النماذج الكبيرة تتعمق في الصناعة المالية، من الحماس المرتفع إلى العودة إلى العقلانية

منذ ظهور ChatGPT، أثار قلقًا كبيرًا في قطاع المالية. يخشى هذا القطاع الذي يؤمن بالتكنولوجيا أن يتم تركه خلف تيارات العصر المتطورة بسرعة. انتشرت هذه الأجواء المتوترة حتى إلى أماكن غير متوقعة. كشفت أحدى المتخصصات في القطاع أنها خلال رحلتها إلى دالي في مايو، وجدت حتى في المعبد مناقشات حول النماذج الكبيرة من قبل العاملين في مجال المالية.

ومع ذلك، فإن هذا الشعور بالقلق بدأ يتلاشى تدريجياً، وأصبح تفكير الناس أكثر وضوحاً وعقلانية. وصف خبير مصرفي عدة مراحل من موقف القطاع المالي تجاه النماذج الكبيرة هذا العام: في شهري فبراير ومارس، شعر الجميع بالقلق، خوفاً من التأخر؛ في شهري أبريل ومايو، بدأوا بتشكيل فرق للعمل في هذا المجال؛ وفي الأشهر التالية، واجهوا صعوبات في البحث عن اتجاه وتحقيق الأهداف، وأصبحوا أكثر عقلانية؛ والآن، بدأوا بالتركيز على الشركات الرائدة، محاولين التحقق من سيناريوهات التطبيقات المجربة.

اتجاه جديد هو أن العديد من المؤسسات المالية بدأت تعطي أهمية استراتيجية للنماذج الكبيرة. وفقًا لإحصاءات غير مكتملة، هناك على الأقل 11 بنكًا من الشركات المدرجة في سوق الأسهم الصينية (A-shares) قد ذكرت بوضوح في أحدث تقارير نصف سنوية لها أنها تستكشف تطبيق النماذج الكبيرة. من خلال الإجراءات الأخيرة، يبدو أنهم يقومون أيضًا بتفكير أكثر وضوحًا وتخطيط لمسارات من منظور استراتيجي وتصميم على المستوى الأعلى.

من الحماس المرتفع إلى العودة العقلانية

في بداية العام، عندما ظهرت ChatGPT، كانت حماس صناعة المالية تجاه النموذج الكبير مرتفعة، لكن فهمهم لطبيعته وطرق تطبيقه كان محدودًا جدًا. بادرت بعض البنوك الكبرى بالتحرك، وبدأت في القيام بأنواع مختلفة من الدعاية "للاستفادة من الضجة". في نفس الوقت، كانت الأقسام التكنولوجية في بعض المؤسسات المالية الرائدة تتفاعل بنشاط مع الشركات الكبرى لمناقشة بناء النموذج الكبير. كانوا يأملون بشكل عام في بناء نموذج كبير لأنفسهم، واستفسروا عن كيفية إنشاء مجموعات البيانات، وشراء الخوادم، وطرق التدريب.

بعد مايو، بدأت الأمور تتغير تدريجيا. بسبب نقص موارد الحوسبة وارتفاع التكاليف، بدأت العديد من المؤسسات المالية في التحول من الأمل البسيط في بناء أنظمة خاصة بها إلى التركيز بشكل أكبر على قيمة التطبيق. الآن، تتابع كل مؤسسة مالية حالة ونتائج استخدام المؤسسات الأخرى للنماذج الكبيرة.

بشكل محدد، اتخذت الشركات ذات الأحجام المختلفة طرقًا مختلفة. يمكن للمؤسسات المالية الكبيرة التي تمتلك بيانات مالية ضخمة وسيناريوهات تطبيقية، إدخال نماذج أساسية رائدة، وبناء نماذج كبيرة خاصة بها، في حين تستخدم طريقة الضبط الدقيق لتشكيل نماذج مهام متخصصة في مجالات معينة، مما يمكنها من تعزيز الأعمال بسرعة. أما المؤسسات المالية الصغيرة والمتوسطة، فيمكنها النظر في العائد على الاستثمار، وإدخال خدمات واجهة برمجة التطبيقات السحابية العامة أو خدمات النشر الخاصة للنماذج الكبيرة حسب الحاجة لتلبية متطلبات الأعمال مباشرة.

