出典: ビジネスショー 画像ソース: Unbounded AI によって生成数か月にわたるハリケーンとその「筋肉」を誇示するために集まった中国の大型模型戦場は、冷え込む中で新たな戦いの幕開けを迎えている。今年3月以降、ChatGPTに代表される生成AIが新たな技術の波を引き起こし、国内インターネット企業20社以上が大規模モデルを立ち上げた。7月6日の2023年世界人工知能会議までに、それは「百模型戦争」と形容することができ、インターネット発展期の「千連隊戦争」に匹敵する「千模型戦争」まで形成された。この AI メガモデルの波に取り残されることは誰も望んでいません。しかし現在、大型モデルの開発は「汎用」の段階から「垂直」の段階に入っている。**ますます多くの企業が、「コンピューティング能力、アルゴリズム、データ」、さらには人的資源や財政的リソースを使って物事をすべて実行し、シーン アプリケーションやカスタマイズに焦点を当てることができるのは、汎用大規模モデルでは少数のトップ ジャイアントだけであることを合理的に認識しています。中小企業にとっては、大規模な垂直モデルに投資する価値があります。 **多くの企業は、自社分野で長年培ってきたデータなどのアドバンテージを蓄積しているため、国内外の大型モデルを「ベース」に、そのまま現場に適応したバーティカルモデルを学習させるだけです。たとえば、金融分野では、今年 5 月以来、Qifu Technology、Du Xiaoman、Lufax Holdings、Ant Group、Mashou Consumption などの金融テクノロジー企業グループが、独自のシナリオとデータの利点に基づいて大規模な AI モデルを展開しています。大手金融テクノロジー企業の内部関係者は **「ビジネス ショー」** に対し、過去 2 か月の間に、金融業界で大規模なモデル構築能力を持つすべての金融テクノロジー企業と大手金融機関が探索段階からスタートしていると語った。上陸申請の段階に入ります。**同関係者はさらに、独自のビジネスシナリオを持つ金融テクノロジー企業や金融機関は社内利用を優先し、社内製品の磨き上げを通じて大型モデルの機能を向上させると述べた。独自のビジネス アプリケーションを持たないテクノロジー企業は、金融業界の一般的な問題解決能力に傾倒する傾向があり、金融機関と協力して金融業界の大規模なモデルやシナリオを共同で作成する企業もあります。 **巨大な AI 金融モデルをめぐる格闘が始まった。AIモデルが引き起こす金融テクノロジー分野の新たな革命は、業界にどのような影響をもたらすのでしょうか？高度なデータ化と高度な専門的複雑性により、金融業界は大規模モデルにアクセスした後、どのような機会と課題に直面するでしょうか?財務モデルは将来どのように進化するのでしょうか?## **国内金融 GPT を競う**2023年、AIの発展により新たな時代が到来することは間違いありません。3月には人工知能研究所OpenAIが立ち上げたChatGPTが誕生し、世界規模のAI大規模モデルの新たな波を巻き起こし、AIGCの新時代を切り開き、関連業界でも再評価が始まった。AIモデルの熱風が金融界に吹き込むのに時間はかからなかった。同月 30 日、ブルームバーグは金融業界向けの大規模言語モデル、ブルームバーグ GPT を発表しました。これは、金融セクターに破壊的ではないにしても、重大な影響を与える可能性のある出来事とみられています。2 か月後、国内の金融分野でも AI モデルの瞬間が到来しました。 5 月中旬、Qifu Technology は、金融業界向けに自社開発した汎用モデル、Qifu GPT の発売を初めて発表しました。これは業界では「中国初の金融業界向け汎用モデル」として知られています。Qifu Technology によると、同社がサポートする製品レベルのアプリケーションは年内に発売され、金融機関が利用できるようになる予定だという。Qifu Technology の内部関係者は **「Business Show」** に対し、Qifu Technology は昨年の時点で、いくつかの内部シナリオで生成的な大規模モデルをレイアウトし、適用しようと試み始めたと語った。そして、大規模モデルが普及した後の今年 3 月、Qifu Technology も研究開発を加速し、シナリオの適用を促進するために大規模モデル研究部門を迅速に設立しました。今年 2 月 9 日、360 グループの創設者である周宏毅氏と捜狐の創設者である張朝陽氏は、「星空の下での対話」に関する対話の中で、次のような見解を提示しました。 **企業が ChatGPT をキャッチできない場合バスは廃止される可能性が高いです。 **Qifu Technology CEOのWu Haisheng氏も以前、クラウドコンピューティングから世界中で普及しているChatGPTまで、現在技術革命の岐路に立っているとし、これらの技術を金融分野に応用して提供することに全力で取り組むと述べた。金融機関のパートナーとユーザー より効率的なテクノロジー サービスとソリューション。レイアウトで主導権を握っているのは Qifu Technology だけではありません。 5月下旬、Du Xiaoman氏は中国垂直金融業界初のオープンソース大規模モデル「Xuanyuan」の立ち上げも発表し、その後Lufax Holdings、Xinye Technologyなども生成型金融のレイアウトと探索を発表した。大規模なモデルのアプリケーション。 6月21日、アント・グループは「Zhenyi」と呼ばれる言語およびマルチモーダル・モデルを開発中であると回答し、同月28日にはハンセンの電子金融産業の大型モデルであるLightGPTも発表された。7月6日に開催された2023年世界人工知能会議では、国内外から30もの大規模モデルが公開され、大規模モデル技術を金融などの垂直分野にどのように応用するかも話題となっている。 Immediate ConsumersのCTO、Jiang Ning氏はメディアとのインタビューで、大規模な人工知能モデルが金融業界に「後押し」をもたらしたと指摘した。同時に、Immediate Consumptionが大規模な財務モデルも立ち上げることも明らかにした。わずか 4 か月の間に、さまざまな金融機関や金融テクノロジー企業が導入に向けて準備を整え、競争しており、国内金融分野における GPT が誕生しようとしています。## **大規模モデルのコンセンサス: 一般から垂直へ**さまざまな企業が大規模な金融モデルの立ち上げに向けて時間との競争を繰り広げているが、業界では徐々に、大規模なモデルは一般段階から垂直段階に入らなければならないというコンセンサスに達しつつある。7 月 2 日に開催された 2023 年グローバル デジタル エコノミー カンファレンスで、Du Xiaoman の CTO である Xu Dongliang 氏も同様の見解を示しました。「汎用の大規模モデルの機能と比較して、金融業界は、垂直産業の大型モデル。」Xu Dongliang 氏はさらに、データのセキュリティとプライバシー、リスク管理、精度、リアルタイム パフォーマンスに関して金融業界の高い要件があるため、汎用の大規模モデルには財務機能の点で必要なトレーニング データが不足していると分析しました。この業界の最小要件は正確性や精度だけでは満たせないため、効果を発揮するには金融機関向けにカスタマイズされた大規模なインダストリ モデルが必要です。Qifu Technologyの担当者はまた、金融業界の大規模モデルと他の業界の最大の違いは、金融業界のビジネスの複雑さ、業界運営規制の要件、セキュリティとプライバシー保護にあると述べた。そのため、金融業界は他の業界よりも特殊であり、ビジネスはより複雑で、業界運営基準の要件がより高く、セキュリティとプライバシー保護の要件もより高くなります。Immediate Consumer CTO Jiang Ning 氏は、2023 年の世界人工知能会議で、「データ集約型およびテクノロジー集約型」などの金融業界の特性により、この業界は常にデータを活用することを望んでいたが、同時にまた、オフラインの銀行店舗などの課題にも直面しており、価値提供の効率性やユーザー エクスペリエンスなどの問題により、組織は革新を続ける必要があります。**つまり、大規模モデルのロジックの観点から見ると、既存の大規模モデルではすべての業界をカバーすることはできず、企業は一般的な大規模モデルをベースに、垂直分野に合わせてトレーニングを微調整したり、大規模モデルをカスタマイズしたりする必要があります。 **Qifu Technology の担当者は、特に高度にデータ指向で専門的に複雑な金融分野では、特定のアプリケーション要件を最適化し、適応させるために、より専門的な背景と業界の洞察に依存する必要があると述べました。** 金融業界も業界発展ニーズの観点からインクリメンタル市場から株式競争の段階に入り、顧客維持の困難や競争の激化など業界全体が困難に直面しています。現時点では、テクノロジーを活用して業務効率とユーザーエクスペリエンスを向上させることがさらに必要です。 **テクノロジーを活用したユーザーエクスペリエンスの実際の実装を考慮すると、従来の金融サービスは一般に、ユーザーエクスペリエンスを向上させる過程で「発見が困難、エクスペリエンスが困難、サービスが困難」という問題に依然として直面しています。 