Les grands modèles s'enfoncent dans le secteur financier, d'un enthousiasme élevé à un retour à la raison
Depuis la sortie de ChatGPT, le secteur financier a suscité une certaine anxiété. Cette industrie, qui a foi en la technologie, craint d'être laissée pour compte par l'évolution rapide des temps modernes. Cette atmosphère tendue s'est même répandue dans des endroits inattendus. Des professionnels du secteur ont révélé qu'en mai, lors d'un déplacement à Dali, ils ont même rencontré des acteurs financiers discutant des grands modèles dans un temple.
Cependant, cette anxiété commence à s'apaiser progressivement, et la pensée des gens devient plus claire et plus rationnelle. Un expert en services bancaires a décrit plusieurs étapes de l'attitude du secteur financier envers les grands modèles cette année : de février à mars, un sentiment général d'anxiété, craignant de prendre du retard ; d'avril à mai, formation d'équipes pour entreprendre des travaux connexes ; puis, au cours des mois suivants, des difficultés ont été rencontrées dans la recherche de direction et la mise en œuvre, devenant plus rationnels ; maintenant, ils commencent à se concentrer sur les entreprises de référence et à essayer de valider des scénarios d'application éprouvés.
Une nouvelle tendance est que de nombreuses institutions financières commencent à accorder une importance stratégique aux grands modèles. Selon des statistiques incomplètes, au moins 11 banques parmi les sociétés cotées en A-shares ont clairement indiqué dans leurs derniers rapports semestriels qu'elles explorent l'application des grands modèles. D'après les récentes actions, elles réfléchissent également de manière plus claire et planifient des chemins au niveau stratégique et de la conception de haut niveau.
De la hausse de l'enthousiasme à un retour rationnel
Au début de l'année, lorsque ChatGPT est apparu, l'enthousiasme de l'industrie financière pour les grands modèles était élevé, mais la compréhension de leur nature et de leurs modes d'application était en réalité très limitée. Certaines grandes banques ont été les premières à agir, commençant à faire diverses promotions "pour profiter de la tendance". En même temps, les départements technologiques de certaines grandes institutions financières ont activement discuté des questions de construction de grands modèles avec de grandes entreprises. Ils espèrent généralement construire leurs propres grands modèles, posant des questions sur la création de jeux de données, l'acquisition de serveurs et les méthodes d'entraînement.
À partir de mai, la situation a progressivement évolué. En raison de la pénurie de ressources de calcul, des coûts élevés et d'autres facteurs, de nombreuses institutions financières ont commencé à passer d'un simple souhait de construire elles-mêmes à un intérêt accru pour la valeur d'application. Actuellement, chaque institution financière se concentre sur les cas d'utilisation et les résultats des grands modèles par d'autres institutions.
Plus précisément, les entreprises de différentes tailles ont suivi des chemins différents. Les grandes institutions financières, qui disposent d'une énorme quantité de données financières et de scénarios d'application, peuvent intégrer des modèles de base avancés, construire leurs propres modèles d'entreprise et, en même temps, utiliser des méthodes de réglage fin pour former des modèles de tâches spécialisés, permettant ainsi de rapidement dynamiser leurs activités. Les institutions financières de taille moyenne et petite peuvent quant à elles prendre en compte le retour sur investissement et introduire au besoin des API de cloud public ou des services de déploiement privé de différents types de grands modèles, répondant directement aux besoins des affaires.
Cependant, en raison des exigences élevées de l'industrie financière en matière de conformité des données, de sécurité et de fiabilité, certaines personnes estiment que les progrès de l'implémentation des grands modèles dans ce secteur sont en réalité légèrement inférieurs aux attentes initiales de début d'année. Un expert a déclaré qu'ils avaient initialement prédit que l'industrie financière pourrait être la première à adopter massivement les grands modèles, mais la réalité est que la vitesse d'application dans l'industrie financière n'est pas aussi rapide que dans les secteurs du droit, du recrutement, etc.
Pour résoudre les diverses limitations lors de la mise en œuvre de grands modèles, certaines institutions financières ont déjà commencé à prendre des mesures. En ce qui concerne la puissance de calcul, plusieurs approches ont émergé dans le secteur :
Construire directement sa propre puissance de calcul, coût élevé mais bonne sécurité, adapté aux grandes institutions financières disposant de ressources solides et souhaitant développer des modèles industriels ou d'entreprise.