ومع ذلك، نظرًا لأن متطلبات الامتثال للبيانات والأمان والموثوقية في صناعة المالية مرتفعة، يعتقد بعض الأشخاص أن تقدم النماذج الكبيرة في هذه الصناعة أقل قليلاً من التوقعات الأولية في بداية العام. قال أحد الخبراء إنهم توقعوا في البداية أن صناعة المالية قد تكون أول من يستخدم النماذج الكبيرة على نطاق واسع، لكن الوضع الفعلي هو أن سرعة التطبيق في صناعة المالية ليست سريعة مثل تلك في الصناعات القانونية والتوظيف.

لمعالجة القيود المختلفة في عملية تطبيق النماذج الكبيرة، بدأت بعض المؤسسات المالية في اتخاذ تدابير. في جانب القوة الحاسوبية، ظهرت عدة أفكار لحل المشكلة في الصناعة:

1. بناء القوة الحاسوبية مباشرة، بتكاليف مرتفعة ولكن بأمان جيد، مناسب للمؤسسات المالية الكبرى التي تتمتع بقوة كبيرة وتود بناء نموذج كبير في الصناعة أو الشركات.

2. نشر مختلط للقوة الحاسوبية، في حالة عدم خروج البيانات الحساسة من المجال، قبول استدعاء واجهة خدمة النموذج الكبير من السحابة العامة، وفي نفس الوقت معالجة خدمات البيانات المحلية من خلال النشر الخاص. هذه الطريقة ذات تكلفة منخفضة، وهي مناسبة للمؤسسات المالية الصغيرة والمتوسطة التي لديها موارد مالية محدودة وتطبق فقط عند الحاجة.

بالنسبة لمشكلة ندرة بطاقات GPU والأسعار المرتفعة التي تواجهها المؤسسات الصغيرة والمتوسطة، فإن الجهات المعنية تستكشف إنشاء بنية تحتية لنماذج كبيرة موجهة لصناعة الأوراق المالية، والتي تركز على قوة الحوسبة والموارد الشاملة للنماذج الكبيرة، مما يتيح للمؤسسات المالية الصغيرة والمتوسطة استخدام خدمات النماذج الكبيرة، ومنع التخلف التكنولوجي.

بجانب القدرة الحاسوبية، ومع استكشاف تطبيق النماذج الكبيرة، عززت العديد من المؤسسات المالية أيضًا إدارة البيانات. بدأت المزيد من المؤسسات المالية متوسطة الحجم في بناء منصة بيانات ونظام إدارة بيانات. يرى الخبراء أن بناء نظام إدارة بيانات متكامل ومنصة تقنية بحيرة البيانات سيكون الاتجاه المهم في بناء تكنولوجيا المعلومات للمؤسسات المالية في المستقبل.

تعمل بعض البنوك على حل مشكلات البيانات من خلال دمج النماذج الكبيرة مع MLOps. على سبيل المثال، قام أحد البنوك الكبرى بإنشاء نظام حلقة مغلقة للبيانات باستخدام نموذج MLOps، مما حقق أتمتة كاملة للعملية وإدارة موحدة وفعالة للبيانات المتعددة المصادر والمتنوعة. ويُذكر أنه قد تم بناء وتجميع 2.6 تيرابايت من مجموعة بيانات التدريب عالية الجودة.

الدخول من المشهد الخارجي

على مدار أكثر من نصف عام، كان مقدمو خدمات النماذج الكبيرة والمؤسسات المالية يبحثون بنشاط عن سيناريوهات التطبيق، حيث تم استكشاف مجالات مثل المكتب الذكي، والتطوير الذكي، والتسويق الذكي، وخدمة العملاء الذكية، والبحث الاستثماري الذكي، وإدارة المخاطر الذكية، وتحليل الطلب.