AI 大型モデルの出現は、金融業界がこれらの問題を大幅に解決し、ユーザーへのサービスを向上させるのに役立ちます。しかし現状では、汎用の大型モデルと金融シナリオの適用の間には依然として大きな隔たりがある。したがって、既存の汎用大規模モデルを継続的に最適化し、金融分野における垂直専門の大規模モデルを形成することによってのみ、大規模言語モデルは企業とユーザーにより良くサービスを提供することができます。ただし、金融は他の分野と比べて、データの専門知識、リスク管理、コンプライアンス、セキュリティに対する要件が高く、金融機関や企業が垂直分野で大規模なモデルを検討する際に多くの課題をもたらします。## **フィンテックの再定義**人工知能開発の 3 つの波を振り返ると、人工知能テクノロジーの開発は、アルゴリズム、コンピューティング能力、データという 3 つの主要な要素によって推進されています。アルゴリズムは、設計された「脳」が十分に賢いかどうかを決定し、高性能コンピューティングのみが決定します。大規模なネットワークにはビッグ データのサポートも必要です。ChatGPTに代表されるAIGCの台頭により、わずか半年後には人工知能ビッグモデルの時代が到来します。人工知能モデルが金融と出会うと、技術の変化とビジネスの余地がさらに開かれ、あらゆる産業の価値が再評価されることになります。 iResearchによると、AI+金融の中核市場規模は2021年に296億元に達し、関連産業は677億元に達すると予想されている。AI大型モデルの登場は金融テクノロジーを大きく再定義したと言える。たとえば、AI 大規模モデルは、企業がコストを削減して効率を向上させ、仮想顧客サービスのオンライン インタラクションを構築し、より人間味のあるサービスをユーザーに提供するのに役立ちます。 Financial GPTは、財務情報や商品紹介コンテンツのテキスト自動生成を実現し、金融機関のコンテンツ運用の効率化を実現します。Qifu Technology の大型モデルである Qifu GPT を例に挙げると、顧客獲得、運営、リスク管理、融資後のサービスなどのビジネス リンクに適用されています。マーケティング レベルでは、大規模なモデルを通じて対話金融ビジネス シナリオを構築し、既存のテレマーケティング対話システムをトレーニングし、テレマーケティング ロボットが実際のユーザーのニーズを正確に理解できるようにし、応答の忠実度とサービスのプロフェッショナリズムを向上させます。Qifu Technologyの担当者は、「大型モデルのスパーリングロボットの効果で、電話勧誘システムの通話時間が15.1%増加した。クレジット分野の中核ビジネスリンクにおけるリスク管理の観点から、大規模モデルを核として導き出されたインテリジェントな信用情報の解釈は、金融機関がユーザーをより包括的かつ効率的に理解し、判断するのに役立ちます。」現在、Qifu Technology のチームは金融業界と社内独自のデータを組み合わせて大規模モデルの段階的な事前トレーニングと調整を行っており、一部の中小規模のシナリオでの実用的なアプリケーションの実行は社内ビジネスに依存していると理解されています。**しかし、上記の大手金融テクノロジー企業の内部関係者は、「ビジネスショー」に対し、現在の国内金融大規模モデルは主に中小企業分野でいくつかの独立したビジネスシナリオで使用されており、大規模モデルの影響を観察していると語った。ビジネスの成長とリスク管理に関する最適化機能と人的効率の向上は、まだ大規模な商用化の段階には入っていません。 **現時点では、国内金融の大規模モデルは依然として多くの課題に直面しており、大規模な適用の実現には時間がかかるだろう。Immediate Consumers 社 CTO の Jiang Ning 氏は、金融業界の現在の大規模モデルには依然として 4 つの大きな課題があると考えています。第一に、金融業界における重要なタスクと予測不可能な外部変化に直面して、大規模なモデルではすべての意思決定の安定性と正確性を保証することはできません。第二に、金融業界は人工知能を使用してパーソナライズされたユーザー エクスペリエンスを実現したいと考えていますが、それには個人的なユーザー エクスペリエンスが必要です。プライベート データと大規模モデルの統合には、依然としてコンプライアンスとセキュリティの問題が存在します。第三に、金融業界は常に「データ アイランド」の問題を抱えています。大規模モデルでは、学習を強化し、データとフィードバックを継続的に提供するためのネットワーク プラットフォームの構築が必要です。