Déploiement hybride de la puissance de calcul, acceptant les interfaces de service de grand modèle appelées depuis le cloud public tout en traitant les services de données locaux par le biais d'un déploiement privatisé, sans que les données sensibles ne sortent du domaine. Cette méthode présente un coût relativement bas et convient aux institutions financières de petite et moyenne taille avec un budget relativement limité, qui appliquent uniquement selon les besoins.
Face à la pénurie et aux prix élevés des cartes GPU auxquels sont confrontées les petites et moyennes institutions, les autorités explorent la création d'une infrastructure de modèles de grande taille destinée au secteur des valeurs mobilières, en concentrant la puissance de calcul et les ressources des modèles de grande taille, afin que les petites et moyennes institutions financières puissent également bénéficier des services de modèles de grande taille, évitant ainsi un retard technologique.
En plus de la puissance de calcul, avec l'exploration de la mise en œuvre de grands modèles, de nombreuses institutions financières renforcent également la gouvernance des données. De plus en plus d'institutions financières de taille moyenne commencent à construire des plateformes de données et des systèmes de gouvernance des données. Des experts estiment que la construction d'un système de gouvernance des données complet et d'une plateforme technologique de lac de données sera une direction importante pour la construction informatique des institutions financières à l'avenir.
Certaines banques résolvent des problèmes de données en combinant de grands modèles avec MLOps. Par exemple, une grande banque a adopté un modèle MLOps pour établir un système de boucle de données de grands modèles, permettant l'automatisation de l'ensemble du processus, ainsi qu'une gestion unifiée et un traitement efficace de données hétérogènes provenant de multiples sources. Selon les informations, 2,6 To de jeux de données d'entraînement de haute qualité ont déjà été construits et accumulés.
Aborder le sujet par le biais de scénarios externes
Au cours des six derniers mois, les fournisseurs de services de grands modèles et les institutions financières ont activement recherché des cas d'application, explorant des domaines tels que le bureau intelligent, le développement intelligent, le marketing intelligent, le service client intelligent, la recherche et l'investissement intelligents, la gestion des risques intelligents et l'analyse des besoins.
Chaque institution financière a des idées riches concernant les grands modèles. Une banque a déclaré avoir déjà déployé des applications dans plus de 20 scénarios, une autre banque a indiqué avoir réalisé des pilotes dans plus de 30 scénarios, et une société de valeurs mobilières explore actuellement la connexion entre le grand modèle et la plateforme de personnes numériques virtuelles lancée auparavant.
Mais dans le processus de mise en œuvre réelle, le consensus dans l'industrie est d'abord en interne puis en externe. Après tout, à ce stade, la technologie des grands modèles n'est pas mature, et il existe des problèmes tels que des hallucinations, tandis que le secteur financier est un domaine fortement réglementé, à haute sécurité et de haute confiance.
Des experts suggèrent que les institutions financières devraient prioriser l'application de grands modèles dans les scénarios d'analyse, de compréhension et de création de textes et d'images financières, sous forme d'assistants, pour améliorer l'efficacité des employés par la collaboration homme-machine.
Actuellement, l'assistant de code a été mis en œuvre dans de nombreuses institutions financières. Par exemple, une banque a construit un système de développement intelligent basé sur un grand modèle, où la quantité de code générée par l'assistant de codage représente 40 % du volume total de code. Dans le domaine de l'assurance, une entreprise a développé un plugin d'assistance à la programmation basé sur un grand modèle, intégré directement dans les outils de développement internes.
Il y a également de nombreux cas d'application dans le domaine du bureau intelligent. Un produit de grand modèle financier, après son lancement dans une grande banque, a déjà été promu dans des centaines de points de vente, avec un taux d'adoption des réponses dépassant 85 %. Les solutions connexes ont également été rapidement reproduites dans d'autres banques et institutions financières.
Cependant, les experts de l'industrie estiment que ces scénarios déjà largement déployés ne sont en réalité pas encore des applications centrales des institutions financières. Les grands modèles sont encore éloignés des niveaux d'activité du secteur financier. Les scénarios de marketing, de gestion des risques et de conformité sont ceux où les grands modèles pourraient apporter des transformations, et c'est également là que se situent les besoins des clients financiers. Cependant, ces travaux dépendent encore de l'amélioration des capacités des fournisseurs de grands modèles sous-jacents.
Des experts prédisent qu'avant la fin de cette année, des projets utilisant réellement des modèles de grande taille dans les scénarios d'activités principales des institutions financières ou des informations d'appel d'offres apparaîtront.
