Aplikasi Model Besar di Sektor Keuangan: Dari Antusiasme yang Naik ke Kembali Secara Rasional
Kemunculan ChatGPT telah menimbulkan kecemasan di industri keuangan, khawatir tertinggal dalam gelombang teknologi. Namun, kecemasan ini secara bertahap mulai mereda, dan pemikiran menjadi lebih jelas dan rasional. Sikap industri keuangan terhadap model besar telah melalui beberapa fase: kecemasan dan kepanikan awal, tindakan positif berikutnya, eksplorasi arah dan kesulitan, hingga verifikasi rasional dan percobaan saat ini.
Semakin banyak lembaga keuangan mulai memberikan perhatian strategis terhadap model besar. Beberapa bank dalam laporan setengah tahunan terbaru mereka secara jelas menyatakan bahwa mereka sedang mengeksplorasi aplikasi model besar, dan melakukan pemikiran dan perencanaan yang lebih mendalam pada tingkat strategis dan desain tingkat atas.
Pemahaman pelanggan keuangan tentang model besar semakin mendalam. Pada tahap awal, beberapa bank besar mengambil langkah pertama dengan melaksanakan berbagai kegiatan promosi. Seiring dengan dirilisnya model besar oleh beberapa vendor, institusi keuangan terkemuka mulai aktif berdiskusi dengan perusahaan besar mengenai pembangunan model besar.
Setelah bulan Mei, akibat kekurangan sumber daya komputasi dan biaya yang tinggi, lembaga keuangan mulai lebih memperhatikan nilai aplikasi. Lembaga besar cenderung untuk memperkenalkan model besar dasar dan membangun model besar perusahaan sendiri, sementara lembaga kecil dan menengah lebih mempertimbangkan ROI, dengan memperkenalkan layanan model besar sesuai kebutuhan.
Industri keuangan telah muncul beberapa pemikiran solusi dalam hal daya komputasi: membangun daya komputasi sendiri, penyebaran daya komputasi campuran, dan lain-lain. Sementara itu, semakin banyak institusi yang memperkuat tata kelola data, membangun platform data dan sistem tata kelola. Beberapa bank juga telah menyelesaikan masalah data melalui model besar + MLOps.
Dalam hal skenario aplikasi, lembaga keuangan cenderung untuk memulai dari skenario internal, seperti pengembangan cerdas, kantor cerdas, dan lainnya. Namun, masih ada jarak tertentu untuk mendalami bisnis inti. Beberapa lembaga telah membangun kerangka sistem multi-level berdasarkan model besar, memanfaatkan kemampuan pusat dari model besar tersebut.
Aplikasi model besar juga membawa tantangan bagi struktur tenaga kerja di industri keuangan. Di satu sisi, beberapa posisi menghadapi risiko penggantian, sementara di sisi lain, muncul kekurangan tenaga kerja baru, terutama di bidang AI dan model besar. Beberapa lembaga sudah mengambil tindakan, melalui pelatihan dan cara lainnya untuk meningkatkan kemampuan karyawan.
Secara keseluruhan, industri keuangan sedang beralih dari antusiasme buta awal terhadap aplikasi model besar menjadi eksplorasi yang lebih rasional, dengan aktif mempersiapkan dalam perencanaan strategis, arsitektur teknologi, dan pengembangan bakat, untuk aplikasi mendalam model besar di bidang keuangan.
Lihat Asli
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
7 Suka
Hadiah
7
4
Posting ulang
Bagikan
Komentar
0/400
AllInDaddy
· 08-15 06:29
Tenang saja, panik tidak ada gunanya.
Lihat AsliBalas0
UnluckyMiner
· 08-15 06:18
Rantai dana akan putus lagi.
Lihat AsliBalas0
BlockchainDecoder
· 08-15 06:13
Perlu dicatat bahwa data menunjukkan bahwa tingkat kematangan aplikasi model besar di bidang keuangan hanya 0,31, ciri khas dari kurva hype yang berlebihan. Mengacu pada teori kurva kematangan Gartner, saat ini berada pada fase transisi dari periode harapan yang tidak realistis menuju fase kenaikan yang stabil, yang sepenuhnya sesuai dengan hukum perkembangan teknologi.
Aplikasi model besar di industri keuangan memasuki tahap eksplorasi rasional dan penataan strategi secara menyeluruh.
Aplikasi Model Besar di Sektor Keuangan: Dari Antusiasme yang Naik ke Kembali Secara Rasional
Kemunculan ChatGPT telah menimbulkan kecemasan di industri keuangan, khawatir tertinggal dalam gelombang teknologi. Namun, kecemasan ini secara bertahap mulai mereda, dan pemikiran menjadi lebih jelas dan rasional. Sikap industri keuangan terhadap model besar telah melalui beberapa fase: kecemasan dan kepanikan awal, tindakan positif berikutnya, eksplorasi arah dan kesulitan, hingga verifikasi rasional dan percobaan saat ini.
Semakin banyak lembaga keuangan mulai memberikan perhatian strategis terhadap model besar. Beberapa bank dalam laporan setengah tahunan terbaru mereka secara jelas menyatakan bahwa mereka sedang mengeksplorasi aplikasi model besar, dan melakukan pemikiran dan perencanaan yang lebih mendalam pada tingkat strategis dan desain tingkat atas.
Pemahaman pelanggan keuangan tentang model besar semakin mendalam. Pada tahap awal, beberapa bank besar mengambil langkah pertama dengan melaksanakan berbagai kegiatan promosi. Seiring dengan dirilisnya model besar oleh beberapa vendor, institusi keuangan terkemuka mulai aktif berdiskusi dengan perusahaan besar mengenai pembangunan model besar.
Setelah bulan Mei, akibat kekurangan sumber daya komputasi dan biaya yang tinggi, lembaga keuangan mulai lebih memperhatikan nilai aplikasi. Lembaga besar cenderung untuk memperkenalkan model besar dasar dan membangun model besar perusahaan sendiri, sementara lembaga kecil dan menengah lebih mempertimbangkan ROI, dengan memperkenalkan layanan model besar sesuai kebutuhan.
Industri keuangan telah muncul beberapa pemikiran solusi dalam hal daya komputasi: membangun daya komputasi sendiri, penyebaran daya komputasi campuran, dan lain-lain. Sementara itu, semakin banyak institusi yang memperkuat tata kelola data, membangun platform data dan sistem tata kelola. Beberapa bank juga telah menyelesaikan masalah data melalui model besar + MLOps.
Dalam hal skenario aplikasi, lembaga keuangan cenderung untuk memulai dari skenario internal, seperti pengembangan cerdas, kantor cerdas, dan lainnya. Namun, masih ada jarak tertentu untuk mendalami bisnis inti. Beberapa lembaga telah membangun kerangka sistem multi-level berdasarkan model besar, memanfaatkan kemampuan pusat dari model besar tersebut.
Aplikasi model besar juga membawa tantangan bagi struktur tenaga kerja di industri keuangan. Di satu sisi, beberapa posisi menghadapi risiko penggantian, sementara di sisi lain, muncul kekurangan tenaga kerja baru, terutama di bidang AI dan model besar. Beberapa lembaga sudah mengambil tindakan, melalui pelatihan dan cara lainnya untuk meningkatkan kemampuan karyawan.
Secara keseluruhan, industri keuangan sedang beralih dari antusiasme buta awal terhadap aplikasi model besar menjadi eksplorasi yang lebih rasional, dengan aktif mempersiapkan dalam perencanaan strategis, arsitektur teknologi, dan pengembangan bakat, untuk aplikasi mendalam model besar di bidang keuangan.