しかし、現在の市場では、第 4 に、金融業界における大規模モデルの適用により、基盤となる機器やインフラストラクチャなどのハードウェアおよびソフトウェア設備に対するより高い要件が求められています。Qifu Technologyの担当者はまた、一般的な財務モデルの開発が直面する主な課題の1つはデータ処理の複雑さであり、さらにデータプライバシーの保護と情報セキュリティも考慮する必要があると述べた。担当者はまた、一般的な財務モデルの難しさは主にモデルの精度と実際の適用の柔軟性にあるとし、拡大し続けるアプリケーションシナリオに適応するには、実際には広範なインターフェースを自由に接続できるように予約する必要があると指摘した。 」過去 10 年間のフィンテック開発の歴史を見ると、フィンテックは大規模かつ成長している産業です。金融業界は人工知能の分野で長年にわたって研究を続けており、決済、投資、ローン、個人財務管理、不正防止銀行業務、保険などの分野で人工知能が登場していることがわかります。**しかし、金融の本質は依然としてリスク管理であり、リスク管理はすべての金融ビジネスの中核であることを無視することはできません。 AI ビッグ モデルの時代に入り、人工知能ビッグ モデルが果たす役割は、金融ビジネス サービスとユーザー エクスペリエンスを向上させることに加えて、依然としてリスクを最小限に抑えることにあります。 **もちろん、リスク管理やテクノロジーとシナリオの統合を考慮することに加えて、人間の参加を無視することはできません。機械学習のプロセスでは、生成人工知能のトレーニングへの人間の参加が必要ですが、大規模な金融モデルの分野では、あらゆる側面での人間の参加が同様に重要です。この AI モデルが引き起こすテクノロジーの波の中で、新たな金融テクノロジー革命が静かに始まりました。すべての企業、さらには誰もがこれを見逃すべきではありません。
国内金融 GPT の競争: ビッグモデルが金融テクノロジーをどのように再定義するか
出典: ビジネスショー
数か月にわたるハリケーンとその「筋肉」を誇示するために集まった中国の大型模型戦場は、冷え込む中で新たな戦いの幕開けを迎えている。
今年3月以降、ChatGPTに代表される生成AIが新たな技術の波を引き起こし、国内インターネット企業20社以上が大規模モデルを立ち上げた。
7月6日の2023年世界人工知能会議までに、それは「百模型戦争」と形容することができ、インターネット発展期の「千連隊戦争」に匹敵する「千模型戦争」まで形成された。
この AI メガモデルの波に取り残されることは誰も望んでいません。しかし現在、大型モデルの開発は「汎用」の段階から「垂直」の段階に入っている。
**ますます多くの企業が、「コンピューティング能力、アルゴリズム、データ」、さらには人的資源や財政的リソースを使って物事をすべて実行し、シーン アプリケーションやカスタマイズに焦点を当てることができるのは、汎用大規模モデルでは少数のトップ ジャイアントだけであることを合理的に認識しています。中小企業にとっては、大規模な垂直モデルに投資する価値があります。 **
多くの企業は、自社分野で長年培ってきたデータなどのアドバンテージを蓄積しているため、国内外の大型モデルを「ベース」に、そのまま現場に適応したバーティカルモデルを学習させるだけです。
たとえば、金融分野では、今年 5 月以来、Qifu Technology、Du Xiaoman、Lufax Holdings、Ant Group、Mashou Consumption などの金融テクノロジー企業グループが、独自のシナリオとデータの利点に基づいて大規模な AI モデルを展開しています。
大手金融テクノロジー企業の内部関係者は 「ビジネス ショー」 に対し、過去 2 か月の間に、金融業界で大規模なモデル構築能力を持つすべての金融テクノロジー企業と大手金融機関が探索段階からスタートしていると語った。上陸申請の段階に入ります。
**同関係者はさらに、独自のビジネスシナリオを持つ金融テクノロジー企業や金融機関は社内利用を優先し、社内製品の磨き上げを通じて大型モデルの機能を向上させると述べた。独自のビジネス アプリケーションを持たないテクノロジー企業は、金融業界の一般的な問題解決能力に傾倒する傾向があり、金融機関と協力して金融業界の大規模なモデルやシナリオを共同で作成する企業もあります。 **
巨大な AI 金融モデルをめぐる格闘が始まった。
AIモデルが引き起こす金融テクノロジー分野の新たな革命は、業界にどのような影響をもたらすのでしょうか？高度なデータ化と高度な専門的複雑性により、金融業界は大規模モデルにアクセスした後、どのような機会と課題に直面するでしょうか?財務モデルは将来どのように進化するのでしょうか?