Dans le même temps, certains changements au niveau de la conception stratégique sont en cours. L'ensemble du système intelligent et numérisé de demain sera reconstruit sur la base de grands modèles. Cela exige que l'industrie financière reconfigure ses systèmes lors de la mise en œuvre de grands modèles. En même temps, on ne peut pas négliger la valeur des modèles plus petits traditionnels, et il faut permettre une collaboration entre les grands et petits modèles.
Actuellement, plusieurs grandes institutions financières ont construit un cadre système hiérarchique comprenant plusieurs niveaux tels que la couche d'infrastructure, la couche de modèle, la couche de services de grands modèles et la couche d'application, basé sur de grands modèles. Ces systèmes de cadres présentent généralement deux grandes caractéristiques : premièrement, le grand modèle joue un rôle central, utilisant les modèles traditionnels comme compétences ; deuxièmement, la couche de grands modèles adopte une stratégie multi-modèles, comparant en interne pour sélectionner le meilleur résultat.
Le manque de talents reste énorme
L'application des grands modèles commence à poser certains défis et à provoquer des changements dans la structure du personnel de l'industrie financière. Des entreprises de technologie financière ont licencié plus de 300 analystes de données depuis le début de l'année jusqu'à fin mai. Certaines tâches de synthèse d'informations qui étaient auparavant effectuées par des stagiaires peuvent maintenant être réalisées par de grands modèles.
Cependant, certaines banques ne souhaitent pas que les grands modèles entraînent des licenciements. Elles espèrent que les grands modèles pourront offrir de nouvelles opportunités, améliorer la qualité du service et l'efficacité du travail des employés, tout en libérant une partie des employés pour qu'ils effectuent des tâches à plus forte valeur ajoutée.
Cette considération est d'une part due à la stabilité du personnel et de la structure, et d'autre part parce qu'il y a encore un manque de talents pour de nombreux postes au sein de l'industrie. Les grandes banques ont un grand nombre de tâches à accomplir, et certains délais pour les besoins informatiques sont même prévus jusqu'à la fin de l'année prochaine. Ils espèrent que les grands modèles pourront aider les employés à améliorer leur efficacité et leur rapidité, plutôt qu'à entraîner une réduction du personnel.
Plus important encore, la demande pour les grands modèles a explosé, mais l'offre de talents rares est difficile à égaler dans un court laps de temps. Un cadre bancaire a déclaré que parmi les nouveaux employés qu'ils avaient récemment recrutés, une grande proportion se forme dans le domaine de l'IA, mais il y a très peu de talents qui comprennent les grands modèles.
Certains experts estiment que la demande de talents pour l'application directe de grands modèles est relativement simple, nécessitant principalement des personnes capables de poser des questions. Cependant, si l'on souhaite créer un grand modèle spécifique à un secteur ou à une entreprise, il est nécessaire que les institutions financières disposent d'une équipe technique spécialisée dans les grands modèles.
Pour faire face à la pénurie de talents, certaines institutions ont déjà pris des mesures. Des entreprises ont collaboré avec les équipes des ressources humaines des laboratoires bancaires pour concevoir une série de formations, telles que l'optimisation de Prompt, le fine-tuning, l'exploitation de grands modèles, etc., et ont collaboré avec plusieurs départements pour établir des groupes de projet conjoints afin de promouvoir le développement des compétences des employés.
Dans ce processus, la structure du personnel des institutions financières connaîtra également certains ajustements et transformations. Les développeurs qui utilisent de grands modèles pourraient avoir plus de facilité à s'implanter dans cet environnement que ceux qui ne les utilisent pas.
Dans l'ensemble, bien que la technologie des grands modèles offre des opportunités et des défis au secteur financier, pour réaliser un véritable changement de paradigme, il est nécessaire qu'il y ait une équipe au sein du système financier qui intègre profondément les besoins internes et réalise des innovations majeures.
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
10 J'aime
Récompense
10
4
Partager
Commentaire
0/400
RektRecovery
· Il y a 22h
je l'ai dit... un autre cycle de hype prévisible dans le théâtre de la sécurité fintech. la surface de risque s'élargit en 3..2..1...
Voir l'originalRépondre0
GasFeeSobber
· Il y a 22h
Ces pigeons sont passés de l'anxiété à la détente.