تمتلك كل مؤسسة مالية تصورات غنية حول النماذج الكبيرة. قال أحد البنوك إن هناك أكثر من 20 سيناريو قيد التطبيق داخليًا، بينما أفاد بنك آخر أنه تم إجراء تجارب في أكثر من 30 سيناريو، بالإضافة إلى أن إحدى شركات الأوراق المالية تستكشف ربط النماذج الكبيرة مع منصة الأشخاص الرقميين الافتراضية التي تم إطلاقها سابقًا.

لكن في عملية التنفيذ الفعلية، هناك توافق في الصناعة على أن يكون هناك تنفيذ داخلي أولاً ثم خارجي. فبالنظر إلى المرحلة الحالية، فإن تقنية النماذج الكبيرة ليست ناضجة، وتوجد مشاكل مثل الوهم، بينما تعتبر الصناعة المالية مجالًا يتسم بتنظيم قوي وأمان عالٍ وموثوقية عالية.

اقترح الخبراء أن على المؤسسات المالية إعطاء الأولوية لتطبيق النماذج الكبيرة في فهم وتحليل وإبداع النصوص المالية والصور المالية في السيناريوهات التي تتطلب جهدًا ذهنيًا، بشكل يساعد على تعزيز كفاءة موظفي الأعمال من خلال التعاون بين الإنسان والآلة.

حالياً، تم تنفيذ مساعد الكود في العديد من المؤسسات المالية. على سبيل المثال، قامت إحدى البنوك بإنشاء نظام تطوير ذكي قائم على نماذج كبيرة، حيث بلغت نسبة كمية الكود التي تم إنشاؤها بواسطة مساعد الترميز 40% من إجمالي كمية الكود. في مجال التأمين، طورت إحدى الشركات ملحق برمجة مساعد قائم على نموذج كبير، يتم دمجه مباشرة في أدوات التطوير الداخلية.

هناك العديد من حالات التنفيذ في مجال المكاتب الذكية. بعد أن تم إطلاق منتج نموذج مالي كبير في إحدى البنوك الكبرى، تم الترويج له في مئات الفروع، حيث تجاوزت نسبة اعتماد الإجابات 85%. كما تم نسخ الحلول ذات الصلة بسرعة إلى بنوك ومؤسسات مالية أخرى.

ومع ذلك، يعتقد المتخصصون في الصناعة أن هذه السيناريوهات التي تم تطبيقها على نطاق واسع ليست التطبيقات الأساسية للمؤسسات المالية، ولا يزال هناك مسافة معينة تفصل النماذج الكبيرة عن التعمق في مستوى الأعمال في الصناعة المالية. تعتبر السيناريوهات مثل التسويق وإدارة المخاطر والامتثال هي المجالات التي قد تجلب فيها النماذج الكبيرة تغييرات، وهي أيضًا جزء من احتياجات العملاء في القطاع المالي، ولكن في الوقت الحالي، لا يزال يتعين أن تعتمد هذه الأعمال على تحسين قدرات مزودي النماذج الكبيرة الأساسية.

توقع الخبراء أنه بحلول نهاية هذا العام، ستظهر مجموعة من مشاريع بناء أو معلومات مناقصة تستخدم نماذج كبيرة فعليًا في سيناريوهات الأعمال الأساسية للمؤسسات المالية.

في الوقت نفسه، تجري بعض التغييرات على مستوى التصميم العلوي. سيتم إعادة بناء النظام الذكي والرقمي بالكامل في المستقبل على أساس النماذج الكبيرة. يتطلب ذلك من القطاع المالي إعادة هيكلة النظام أثناء دفع النماذج الكبيرة نحو التنفيذ. في الوقت نفسه، لا ينبغي تجاهل قيمة النماذج الصغيرة التقليدية، بل يجب أن تتعاون النماذج الكبيرة والصغيرة.