国内金融 GPT を競う
2023年、AIの発展により新たな時代が到来することは間違いありません。
3月には人工知能研究所OpenAIが立ち上げたChatGPTが誕生し、世界規模のAI大規模モデルの新たな波を巻き起こし、AIGCの新時代を切り開き、関連業界でも再評価が始まった。
AIモデルの熱風が金融界に吹き込むのに時間はかからなかった。同月 30 日、ブルームバーグは金融業界向けの大規模言語モデル、ブルームバーグ GPT を発表しました。これは、金融セクターに破壊的ではないにしても、重大な影響を与える可能性のある出来事とみられています。
2 か月後、国内の金融分野でも AI モデルの瞬間が到来しました。 5 月中旬、Qifu Technology は、金融業界向けに自社開発した汎用モデル、Qifu GPT の発売を初めて発表しました。これは業界では「中国初の金融業界向け汎用モデル」として知られています。
Qifu Technology によると、同社がサポートする製品レベルのアプリケーションは年内に発売され、金融機関が利用できるようになる予定だという。
Qifu Technology の内部関係者は 「Business Show」 に対し、Qifu Technology は昨年の時点で、いくつかの内部シナリオで生成的な大規模モデルをレイアウトし、適用しようと試み始めたと語った。そして、大規模モデルが普及した後の今年 3 月、Qifu Technology も研究開発を加速し、シナリオの適用を促進するために大規模モデル研究部門を迅速に設立しました。
今年 2 月 9 日、360 グループの創設者である周宏毅氏と捜狐の創設者である張朝陽氏は、「星空の下での対話」に関する対話の中で、次のような見解を提示しました。 **企業が ChatGPT をキャッチできない場合バスは廃止される可能性が高いです。 **
Qifu Technology CEOのWu Haisheng氏も以前、クラウドコンピューティングから世界中で普及しているChatGPTまで、現在技術革命の岐路に立っているとし、これらの技術を金融分野に応用して提供することに全力で取り組むと述べた。金融機関のパートナーとユーザー より効率的なテクノロジー サービスとソリューション。
レイアウトで主導権を握っているのは Qifu Technology だけではありません。 5月下旬、Du Xiaoman氏は中国垂直金融業界初のオープンソース大規模モデル「Xuanyuan」の立ち上げも発表し、その後Lufax Holdings、Xinye Technologyなども生成型金融のレイアウトと探索を発表した。大規模なモデルのアプリケーション。 6月21日、アント・グループは「Zhenyi」と呼ばれる言語およびマルチモーダル・モデルを開発中であると回答し、同月28日にはハンセンの電子金融産業の大型モデルであるLightGPTも発表された。
7月6日に開催された2023年世界人工知能会議では、国内外から30もの大規模モデルが公開され、大規模モデル技術を金融などの垂直分野にどのように応用するかも話題となっている。 Immediate ConsumersのCTO、Jiang Ning氏はメディアとのインタビューで、大規模な人工知能モデルが金融業界に「後押し」をもたらしたと指摘した。同時に、Immediate Consumptionが大規模な財務モデルも立ち上げることも明らかにした。
わずか 4 か月の間に、さまざまな金融機関や金融テクノロジー企業が導入に向けて準備を整え、競争しており、国内金融分野における GPT が誕生しようとしています。
大規模モデルのコンセンサス: 一般から垂直へ
さまざまな企業が大規模な金融モデルの立ち上げに向けて時間との競争を繰り広げているが、業界では徐々に、大規模なモデルは一般段階から垂直段階に入らなければならないというコンセンサスに達しつつある。
7 月 2 日に開催された 2023 年グローバル デジタル エコノミー カンファレンスで、Du Xiaoman の CTO である Xu Dongliang 氏も同様の見解を示しました。「汎用の大規模モデルの機能と比較して、金融業界は、垂直産業の大型モデル。」
