大規模モデルの金融業への導入: 戦略から実践への理性的回帰

ChatGPTの登場以来、金融業界では大規模モデルの熱潮が急速に巻き起こっています。最初の不安から現在の理性的な回帰へと、金融機関の大規模モデルに対する認識と応用は徐々に深まっています。

年初に、多くの金融機関が急いで追随し、チームを組んで大規模モデルの応用を探求し始めました。時間が経つにつれて、実装の困難さに気づき、態度がより理性的になってきました。現在、複数の銀行が中間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示し、戦略的な観点から計画を進めています。

金融機関は大規模モデルに対する理解が顕著に向上しました。最初は単に自社のモデルを構築したいという希望から、より応用価値に関心を持つように変化しました。大規模な機関は基盤となる大規模モデルを導入し、企業向けの大規模モデルを構築する傾向がありますが、中小機関はさまざまな大規模モデルのサービスを直接利用する選択肢をより多く選んでいます。

落地プロセスにおいて、計算能力とデータは二つの重要な要素です。一部の大規模機関は自ら計算能力を構築することを選び、中小機関は多くの場合ハイブリッドデプロイメント方式を採用しています。同時に、ますます多くの機関がデータガバナンスを強化し、データミドルプラットフォームを構築し始めています。

アプリケーションシーンにおいて、金融機関は一般的に「内部から外部へ」という戦略を採用し、内部シーンでの試行を優先しています。現在、コードアシスタントやスマートオフィスなどの非コアシーンでは、多くの具体例が存在しています。業界では年末までにコアビジネスシーンの大規模モデルアプリケーションプロジェクトがいくつか登場することが予想されています。

トップレベルの設計から見ると、多くの機関が大規模モデルを基にして全体の知能システムを再構築しており、インフラストラクチャー、モデル、サービス、アプリケーションなどの複数のレベルを含むフレームワークを構築しています。このようなフレームワークは一般に大規模モデルを中枢として採用し、同時に従来の小規模モデルを保持し、複数のモデル戦略を使用しています。

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。一方では、いくつかの職位が置き換えられる恐れがありますが、他方では大規模モデルに関連する人材が深刻に不足しています。金融機関は、大学の新卒採用や研修などを通じて人材を育成しており、スタッフの構成もそれに伴って調整されるでしょう。

全体的に見て、金融業界における大規模モデルの応用は、最初の盲目的な支持から理性的に戻り始めており、どのように大規模モデルをビジネスと密接に結びつけ、真の価値創造を実現するかを深く考えるようになっています。このプロセスは依然として多くの課題に直面しており、金融機関やテクノロジー企業などの各方面が共同で努力する必要があります。