人工智能對金融業的影響：從初期焦慮到理性應用

ChatGPT的問世在金融業引發了一波焦慮情緒。作爲一個對技術充滿信仰的行業，金融界擔心會被快速發展的人工智能時代甩在後面。這種焦慮情緒一度蔓延到各個角落，甚至在寺廟裏都能聽到金融從業者討論大模型技術。

然而，隨着時間推移，這種焦慮逐漸平息，人們的思路也變得更加清晰和理性。金融業對大模型的態度經歷了幾個階段:最初的擔憂和焦慮、隨後的積極行動、再到遇到實際困難後的理性思考，現在則進入了有選擇性地嘗試已驗證場景的階段。

值得注意的是，許多金融機構已經開始從戰略高度重視大模型技術。據統計，A股上市公司中至少有11家銀行在最新半年報中明確提出正在探索大模型應用。從近期動作來看，這些機構正在從戰略和頂層設計層面進行更深入的思考和規劃。

從熱情高漲到理性回歸

年初ChatGPT剛推出時，金融界對大模型的了解還很有限，盡管熱情高漲。一些大型銀行率先行動，開始進行各種營銷宣傳。同時，一些頭部金融機構的科技部門積極與大型科技公司洽談大模型建設事宜。

然而到了5月以後，受限於算力資源緊缺、成本高昂等因素，許多金融機構開始將注意力從單純建設模型轉向關注應用價值。不同規模的企業也開始採取不同的策略:大型金融機構傾向於引入業界領先的基礎大模型並自建企業大模型，而中小金融機構則更多考慮按需引入各類大模型服務。

盡管如此，由於金融行業對數據合規性、安全性和可信性的高要求，大模型在這個領域的落地進展實際上比年初的預期要慢。爲了解決落地過程中的各種障礙，金融機構正在採取多種方法，包括自建算力、混合部署等。同時，越來越多的金融機構也開始加強數據治理工作。

從外圍場景切入

過去半年多，金融機構和大模型服務商都在積極探索各種應用場景，包括智慧辦公、智能開發、智慧營銷、智能客服、智慧投研、智能風控等。每家金融機構都對大模型有着豐富的構想。

然而，在實際落地時，普遍共識是先從內部應用開始，再逐步擴展到外部。這是因爲當前大模型技術尚不成熟，而金融行業又是一個強監管、高安全要求的領域。因此，許多機構選擇從代碼助手和客服助手等相對容易實現的場景入手。

值得注意的是，這些已經廣泛落地的場景，實際上還不是金融機構的核心應用。大模型要真正深入金融行業的業務層面，還需要一定的時間和技術突破。

與此同時，一些頂層設計層面的變革正在進行。越來越多的金融機構開始基於大模型搭建多層次的系統框架，將大模型作爲中樞，同時整合傳統模型，採用多模型策略以優化效果。

人才缺口依然龐大

大模型的應用已經開始對金融行業的人員結構帶來挑戰和變革。一些傳統崗位面臨被替代的風險，但同時也創造了新的機會和需求。

許多金融機構希望通過大模型來提升員工的服務質量和工作效率，而不是簡單地替代人力。然而，目前行業面臨的一個主要挑戰是大模型相關人才的嚴重短缺。

金融機構需要既懂金融又懂AI的復合型人才，特別是在自建行業或企業大模型方面。爲此，一些機構已經開始採取行動，如設計培訓課程、建立聯合項目組等，以提升企業內部人員的相關能力。

隨着大模型技術的不斷發展和應用，金融機構的人員結構也將迎來調整和變革。那些能夠熟練運用大模型技術的人才，將更有可能在這個快速變化的環境中脫穎而出。