Xu Dongliang 氏はさらに、データのセキュリティとプライバシー、リスク管理、精度、リアルタイム パフォーマンスに関して金融業界の高い要件があるため、汎用の大規模モデルには財務機能の点で必要なトレーニング データが不足していると分析しました。この業界の最小要件は正確性や精度だけでは満たせないため、効果を発揮するには金融機関向けにカスタマイズされた大規模なインダストリ モデルが必要です。
Qifu Technologyの担当者はまた、金融業界の大規模モデルと他の業界の最大の違いは、金融業界のビジネスの複雑さ、業界運営規制の要件、セキュリティとプライバシー保護にあると述べた。そのため、金融業界は他の業界よりも特殊であり、ビジネスはより複雑で、業界運営基準の要件がより高く、セキュリティとプライバシー保護の要件もより高くなります。
Immediate Consumer CTO Jiang Ning 氏は、2023 年の世界人工知能会議で、「データ集約型およびテクノロジー集約型」などの金融業界の特性により、この業界は常にデータを活用することを望んでいたが、同時にまた、オフラインの銀行店舗などの課題にも直面しており、価値提供の効率性やユーザー エクスペリエンスなどの問題により、組織は革新を続ける必要があります。
**つまり、大規模モデルのロジックの観点から見ると、既存の大規模モデルではすべての業界をカバーすることはできず、企業は一般的な大規模モデルをベースに、垂直分野に合わせてトレーニングを微調整したり、大規模モデルをカスタマイズしたりする必要があります。 **
Qifu Technology の担当者は、特に高度にデータ指向で専門的に複雑な金融分野では、特定のアプリケーション要件を最適化し、適応させるために、より専門的な背景と業界の洞察に依存する必要があると述べました。
** 金融業界も業界発展ニーズの観点からインクリメンタル市場から株式競争の段階に入り、顧客維持の困難や競争の激化など業界全体が困難に直面しています。現時点では、テクノロジーを活用して業務効率とユーザーエクスペリエンスを向上させることがさらに必要です。 **
テクノロジーを活用したユーザーエクスペリエンスの実際の実装を考慮すると、従来の金融サービスは一般に、ユーザーエクスペリエンスを向上させる過程で「発見が困難、エクスペリエンスが困難、サービスが困難」という問題に依然として直面しています。 AI 大型モデルの出現は、金融業界がこれらの問題を大幅に解決し、ユーザーへのサービスを向上させるのに役立ちます。
しかし現状では、汎用の大型モデルと金融シナリオの適用の間には依然として大きな隔たりがある。したがって、既存の汎用大規模モデルを継続的に最適化し、金融分野における垂直専門の大規模モデルを形成することによってのみ、大規模言語モデルは企業とユーザーにより良くサービスを提供することができます。
ただし、金融は他の分野と比べて、データの専門知識、リスク管理、コンプライアンス、セキュリティに対する要件が高く、金融機関や企業が垂直分野で大規模なモデルを検討する際に多くの課題をもたらします。
フィンテックの再定義
人工知能開発の 3 つの波を振り返ると、人工知能テクノロジーの開発は、アルゴリズム、コンピューティング能力、データという 3 つの主要な要素によって推進されています。アルゴリズムは、設計された「脳」が十分に賢いかどうかを決定し、高性能コンピューティングのみが決定します。大規模なネットワークにはビッグ データのサポートも必要です。
ChatGPTに代表されるAIGCの台頭により、わずか半年後には人工知能ビッグモデルの時代が到来します。人工知能モデルが金融と出会うと、技術の変化とビジネスの余地がさらに開かれ、あらゆる産業の価値が再評価されることになります。 iResearchによると、AI+金融の中核市場規模は2021年に296億元に達し、関連産業は677億元に達すると予想されている。
AI大型モデルの登場は金融テクノロジーを大きく再定義したと言える。たとえば、AI 大規模モデルは、企業がコストを削減して効率を向上させ、仮想顧客サービスのオンライン インタラクションを構築し、より人間味のあるサービスをユーザーに提供するのに役立ちます。 Financial GPTは、財務情報や商品紹介コンテンツのテキスト自動生成を実現し、金融機関のコンテンツ運用の効率化を実現します。