حاليًا، قامت العديد من المؤسسات المالية الرائدة بإنشاء إطار نظام طبقي يتضمن طبقات مثل طبقة البنية التحتية، وطبقة النموذج، وطبقة خدمات النماذج الكبيرة، وطبقة التطبيقات، استنادًا إلى النماذج الكبيرة. تتميز هذه الأنظمة بشكل عام بميزتين رئيسيتين: الأولى هي أن النموذج الكبير يلعب دورًا محوريًا، حيث يتم استدعاء النماذج التقليدية كمهارات؛ والثانية هي أن طبقة النموذج الكبير تعتمد على استراتيجية النماذج المتعددة، حيث يتم إجراء مقارنات داخلية لاختيار أفضل النتائج.

لا يزال هناك نقص كبير في المواهب

لقد بدأت تطبيقات النماذج الكبيرة في إحداث بعض التحديات والتحولات في هيكل الأفراد في صناعة المال. قامت شركات التكنولوجيا المالية بتسريح أكثر من 300 محلل بيانات كبير من بداية هذا العام حتى نهاية مايو. بعض الأعمال المتعلقة بجمع المعلومات التي كانت تُنجز سابقًا بواسطة المتدربين، يمكن الآن إنجازها من خلال النماذج الكبيرة.

ومع ذلك، لا ترغب بعض البنوك في أن يؤدي النموذج الكبير إلى تقليص عدد الموظفين. إنهم يأملون أن يجلب النموذج الكبير فرصًا جديدة، ويعزز جودة خدمة الموظفين وكفاءة العمل، بينما يحرر جزءًا من الموظفين للقيام بمزيد من الأعمال عالية القيمة.

هذا الاعتبار من ناحية ناتج عن اعتبارات استقرار الأفراد والهياكل، ومن ناحية أخرى بسبب وجود نقص في المواهب في العديد من الوظائف داخل القطاع. هناك الكثير من العمل الذي يحتاج إلى إنجازه في البنوك الكبيرة، وقد تم جدولة بعض متطلبات تكنولوجيا المعلومات حتى نهاية العام المقبل. إنهم يأملون أن تساعد النماذج الكبيرة الموظفين في تحسين الكفاءة والسرعة، بدلاً من أن تؤدي إلى تقليل عدد الموظفين.

الأهم من ذلك، أن الطلب على النماذج الكبيرة قد ارتفع بشكل كبير، لكن من الصعب تلبية العرض النادر من المواهب في فترة زمنية قصيرة. قال أحد كبار المصرفيين إنه من بين الموظفين الجدد الذين تم توظيفهم مؤخرًا، فإن نسبة الذين يدرسون مجال الذكاء الاصطناعي مرتفعة جداً، لكن عدد المواهب التي تفهم النماذج الكبيرة قليل جدًا.

يعتقد بعض الخبراء أن الطلب على المواهب التي تستخدم النماذج الكبيرة بشكل مباشر هو نسبيًا بسيط، حيث تحتاج بشكل أساسي إلى أشخاص قادرين على طرح الأسئلة. لكن إذا كان الأمر يتعلق ببناء نموذج كبير خاص بالصناعة أو الشركة، فإن المؤسسات المالية تحتاج إلى امتلاك فريق تقني قوي متخصص في النماذج الكبيرة.

لمواجهة نقص المواهب، اتخذت بعض المؤسسات إجراءات. قامت بعض الشركات بالتعاون مع فريق الموارد البشرية في مختبرات البنوك لتصميم مجموعة من الدورات التدريبية مثل تحسين Prompt، والتعديل الدقيق، وتشغيل النماذج الكبيرة، وتعاونت مع عدة أقسام لتشكيل مجموعات مشاريع مشتركة بهدف تعزيز قدرات الموظفين في الشركات.

خلال هذه العملية، ستشهد الهيكلية البشرية في المؤسسات المالية بعض التعديلات والتحولات. قد يكون من السهل على المطورين الذين يستخدمون النماذج الكبيرة الثبات في هذا البيئة أكثر من أولئك الذين لا يستخدمونها.

بشكل عام، على الرغم من أن تقنية النماذج الكبيرة قد جلبت فرصًا وتحديات لصناعة المالية، إلا أنه لتحقيق تغيير حقيقي في النموذج، لا يزال هناك حاجة إلى وجود فريق داخل النظام المالي يتكامل بعمق مع الاحتياجات الداخلية ويحقق ابتكارات كبيرة.