# 人工知能が金融業界に与えるインパクト:当初の不安から合理的な応用までChatGPTの登場は金融業界に一波の不安を引き起こしました。技術に対する信仰が強い業界として、金融界は急速に発展する人工知能時代に取り残されるのではないかと心配しています。この不安は広がりを見せ、寺院の中でも金融業界の人々が大規模モデル技術について議論しているのを耳にすることができます。しかし、時間が経つにつれて、この不安は徐々に収まり、人々の考え方もより明確で理性的になってきました。金融業界は大規模モデルに対していくつかの段階を経てきました: 最初の懸念と不安、次に積極的な行動、実際の困難に直面してからの理性的な思考、そして現在は検証されたシナリオを選択的に試す段階に入っています。注目すべきは、多くの金融機関が戦略的な観点から大規模モデル技術を重視し始めていることです。統計によると、A株上場企業の中で少なくとも11の銀行が最近の半年報告書で大規模モデルの応用を探求していることを明確に述べています。最近の動きを見ると、これらの機関は戦略的およびトップレベルの設計の観点から、より深い思考と計画を進めています。## 熱狂から理性的な回帰へ年初にChatGPTが発表されたとき、金融界は大規模モデルについての理解がまだ限られており、熱意は高まっていました。一部の大手銀行が先んじて行動し、さまざまなマーケティング宣伝を開始しました。同時に、一部の主要な金融機関のテクノロジー部門は、大手テクノロジー企業と大規模モデルの構築について積極的に交渉を行っていました。しかし、5月以降、計算能力の資源不足や高コストなどの要因により、多くの金融機関は単にモデルを構築することから、アプリケーションの価値に注目する方向にシフトし始めました。異なる規模の企業は異なる戦略を取るようになりました: 大手金融機関は業界の先進的な基盤大モデルを導入し、企業の大モデルを自社で構築する傾向があり、中小金融機関はさまざまな大モデルサービスを必要に応じて導入することをより多く考慮しています。それにもかかわらず、金融業界はデータのコンプライアンス、安全性、信頼性に対する高い要求があるため、大規模モデルの導入の進展は実際には年初の予想よりも遅れています。導入プロセスのさまざまな障害を解決するために、金融機関は自社でのコンピューティング能力の構築やハイブリッドデプロイメントなど、さまざまな方法を採用しています。同時に、ますます多くの金融機関がデータガバナンスの強化を始めています。## 周辺シーンからの切り込み過去半年以上、金融機関や大規模モデルサービスプロバイダーは、スマートオフィス、インテリジェント開発、スマートマーケティング、インテリジェントカスタマーサービス、スマート投資研究、インテリジェントリスク管理など、さまざまなアプリケーションシーンを積極的に探求しています。各金融機関は、大規模モデルに対して豊富な構想を持っています。しかし、実際に導入する際には、一般的な合意として内部アプリケーションから始め、徐々に外部に拡大することが望まれています。これは、現在の大規模モデル技術がまだ成熟していないためであり、金融業界は強い規制と高い安全要件を持つ分野だからです。したがって、多くの機関はコードアシスタントやカスタマーサポートアシスタントなど、比較的実現しやすいシーンから着手することを選んでいます。注目すべきは、これらの既に広く実装されているシナリオは、実際には金融機関のコアアプリケーションではないということです。大規模モデルが金融業界のビジネスレイヤーに本格的に浸透するには、まだ時間と技術の突破が必要です。その間に、いくつかの高次の設計面での変革が進行中です。ますます多くの金融機関が大規模なモデルに基づいて多層のシステムフレームワークを構築し、大規模モデルを中枢として、従来のモデルを統合し、多モデル戦略を採用して効果を最適化しています。## 人材のギャップは依然として大きい大規模モデルの応用は、金融業界の人員構成に挑戦と変革をもたらし始めています。一部の従来の職種は代替されるリスクに直面していますが、同時に新しい機会と需要も生まれています。多くの金融機関は、大規模モデルを通じて従業員のサービス品質と作業効率を向上させたいと考えており、単に人を置き換えるのではありません。しかし、現在業界が直面している主要な課題の一つは、大規模モデルに関連する人材の深刻な不足です。金融機関は、金融とAIの両方を理解する複合的な人材を必要としており、特に独自の業界や企業の大規模モデルに関してです。そのため、いくつかの機関は既に行動を起こし、研修コースの設計や共同プロジェクトチームの設立などを通じて、企業内部の人材の関連能力を向上させようとしています。大規模モデル技術の継続的な発展と応用に伴い、金融機関の人員構造も調整と変革を迎えることになるでしょう。大規模モデル技術を熟練して使いこなせる人材が、この急速に変化する環境で抜きん出る可能性が高くなります。
金融業はAI大モデルを受け入れる: 初期の不安から理性的な応用へ
