Modelos grandes no setor financeiro: da ansiedade à razão

Com o surgimento do ChatGPT, a ansiedade da indústria financeira em relação às tecnologias de inteligência artificial se espalhou rapidamente. Este setor, que tem confiança nas novas tecnologias, teme ser deixado para trás pela onda do tempo. Essa atmosfera de ansiedade se estendeu a lugares inesperados; um profissional do setor revelou que, em maio deste ano, enquanto estava em viagem de negócios em Dali, encontrou profissionais financeiros discutindo grandes modelos até mesmo em um templo.

No entanto, essa ansiedade está gradualmente diminuindo, e o pensamento das pessoas está se tornando mais claro e racional. O CTO de serviços bancários de uma empresa de software descreveu várias etapas da atitude da indústria financeira em relação a grandes modelos este ano: de fevereiro a março, havia uma ansiedade generalizada, preocupando-se em ficar para trás; de abril a maio, começaram a formar equipes para trabalhar; nos meses seguintes, enfrentaram dificuldades na busca por direções e na implementação, tornando-se mais racionais; agora, eles estão focados em projetos de referência, tentando validar cenários de aplicação testados.

Uma nova tendência é que muitas instituições financeiras começaram a valorizar os grandes modelos a partir de uma perspectiva estratégica. De acordo com estatísticas incompletas, pelo menos 11 bancos nas empresas listadas na A-share mencionaram claramente em seus últimos relatórios semestrais que estão explorando a aplicação de grandes modelos. Com base nas ações recentes, eles estão realizando um pensamento e um planejamento de caminho mais claros a partir da perspectiva estratégica e do design de alto nível.

Comparado com há alguns meses, a compreensão dos clientes financeiros sobre grandes modelos melhorou significativamente. No início do ano, quando o ChatGPT apareceu, apesar do entusiasmo elevado, a compreensão sobre a essência e as formas de aplicação dos grandes modelos era limitada. Alguns grandes bancos foram os primeiros a agir, começando a realizar diversas campanhas de divulgação. Ao mesmo tempo, com várias empresas de tecnologia lançando grandes modelos, alguns departamentos de tecnologia de instituições financeiras de topo começaram a discutir ativamente a construção de grandes modelos com grandes empresas de tecnologia.

Após maio, a situação começou a mudar gradualmente. Devido à escassez de recursos de computação e aos altos custos, muitas instituições financeiras começaram a passar de um desejo puramente de construir sua própria capacidade de computação e modelos, para uma maior atenção ao valor aplicado. Atualmente, cada instituição financeira está atenta a como outras instituições utilizam grandes modelos e quais são os resultados.

Para empresas de diferentes escalas, surgiram duas trajetórias de desenvolvimento. Grandes instituições financeiras com vastos dados financeiros e cenários de aplicação podem introduzir modelos de grande escala de ponta, construir seus próprios modelos empresariais e, ao mesmo tempo, adotar métodos de ajuste fino para formar modelos de tarefa em áreas especializadas, capacitando rapidamente os negócios. Instituições financeiras de pequeno e médio porte podem, com base no retorno sobre o investimento, introduzir conforme a necessidade APIs de nuvem pública de diferentes modelos de grande escala ou serviços de implantação privada, atendendo diretamente às necessidades de negócios.

No entanto, devido às elevadas exigências do setor financeiro em relação à conformidade, segurança e confiabilidade dos dados, algumas pessoas acreditam que o progresso na implementação de grandes modelos neste setor está, na verdade, um pouco atrasado em relação às expectativas do início do ano. Algumas instituições financeiras já começaram a procurar soluções para os vários obstáculos no processo de implementação de grandes modelos.

Na área de poder computacional, o setor financeiro atualmente apresenta algumas soluções: a primeira é construir diretamente o poder computacional, que tem um custo mais elevado, mas segurança suficiente; a segunda é a implantação mista de poder computacional, onde, sem o vazamento de dados sensíveis, aceita-se a chamada de interfaces de serviços de grandes modelos a partir da nuvem pública, enquanto o processamento de serviços de dados locais é feito através de implantação privada.

Além dos problemas de poder computacional, com a exploração prática de grandes modelos nos últimos seis meses, muitas instituições financeiras também começaram a fortalecer a governança de dados. Alguns bancos estão resolvendo problemas de dados por meio da combinação de grandes modelos com MLOps, alcançando a automação de todo o processo e a gestão unificada e eficiente de dados heterogêneos provenientes de múltiplas fontes.

Fonte do conteúdo