大模型带来金融业变革：从急躁到理性，人才依然稀缺

ChatGPT的出现在金融业引发了焦虑感。这个对技术有信仰的行业担心在快速发展的时代中落后。最初的焦虑情绪逐渐平息,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:二三月份普遍焦虑;四五月开始组建团队;之后几个月在寻找方向和落地上遇到困难,态度趋于理性;目前正在关注标杆案例,尝试验证过的场景。

许多金融机构已将大模型提升到战略层面。据不完全统计,至少有11家A股上市银行在最新半年报中明确提出正在探索大模型应用。从近期动作看,他们也正从战略和顶层设计层面进行更清晰的思考和规划。

相比几个月前,现在金融客户对大模型的理解明显提升。年初时虽然热情高涨,但对大模型的认知其实很有限。一些大行率先行动,开始进行各种宣传。同时,一些头部金融机构开始与大厂洽谈大模型建设事宜。

5月以后,受算力资源紧缺、成本高昂等因素影响,很多金融机构从单纯希望自建转变为更关注应用价值。不同规模企业也分化出两条路径:大型机构可引入基础大模型自建企业大模型,同时采用微调形式;中小机构可按需引入API或私有化部署服务。

由于金融行业对数据合规性、安全性、可信性要求高,大模型落地进展略滞后于年初预期。一些金融机构已开始解决落地过程中的各种问题,如算力、数据治理等方面。

在场景探索方面,智慧办公、智能开发、智慧营销、智能客服等都被一一尝试。但普遍共识是先内部后外部,短期内不建议直接对客使用。目前代码助手、智慧办公等场景已在不少机构落地。

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多层级的系统框架,普遍特点是大模型发挥中枢作用,采用多模型策略。

大模型应用已开始对金融行业人员结构带来挑战和变革。一些工作被替代,但也带来新机会。目前人才缺口依然很大,特别是垂直大模型技术人才。一些机构已采取行动,如开展培训等。在这个过程中,金融机构的人员结构也会迎来调整。