大規模モデル技術の金融業界における応用：不安から理性へ

ChatGPTの登場は金融業界の広範な関心を呼び起こしました。最初は、業界内部に不安が渦巻き、技術の潮流に遅れをとることを心配していました。しかし、時間が経つにつれて、この不安は次第に収まり、より理性的で明確な思考に取って代わりました。

金融機関の大モデルに対する態度は、初期の不安と懸念、積極的なチーム編成と探求、実装上の困難に直面した後の理性的な思考、そして現在の選択的な試用といういくつかの段階を経てきました。注目すべきは、多くの金融機関が大モデルを戦略的なレベルに組み込んでいることです。複数の上場銀行は最新の半年報告書で大モデルの応用を探求していると明言しています。

大規模モデルへの理解が深まるにつれて、金融機関の関心は単にモデルを構築することから応用価値へと移行しました。大規模な金融機関は自社の大規模モデルを構築する傾向がありますが、中小機関は既存のサービスを導入することをより検討しています。

落地プロセスにおいて、金融機関は計算力やデータガバナンスなどの課題に直面しています。一部の機関は、自ら計算力を構築したり、ハイブリッドデプロイメントを採用することで計算力の問題を解決しています。また、データガバナンスも強化されており、データプラットフォームの構築やMLOpsモデルの採用などが行われています。

現在、大規模モデルの金融業界での応用は主にスマートオフィス、インテリジェント開発、カスタマーサービスなどの周辺シーンに集中しています。業界では一般的に、短期的には大規模モデルを顧客向けのコアビジネスに直接使用することは適切ではないと考えられています。コードアシスタント、文書Q&Aなどのアプリケーションは多くの機関で実装されていますが、ビジネスの深いレベルに達するにはまだ一定の距離があります。

トップダウンの設計から見ると、一部の金融機関は大規模モデルに基づいてシステムアーキテクチャを再構築し、階層化されたモデルと複数のモデル戦略を採用しています。この新しいアーキテクチャは、大規模モデルの中心的な役割を強調しつつ、従来のモデルの価値も考慮しています。

大規模モデルの応用は金融業界にも人材の課題をもたらしています。一方で、特定の職種は代替されるリスクに直面しています。他方で、大規模モデルに関連する人材の不足は非常に大きいです。一部の機関は、既存の従業員の能力を向上させるために、トレーニングコースの設計や共同プロジェクトチームの結成などの行動を取り始めています。

全体として、大規模モデル技術の金融業への応用は、初期の盲目的な熱意から理性的な探求へと移行しています。金融機関は安全性とコンプライアンスを確保する前提のもとで、大規模モデルを徐々に業務プロセスに統合し、同時に関連する人材を育成して、この技術がもたらす変革に適応する必要があります。