Aplikasi Teknologi Model Besar dalam Industri Keuangan: Dari Kecemasan ke Rasionalitas
Kemunculan ChatGPT telah memicu perhatian luas di industri keuangan. Pada awalnya, ada kecemasan di dalam industri, khawatir tertinggal dalam arus teknologi. Seiring waktu, kecemasan ini perlahan mereda, digantikan oleh pemikiran yang lebih rasional dan jelas.
Institusi keuangan telah mengalami beberapa tahap dalam sikap mereka terhadap model besar: kecemasan dan kekhawatiran awal, pembentukan tim secara aktif untuk eksplorasi, pemikiran rasional setelah menghadapi kesulitan implementasi, dan saat ini percobaan selektif. Perlu dicatat bahwa banyak institusi keuangan telah memasukkan model besar ke dalam tingkat strategis. Beberapa bank publik dalam laporan setengah tahunan terbaru mereka secara jelas menyatakan bahwa mereka sedang mengeksplorasi aplikasi model besar.
Seiring dengan pemahaman yang lebih dalam tentang model besar, perhatian lembaga keuangan beralih dari sekadar membangun model ke nilai aplikasi. Lembaga keuangan besar cenderung membangun model besar perusahaan sendiri, sedangkan lembaga kecil dan menengah lebih mempertimbangkan untuk mengadopsi layanan yang sudah ada.
Dalam proses implementasi, lembaga keuangan menghadapi tantangan seperti daya komputasi dan tata kelola data. Beberapa lembaga mengambil langkah-langkah seperti membangun daya komputasi sendiri dan menerapkan penyebaran hibrida untuk mengatasi masalah daya komputasi. Pada saat yang sama, tata kelola data juga diperkuat, seperti membangun platform data dan mengadopsi model MLOps.
Saat ini, penerapan model besar di industri keuangan terutama terfokus pada kantor cerdas, pengembangan cerdas, layanan pelanggan, dan skenario periferal lainnya. Di industri ini, secara umum diyakini bahwa dalam jangka pendek tidak tepat untuk langsung menggunakan model besar dalam bisnis inti yang berorientasi pelanggan. Aplikasi seperti asisten kode dan pertanyaan dokumen telah diterapkan di beberapa lembaga, tetapi masih ada jarak untuk mencapai tingkat kedalaman dalam bisnis.
Dari sudut pandang desain tingkat atas, beberapa lembaga keuangan sedang merombak arsitektur sistem berdasarkan model besar, menggunakan pola berlapis dan strategi multi-model. Arsitektur baru ini menekankan peran sentral model besar, sambil tetap mempertimbangkan nilai model tradisional.
Penerapan model besar juga membawa tantangan tenaga kerja bagi industri keuangan. Di satu sisi, beberapa posisi menghadapi risiko digantikan; di sisi lain, ada kekurangan tenaga kerja yang terkait dengan model besar yang sangat besar. Beberapa lembaga telah mulai mengambil tindakan, seperti merancang program pelatihan, membentuk kelompok proyek bersama, dan sebagainya, untuk meningkatkan kemampuan staf yang ada.
Secara keseluruhan, penerapan teknologi model besar di industri keuangan sedang beralih dari antusiasme buta di awal menjadi eksplorasi yang lebih rasional. Lembaga keuangan perlu secara bertahap mengintegrasikan model besar ke dalam proses bisnis sambil memastikan keamanan dan kepatuhan, serta mengembangkan talenta terkait untuk menyesuaikan diri dengan perubahan yang dibawa oleh teknologi ini.
Lihat Asli
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
Aplikasi model besar di sektor keuangan memasuki periode rasional: dari kecemasan ke penataan strategi
Aplikasi Teknologi Model Besar dalam Industri Keuangan: Dari Kecemasan ke Rasionalitas
Kemunculan ChatGPT telah memicu perhatian luas di industri keuangan. Pada awalnya, ada kecemasan di dalam industri, khawatir tertinggal dalam arus teknologi. Seiring waktu, kecemasan ini perlahan mereda, digantikan oleh pemikiran yang lebih rasional dan jelas.
Institusi keuangan telah mengalami beberapa tahap dalam sikap mereka terhadap model besar: kecemasan dan kekhawatiran awal, pembentukan tim secara aktif untuk eksplorasi, pemikiran rasional setelah menghadapi kesulitan implementasi, dan saat ini percobaan selektif. Perlu dicatat bahwa banyak institusi keuangan telah memasukkan model besar ke dalam tingkat strategis. Beberapa bank publik dalam laporan setengah tahunan terbaru mereka secara jelas menyatakan bahwa mereka sedang mengeksplorasi aplikasi model besar.
Seiring dengan pemahaman yang lebih dalam tentang model besar, perhatian lembaga keuangan beralih dari sekadar membangun model ke nilai aplikasi. Lembaga keuangan besar cenderung membangun model besar perusahaan sendiri, sedangkan lembaga kecil dan menengah lebih mempertimbangkan untuk mengadopsi layanan yang sudah ada.
Dalam proses implementasi, lembaga keuangan menghadapi tantangan seperti daya komputasi dan tata kelola data. Beberapa lembaga mengambil langkah-langkah seperti membangun daya komputasi sendiri dan menerapkan penyebaran hibrida untuk mengatasi masalah daya komputasi. Pada saat yang sama, tata kelola data juga diperkuat, seperti membangun platform data dan mengadopsi model MLOps.
Saat ini, penerapan model besar di industri keuangan terutama terfokus pada kantor cerdas, pengembangan cerdas, layanan pelanggan, dan skenario periferal lainnya. Di industri ini, secara umum diyakini bahwa dalam jangka pendek tidak tepat untuk langsung menggunakan model besar dalam bisnis inti yang berorientasi pelanggan. Aplikasi seperti asisten kode dan pertanyaan dokumen telah diterapkan di beberapa lembaga, tetapi masih ada jarak untuk mencapai tingkat kedalaman dalam bisnis.
Dari sudut pandang desain tingkat atas, beberapa lembaga keuangan sedang merombak arsitektur sistem berdasarkan model besar, menggunakan pola berlapis dan strategi multi-model. Arsitektur baru ini menekankan peran sentral model besar, sambil tetap mempertimbangkan nilai model tradisional.
Penerapan model besar juga membawa tantangan tenaga kerja bagi industri keuangan. Di satu sisi, beberapa posisi menghadapi risiko digantikan; di sisi lain, ada kekurangan tenaga kerja yang terkait dengan model besar yang sangat besar. Beberapa lembaga telah mulai mengambil tindakan, seperti merancang program pelatihan, membentuk kelompok proyek bersama, dan sebagainya, untuk meningkatkan kemampuan staf yang ada.
Secara keseluruhan, penerapan teknologi model besar di industri keuangan sedang beralih dari antusiasme buta di awal menjadi eksplorasi yang lebih rasional. Lembaga keuangan perlu secara bertahap mengintegrasikan model besar ke dalam proses bisnis sambil memastikan keamanan dan kepatuhan, serta mengembangkan talenta terkait untuk menyesuaikan diri dengan perubahan yang dibawa oleh teknologi ini.