Model Besar di Industri Keuangan: Dari Antusiasme yang Tinggi ke Kembali yang Rasional

Kehadiran ChatGPT telah memicu kecemasan di industri keuangan. Industri yang percaya pada teknologi ini khawatir tertinggal oleh arus zaman. Namun, kecemasan ini perlahan-lahan mulai mereda, dan pemikiran menjadi lebih jelas dan rasional.

Sikap industri keuangan terhadap model besar telah mengalami beberapa tahap: awalnya cemas khawatir tertinggal, kemudian mulai membentuk tim, selanjutnya mengalami kesulitan dalam penerapan menjadi lebih rasional, dan sekarang fokus pada kasus acuan dan melakukan percobaan.

Semakin banyak lembaga keuangan mulai memberi perhatian pada model besar dari perspektif strategis. Beberapa bank yang terdaftar telah mengungkapkan dalam laporan setengah tahunan mereka bahwa mereka sedang menjelajahi aplikasi model besar, dan melakukan pemikiran dan perencanaan yang lebih jelas dari tingkat desain atas.

Dibandingkan dengan beberapa bulan yang lalu, pemahaman klien finansial tentang model besar telah meningkat secara signifikan. Meskipun pada awal tahun semangat sangat tinggi, tetapi pemahaman tentang model besar masih sangat terbatas. Beberapa bank besar mengambil langkah pertama, mulai melakukan berbagai promosi. Sementara itu, beberapa lembaga keuangan terkemuka mulai berdiskusi dengan perusahaan besar mengenai pembangunan model besar.

Setelah bulan Mei, situasi mulai berubah. Terbatas oleh sumber daya komputasi dan biaya, banyak lembaga keuangan beralih dari harapan untuk membangun sendiri ke fokus yang lebih pada nilai aplikasi. Lembaga besar dapat mengadopsi model dasar untuk membangun model besar perusahaan, sedangkan lembaga kecil dan menengah dapat mengadopsi layanan API atau penyebaran privat sesuai kebutuhan.

Karena industri keuangan memiliki tuntutan tinggi terhadap kepatuhan data dan keamanan, kemajuan penerapan model besar sedikit tertinggal dari yang diharapkan. Beberapa lembaga mulai mencari cara untuk mengatasi berbagai masalah yang muncul dalam penerapan, seperti membangun kekuatan komputasi sendiri dan penerapan campuran. Sementara itu, mereka juga memperkuat tata kelola data, membangun platform data dan sistem tata kelola.

Dalam hal skenario aplikasi, kantor cerdas, pengembangan cerdas, layanan pelanggan cerdas, dll., semuanya sedang dieksplorasi. Namun, konsensus di industri adalah untuk memulai dari skenario internal, dan dalam jangka pendek, tidak disarankan untuk langsung digunakan oleh pelanggan. Asisten kode, tanya jawab dokumen, dll. sudah diterapkan di beberapa lembaga.

Beberapa perubahan di tingkat desain atas juga sedang dilakukan. Banyak lembaga keuangan terkemuka telah membangun kerangka sistem berlapis yang mencakup beberapa tingkat berdasarkan model besar, secara umum menggunakan model besar untuk memanfaatkan kemampuan pusat, strategi multi-model, dan karakteristik lainnya.

Aplikasi model besar mulai menantang struktur tenaga kerja di industri keuangan. Beberapa posisi menghadapi risiko penggantian, tetapi ada juga lembaga yang berharap dapat meningkatkan efisiensi melalui model besar, bukan mengurangi karyawan. Sementara itu, kekurangan talenta model besar masih sangat besar, dan lembaga keuangan perlu membina tim teknologi model besar yang terampil.

Di masa depan, orang-orang yang menggunakan model besar mungkin akan lebih mudah bertahan dalam lingkungan ini. Lembaga keuangan sedang meningkatkan kemampuan karyawan melalui pelatihan dan cara lainnya, mendorong transformasi personel. Penerapan mendalam model besar memerlukan tim internal dalam sistem keuangan untuk mengintegrasikan kebutuhan internal, baru mungkin dapat membawa perubahan paradigma.