人工知能が金融業界に与えるインパクト:当初の不安から合理的な応用まで
ChatGPTの登場は金融業界に一波の不安を引き起こしました。技術に対する信仰が強い業界として、金融界は急速に発展する人工知能時代に取り残されるのではないかと心配しています。この不安は広がりを見せ、寺院の中でも金融業界の人々が大規模モデル技術について議論しているのを耳にすることができます。
しかし、時間が経つにつれて、この不安は徐々に収まり、人々の考え方もより明確で理性的になってきました。金融業界は大規模モデルに対していくつかの段階を経てきました: 最初の懸念と不安、次に積極的な行動、実際の困難に直面してからの理性的な思考、そして現在は検証されたシナリオを選択的に試す段階に入っています。
注目すべきは、多くの金融機関が戦略的な観点から大規模モデル技術を重視し始めていることです。統計によると、A株上場企業の中で少なくとも11の銀行が最近の半年報告書で大規模モデルの応用を探求していることを明確に述べています。最近の動きを見ると、これらの機関は戦略的およびトップレベルの設計の観点から、より深い思考と計画を進めています。
熱狂から理性的な回帰へ
年初にChatGPTが発表されたとき、金融界は大規模モデルについての理解がまだ限られており、熱意は高まっていました。一部の大手銀行が先んじて行動し、さまざまなマーケティング宣伝を開始しました。同時に、一部の主要な金融機関のテクノロジー部門は、大手テクノロジー企業と大規模モデルの構築について積極的に交渉を行っていました。
しかし、5月以降、計算能力の資源不足や高コストなどの要因により、多くの金融機関は単にモデルを構築することから、アプリケーションの価値に注目する方向にシフトし始めました。異なる規模の企業は異なる戦略を取るようになりました: 大手金融機関は業界の先進的な基盤大モデルを導入し、企業の大モデルを自社で構築する傾向があり、中小金融機関はさまざまな大モデルサービスを必要に応じて導入することをより多く考慮しています。
それにもかかわらず、金融業界はデータのコンプライアンス、安全性、信頼性に対する高い要求があるため、大規模モデルの導入の進展は実際には年初の予想よりも遅れています。導入プロセスのさまざまな障害を解決するために、金融機関は自社でのコンピューティング能力の構築やハイブリッドデプロイメントなど、さまざまな方法を採用しています。同時に、ますます多くの金融機関がデータガバナンスの強化を始めています。
周辺シーンからの切り込み
過去半年以上、金融機関や大規模モデルサービスプロバイダーは、スマートオフィス、インテリジェント開発、スマートマーケティング、インテリジェントカスタマーサービス、スマート投資研究、インテリジェントリスク管理など、さまざまなアプリケーションシーンを積極的に探求しています。各金融機関は、大規模モデルに対して豊富な構想を持っています。
しかし、実際に導入する際には、一般的な合意として内部アプリケーションから始め、徐々に外部に拡大することが望まれています。これは、現在の大規模モデル技術がまだ成熟していないためであり、金融業界は強い規制と高い安全要件を持つ分野だからです。したがって、多くの機関はコードアシスタントやカスタマーサポートアシスタントなど、比較的実現しやすいシーンから着手することを選んでいます。
注目すべきは、これらの既に広く実装されているシナリオは、実際には金融機関のコアアプリケーションではないということです。大規模モデルが金融業界のビジネスレイヤーに本格的に浸透するには、まだ時間と技術の突破が必要です。
その間に、いくつかの高次の設計面での変革が進行中です。ますます多くの金融機関が大規模なモデルに基づいて多層のシステムフレームワークを構築し、大規模モデルを中枢として、従来のモデルを統合し、多モデル戦略を採用して効果を最適化しています。
人材のギャップは依然として大きい
大規模モデルの応用は、金融業界の人員構成に挑戦と変革をもたらし始めています。一部の従来の職種は代替されるリスクに直面していますが、同時に新しい機会と需要も生まれています。
多くの金融機関は、大規模モデルを通じて従業員のサービス品質と作業効率を向上させたいと考えており、単に人を置き換えるのではありません。しかし、現在業界が直面している主要な課題の一つは、大規模モデルに関連する人材の深刻な不足です。
金融機関は、金融とAIの両方を理解する複合的な人材を必要としており、特に独自の業界や企業の大規模モデルに関してです。そのため、いくつかの機関は既に行動を起こし、研修コースの設計や共同プロジェクトチームの設立などを通じて、企業内部の人材の関連能力を向上させようとしています。
大規模モデル技術の継続的な発展と応用に伴い、金融機関の人員構造も調整と変革を迎えることになるでしょう。大規模モデル技術を熟練して使いこなせる人材が、この急速に変化する環境で抜きん出る可能性が高くなります。