Qifu Technology の大型モデルである Qifu GPT を例に挙げると、顧客獲得、運営、リスク管理、融資後のサービスなどのビジネス リンクに適用されています。マーケティング レベルでは、大規模なモデルを通じて対話金融ビジネス シナリオを構築し、既存のテレマーケティング対話システムをトレーニングし、テレマーケティング ロボットが実際のユーザーのニーズを正確に理解できるようにし、応答の忠実度とサービスのプロフェッショナリズムを向上させます。
Qifu Technologyの担当者は、「大型モデルのスパーリングロボットの効果で、電話勧誘システムの通話時間が15.1%増加した。クレジット分野の中核ビジネスリンクにおけるリスク管理の観点から、大規模モデルを核として導き出されたインテリジェントな信用情報の解釈は、金融機関がユーザーをより包括的かつ効率的に理解し、判断するのに役立ちます。」
現在、Qifu Technology のチームは金融業界と社内独自のデータを組み合わせて大規模モデルの段階的な事前トレーニングと調整を行っており、一部の中小規模のシナリオでの実用的なアプリケーションの実行は社内ビジネスに依存していると理解されています。
**しかし、上記の大手金融テクノロジー企業の内部関係者は、「ビジネスショー」に対し、現在の国内金融大規模モデルは主に中小企業分野でいくつかの独立したビジネスシナリオで使用されており、大規模モデルの影響を観察していると語った。ビジネスの成長とリスク管理に関する最適化機能と人的効率の向上は、まだ大規模な商用化の段階には入っていません。 **
現時点では、国内金融の大規模モデルは依然として多くの課題に直面しており、大規模な適用の実現には時間がかかるだろう。
Immediate Consumers 社 CTO の Jiang Ning 氏は、金融業界の現在の大規模モデルには依然として 4 つの大きな課題があると考えています。
第一に、金融業界における重要なタスクと予測不可能な外部変化に直面して、大規模なモデルではすべての意思決定の安定性と正確性を保証することはできません。第二に、金融業界は人工知能を使用してパーソナライズされたユーザー エクスペリエンスを実現したいと考えていますが、それには個人的なユーザー エクスペリエンスが必要です。プライベート データと大規模モデルの統合には、依然としてコンプライアンスとセキュリティの問題が存在します。第三に、金融業界は常に「データ アイランド」の問題を抱えています。大規模モデルでは、学習を強化し、データとフィードバックを継続的に提供するためのネットワーク プラットフォームの構築が必要です。しかし、現在の市場では、第 4 に、金融業界における大規模モデルの適用により、基盤となる機器やインフラストラクチャなどのハードウェアおよびソフトウェア設備に対するより高い要件が求められています。
Qifu Technologyの担当者はまた、一般的な財務モデルの開発が直面する主な課題の1つはデータ処理の複雑さであり、さらにデータプライバシーの保護と情報セキュリティも考慮する必要があると述べた。担当者はまた、一般的な財務モデルの難しさは主にモデルの精度と実際の適用の柔軟性にあるとし、拡大し続けるアプリケーションシナリオに適応するには、実際には広範なインターフェースを自由に接続できるように予約する必要があると指摘した。 」
過去 10 年間のフィンテック開発の歴史を見ると、フィンテックは大規模かつ成長している産業です。金融業界は人工知能の分野で長年にわたって研究を続けており、決済、投資、ローン、個人財務管理、不正防止銀行業務、保険などの分野で人工知能が登場していることがわかります。
**しかし、金融の本質は依然としてリスク管理であり、リスク管理はすべての金融ビジネスの中核であることを無視することはできません。 AI ビッグ モデルの時代に入り、人工知能ビッグ モデルが果たす役割は、金融ビジネス サービスとユーザー エクスペリエンスを向上させることに加えて、依然としてリスクを最小限に抑えることにあります。 **
もちろん、リスク管理やテクノロジーとシナリオの統合を考慮することに加えて、人間の参加を無視することはできません。機械学習のプロセスでは、生成人工知能のトレーニングへの人間の参加が必要ですが、大規模な金融モデルの分野では、あらゆる側面での人間の参加が同様に重要です。
この AI モデルが引き起こすテクノロジーの波の中で、新たな金融テクノロジー革命が静かに始まりました。すべての企業、さらには誰もがこれを見逃すべきではありません。