Voir l'originalRépondre0
SilentAlpha
· Il y a 22h
Le modèle ne peut pas sauver les pigeons.
Voir l'originalRépondre0
TokenBeginner'sGuide
· Il y a 22h
Petit rappel : Investir dans des projets d'IA surchauffés doit se faire avec prudence, selon les données de CCID, 87 % des actifs se présentant comme des applications d'IA présentent un risque élevé.
Les grands modèles dans le secteur financier : de l'enthousiasme à la hausse vers une application raisonnée
Les grands modèles s'enfoncent dans le secteur financier, d'un enthousiasme élevé à un retour à la raison
Depuis la sortie de ChatGPT, le secteur financier a suscité une certaine anxiété. Cette industrie, qui a foi en la technologie, craint d'être laissée pour compte par l'évolution rapide des temps modernes. Cette atmosphère tendue s'est même répandue dans des endroits inattendus. Des professionnels du secteur ont révélé qu'en mai, lors d'un déplacement à Dali, ils ont même rencontré des acteurs financiers discutant des grands modèles dans un temple.
Cependant, cette anxiété commence à s'apaiser progressivement, et la pensée des gens devient plus claire et plus rationnelle. Un expert en services bancaires a décrit plusieurs étapes de l'attitude du secteur financier envers les grands modèles cette année : de février à mars, un sentiment général d'anxiété, craignant de prendre du retard ; d'avril à mai, formation d'équipes pour entreprendre des travaux connexes ; puis, au cours des mois suivants, des difficultés ont été rencontrées dans la recherche de direction et la mise en œuvre, devenant plus rationnels ; maintenant, ils commencent à se concentrer sur les entreprises de référence et à essayer de valider des scénarios d'application éprouvés.
Une nouvelle tendance est que de nombreuses institutions financières commencent à accorder une importance stratégique aux grands modèles. Selon des statistiques incomplètes, au moins 11 banques parmi les sociétés cotées en A-shares ont clairement indiqué dans leurs derniers rapports semestriels qu'elles explorent l'application des grands modèles. D'après les récentes actions, elles réfléchissent également de manière plus claire et planifient des chemins au niveau stratégique et de la conception de haut niveau.
De la hausse de l'enthousiasme à un retour rationnel
Au début de l'année, lorsque ChatGPT est apparu, l'enthousiasme de l'industrie financière pour les grands modèles était élevé, mais la compréhension de leur nature et de leurs modes d'application était en réalité très limitée. Certaines grandes banques ont été les premières à agir, commençant à faire diverses promotions "pour profiter de la tendance". En même temps, les départements technologiques de certaines grandes institutions financières ont activement discuté des questions de construction de grands modèles avec de grandes entreprises. Ils espèrent généralement construire leurs propres grands modèles, posant des questions sur la création de jeux de données, l'acquisition de serveurs et les méthodes d'entraînement.
À partir de mai, la situation a progressivement évolué. En raison de la pénurie de ressources de calcul, des coûts élevés et d'autres facteurs, de nombreuses institutions financières ont commencé à passer d'un simple souhait de construire elles-mêmes à un intérêt accru pour la valeur d'application. Actuellement, chaque institution financière se concentre sur les cas d'utilisation et les résultats des grands modèles par d'autres institutions.
Plus précisément, les entreprises de différentes tailles ont suivi des chemins différents. Les grandes institutions financières, qui disposent d'une énorme quantité de données financières et de scénarios d'application, peuvent intégrer des modèles de base avancés, construire leurs propres modèles d'entreprise et, en même temps, utiliser des méthodes de réglage fin pour former des modèles de tâches spécialisés, permettant ainsi de rapidement dynamiser leurs activités. Les institutions financières de taille moyenne et petite peuvent quant à elles prendre en compte le retour sur investissement et introduire au besoin des API de cloud public ou des services de déploiement privé de différents types de grands modèles, répondant directement aux besoins des affaires.
Cependant, en raison des exigences élevées de l'industrie financière en matière de conformité des données, de sécurité et de fiabilité, certaines personnes estiment que les progrès de l'implémentation des grands modèles dans ce secteur sont en réalité légèrement inférieurs aux attentes initiales de début d'année. Un expert a déclaré qu'ils avaient initialement prédit que l'industrie financière pourrait être la première à adopter massivement les grands modèles, mais la réalité est que la vitesse d'application dans l'industrie financière n'est pas aussi rapide que dans les secteurs du droit, du recrutement, etc.
