam laporan setengah tahunan terbaru mereka bahwa mereka sedang menjelajahi aplikasi model besar. Dari tindakan baru-baru ini, mereka juga sedang melakukan pemikiran dan perencanaan jalur yang lebih jelas dari sisi strategis dan desain tingkat atas.

Pada awal tahun, ketika ChatGPT baru muncul, meskipun antusiasme sangat tinggi, pemahaman tentang sifat dan cara aplikasi model besar masih terbatas. Beberapa bank besar mengambil tindakan terlebih dahulu, mulai melakukan berbagai promosi. Sementara itu, dengan dirilisnya model besar oleh beberapa perusahaan teknologi domestik, departemen teknologi dari beberapa lembaga keuangan terkemuka mulai aktif berdiskusi dengan perusahaan besar mengenai pembangunan model besar.

Setelah bulan Mei, dipengaruhi oleh kekurangan sumber daya komputasi dan biaya yang tinggi, banyak lembaga keuangan mulai beralih dari sekadar harapan untuk membangun sendiri ke lebih fokus pada nilai aplikasi. Lembaga keuangan besar dapat memperkenalkan model besar dasar terkemuka, membangun model besar perusahaan sendiri, sambil menggunakan bentuk fine-tuning, membentuk model tugas di bidang spesialisasi. Sementara lembaga keuangan kecil dan menengah dapat mempertimbangkan pengembalian investasi secara menyeluruh, dan memperkenalkan berbagai layanan model besar sesuai kebutuhan.

Karena industri keuangan memiliki tuntutan yang sangat tinggi terhadap kepatuhan data, keamanan, dan keandalan, beberapa orang berpendapat bahwa kemajuan penerapan model besar dalam industri ini sedikit lebih lambat dari yang diperkirakan pada awal tahun. Untuk mengatasi berbagai kendala dalam proses penerapan, lembaga keuangan sedang mengeksplorasi berbagai solusi, termasuk membangun kemampuan komputasi sendiri, penerapan campuran, dan sebagainya. Sementara itu, semakin banyak lembaga keuangan juga memperkuat tata kelola data.

Saat ini, penerapan model besar di industri keuangan terutama terfokus pada skenario luar seperti kantor cerdas, pengembangan cerdas, dan layanan pelanggan cerdas. Secara umum, industri berpendapat bahwa dalam jangka pendek tidak tepat untuk menggunakan model besar secara langsung pada bisnis inti yang berorientasi pelanggan, tetapi sebaiknya diterapkan terlebih dahulu pada skenario yang membutuhkan kecerdasan tinggi di dalam, untuk meningkatkan efisiensi kerja melalui kolaborasi manusia dan mesin.

Beberapa institusi keuangan telah mulai membangun kerangka sistem berlapis yang mencakup lapisan infrastruktur, lapisan model, lapisan layanan, lapisan aplikasi, dan beberapa lapisan lainnya berdasarkan model besar. Kerangka ini umumnya memiliki dua karakteristik: pertama, model besar berfungsi sebagai kemampuan pusat, menggunakan model tradisional sebagai keterampilan yang dipanggil; kedua, lapisan model besar mengadopsi strategi multi-model, membandingkan secara internal untuk memilih efek yang paling optimal.

Aplikasi model besar telah mulai membawa tantangan dan perubahan pada struktur tenaga kerja di industri keuangan. Di satu sisi, beberapa posisi tradisional menghadapi risiko penggantian; di sisi lain, permintaan untuk talenta terkait model besar melonjak, tetapi pasokan dalam jangka pendek sulit untuk disesuaikan. Beberapa lembaga keuangan sedang mengambil tindakan, melalui pelatihan dan cara lainnya untuk meningkatkan kemampuan karyawan yang ada, sambil juga secara aktif merekrut talenta terkait.

Secara keseluruhan, penerapan model besar di industri keuangan sedang beralih dari semangat awal yang tinggi menuju penerapan yang lebih rasional. Lembaga keuangan perlu memperhatikan model besar di tingkat strategis, sambil juga memperhatikan untuk menyelesaikan berbagai tantangan dalam proses penerapan, termasuk masalah daya komputasi, data, dan talenta. Di masa depan, model besar diharapkan dapat memainkan peran yang semakin penting dalam industri keuangan, mendorong transformasi digital dan perkembangan inovatif di sektor ini.