Pour résoudre les diverses limitations lors de la mise en œuvre de grands modèles, certaines institutions financières ont déjà commencé à prendre des mesures. En ce qui concerne la puissance de calcul, plusieurs approches ont émergé dans le secteur :
Construire directement sa propre puissance de calcul, coût élevé mais bonne sécurité, adapté aux grandes institutions financières disposant de ressources solides et souhaitant développer des modèles industriels ou d'entreprise.
Déploiement hybride de la puissance de calcul, acceptant les interfaces de service de grand modèle appelées depuis le cloud public tout en traitant les services de données locaux par le biais d'un déploiement privatisé, sans que les données sensibles ne sortent du domaine. Cette méthode présente un coût relativement bas et convient aux institutions financières de petite et moyenne taille avec un budget relativement limité, qui appliquent uniquement selon les besoins.
Face à la pénurie et aux prix élevés des cartes GPU auxquels sont confrontées les petites et moyennes institutions, les autorités explorent la création d'une infrastructure de modèles de grande taille destinée au secteur des valeurs mobilières, en concentrant la puissance de calcul et les ressources des modèles de grande taille, afin que les petites et moyennes institutions financières puissent également bénéficier des services de modèles de grande taille, évitant ainsi un retard technologique.
En plus de la puissance de calcul, avec l'exploration de la mise en œuvre de grands modèles, de nombreuses institutions financières renforcent également la gouvernance des données. De plus en plus d'institutions financières de taille moyenne commencent à construire des plateformes de données et des systèmes de gouvernance des données. Des experts estiment que la construction d'un système de gouvernance des données complet et d'une plateforme technologique de lac de données sera une direction importante pour la construction informatique des institutions financières à l'avenir.
Certaines banques résolvent des problèmes de données en combinant de grands modèles avec MLOps. Par exemple, une grande banque a adopté un modèle MLOps pour établir un système de boucle de données de grands modèles, permettant l'automatisation de l'ensemble du processus, ainsi qu'une gestion unifiée et un traitement efficace de données hétérogènes provenant de multiples sources. Selon les informations, 2,6 To de jeux de données d'entraînement de haute qualité ont déjà été construits et accumulés.
Aborder le sujet par le biais de scénarios externes
Au cours des six derniers mois, les fournisseurs de services de grands modèles et les institutions financières ont activement recherché des cas d'application, explorant des domaines tels que le bureau intelligent, le développement intelligent, le marketing intelligent, le service client intelligent, la recherche et l'investissement intelligents, la gestion des risques intelligents et l'analyse des besoins.
Chaque institution financière a des idées riches concernant les grands modèles. Une banque a déclaré avoir déjà déployé des applications dans plus de 20 scénarios, une autre banque a indiqué avoir réalisé des pilotes dans plus de 30 scénarios, et une société de valeurs mobilières explore actuellement la connexion entre le grand modèle et la plateforme de personnes numériques virtuelles lancée auparavant.
Mais dans le processus de mise en œuvre réelle, le consensus dans l'industrie est d'abord en interne puis en externe. Après tout, à ce stade, la technologie des grands modèles n'est pas mature, et il existe des problèmes tels que des hallucinations, tandis que le secteur financier est un domaine fortement réglementé, à haute sécurité et de haute confiance.
Des experts suggèrent que les institutions financières devraient prioriser l'application de grands modèles dans les scénarios d'analyse, de compréhension et de création de textes et d'images financières, sous forme d'assistants, pour améliorer l'efficacité des employés par la collaboration homme-machine.
Actuellement, l'assistant de code a été mis en œuvre dans de nombreuses institutions financières. Par exemple, une banque a construit un système de développement intelligent basé sur un grand modèle, où la quantité de code générée par l'assistant de codage représente 40 % du volume total de code. Dans le domaine de l'assurance, une entreprise a développé un plugin d'assistance à la programmation basé sur un grand modèle, intégré directement dans les outils de développement internes.
Il y a également de nombreux cas d'application dans le domaine du bureau intelligent. Un produit de grand modèle financier, après son lancement dans une grande banque, a déjà été promu dans des centaines de points de vente, avec un taux d'adoption des réponses dépassant 85 %. Les solutions connexes ont également été rapidement reproduites dans d'autres banques et institutions financières.
Cependant, les experts de l'industrie estiment que ces scénarios déjà largement déployés ne sont en réalité pas encore des applications centrales des institutions financières. Les grands modèles sont encore éloignés des niveaux d'activité du secteur financier. Les scénarios de marketing, de gestion des risques et de conformité sont ceux où les grands modèles pourraient apporter des transformations, et c'est également là que se situent les besoins des clients financiers. Cependant, ces travaux dépendent encore de l'amélioration des capacités des fournisseurs de grands modèles sous-jacents.
Des experts prédisent qu'avant la fin de cette année, des projets utilisant réellement des modèles de grande taille dans les scénarios d'activités principales des institutions financières ou des informations d'appel d'offres apparaîtront.
Dans le même temps, certains changements au niveau de la conception stratégique sont en cours. L'ensemble du système intelligent et numérisé de demain sera reconstruit sur la base de grands modèles. Cela exige que l'industrie financière reconfigure ses systèmes lors de la mise en œuvre de grands modèles. En même temps, on ne peut pas négliger la valeur des modèles plus petits traditionnels, et il faut permettre une collaboration entre les grands et petits modèles.
Actuellement, plusieurs grandes institutions financières ont construit un cadre système hiérarchique comprenant plusieurs niveaux tels que la couche d'infrastructure, la couche de modèle, la couche de services de grands modèles et la couche d'application, basé sur de grands modèles. Ces systèmes de cadres présentent généralement deux grandes caractéristiques : premièrement, le grand modèle joue un rôle central, utilisant les modèles traditionnels comme compétences ; deuxièmement, la couche de grands modèles adopte une stratégie multi-modèles, comparant en interne pour sélectionner le meilleur résultat.
Le manque de talents reste énorme
L'application des grands modèles commence à poser certains défis et à provoquer des changements dans la structure du personnel de l'industrie financière. Des entreprises de technologie financière ont licencié plus de 300 analystes de données depuis le début de l'année jusqu'à fin mai. Certaines tâches de synthèse d'informations qui étaient auparavant effectuées par des stagiaires peuvent maintenant être réalisées par de grands modèles.
Cependant, certaines banques ne souhaitent pas que les grands modèles entraînent des licenciements. Elles espèrent que les grands modèles pourront offrir de nouvelles opportunités, améliorer la qualité du service et l'efficacité du travail des employés, tout en libérant une partie des employés pour qu'ils effectuent des tâches à plus forte valeur ajoutée.
Cette considération est d'une part due à la stabilité du personnel et de la structure, et d'autre part parce qu'il y a encore un manque de talents pour de nombreux postes au sein de l'industrie. Les grandes banques ont un grand nombre de tâches à accomplir, et certains délais pour les besoins informatiques sont même prévus jusqu'à la fin de l'année prochaine. Ils espèrent que les grands modèles pourront aider les employés à améliorer leur efficacité et leur rapidité, plutôt qu'à entraîner une réduction du personnel.
Plus important encore, la demande pour les grands modèles a explosé, mais l'offre de talents rares est difficile à égaler dans un court laps de temps. Un cadre bancaire a déclaré que parmi les nouveaux employés qu'ils avaient récemment recrutés, une grande proportion se forme dans le domaine de l'IA, mais il y a très peu de talents qui comprennent les grands modèles.
Certains experts estiment que la demande de talents pour l'application directe de grands modèles est relativement simple, nécessitant principalement des personnes capables de poser des questions. Cependant, si l'on souhaite créer un grand modèle spécifique à un secteur ou à une entreprise, il est nécessaire que les institutions financières disposent d'une équipe technique spécialisée dans les grands modèles.
Pour faire face à la pénurie de talents, certaines institutions ont déjà pris des mesures. Des entreprises ont collaboré avec les équipes des ressources humaines des laboratoires bancaires pour concevoir une série de formations, telles que l'optimisation de Prompt, le fine-tuning, l'exploitation de grands modèles, etc., et ont collaboré avec plusieurs départements pour établir des groupes de projet conjoints afin de promouvoir le développement des compétences des employés.
Dans ce processus, la structure du personnel des institutions financières connaîtra également certains ajustements et transformations. Les développeurs qui utilisent de grands modèles pourraient avoir plus de facilité à s'implanter dans cet environnement que ceux qui ne les utilisent pas.
Dans l'ensemble, bien que la technologie des grands modèles offre des opportunités et des défis au secteur financier, pour réaliser un véritable changement de paradigme, il est nécessaire qu'il y ait une équipe au sein du système financier qui intègre profondément les besoins internes et réalise des innovations majeures.