人工智能对金融业的影响：从初期焦虑到理性应用

ChatGPT的问世在金融业引发了一波焦虑情绪。作为一个对技术充满信仰的行业，金融界担心会被快速发展的人工智能时代甩在后面。这种焦虑情绪一度蔓延到各个角落，甚至在寺庙里都能听到金融从业者讨论大模型技术。

然而，随着时间推移，这种焦虑逐渐平息，人们的思路也变得更加清晰和理性。金融业对大模型的态度经历了几个阶段:最初的担忧和焦虑、随后的积极行动、再到遇到实际困难后的理性思考，现在则进入了有选择性地尝试已验证场景的阶段。

值得注意的是，许多金融机构已经开始从战略高度重视大模型技术。据统计，A股上市公司中至少有11家银行在最新半年报中明确提出正在探索大模型应用。从近期动作来看，这些机构正在从战略和顶层设计层面进行更深入的思考和规划。

从热情高涨到理性回归

年初ChatGPT刚推出时，金融界对大模型的了解还很有限，尽管热情高涨。一些大型银行率先行动，开始进行各种营销宣传。同时，一些头部金融机构的科技部门积极与大型科技公司洽谈大模型建设事宜。

然而到了5月以后，受限于算力资源紧缺、成本高昂等因素，许多金融机构开始将注意力从单纯建设模型转向关注应用价值。不同规模的企业也开始采取不同的策略:大型金融机构倾向于引入业界领先的基础大模型并自建企业大模型，而中小金融机构则更多考虑按需引入各类大模型服务。

尽管如此，由于金融行业对数据合规性、安全性和可信性的高要求，大模型在这个领域的落地进展实际上比年初的预期要慢。为了解决落地过程中的各种障碍，金融机构正在采取多种方法，包括自建算力、混合部署等。同时，越来越多的金融机构也开始加强数据治理工作。

从外围场景切入

过去半年多，金融机构和大模型服务商都在积极探索各种应用场景，包括智慧办公、智能开发、智慧营销、智能客服、智慧投研、智能风控等。每家金融机构都对大模型有着丰富的构想。

然而，在实际落地时，普遍共识是先从内部应用开始，再逐步扩展到外部。这是因为当前大模型技术尚不成熟，而金融行业又是一个强监管、高安全要求的领域。因此，许多机构选择从代码助手和客服助手等相对容易实现的场景入手。

值得注意的是，这些已经广泛落地的场景，实际上还不是金融机构的核心应用。大模型要真正深入金融行业的业务层面，还需要一定的时间和技术突破。

与此同时，一些顶层设计层面的变革正在进行。越来越多的金融机构开始基于大模型搭建多层次的系统框架，将大模型作为中枢，同时整合传统模型，采用多模型策略以优化效果。

人才缺口依然庞大

大模型的应用已经开始对金融行业的人员结构带来挑战和变革。一些传统岗位面临被替代的风险，但同时也创造了新的机会和需求。

许多金融机构希望通过大模型来提升员工的服务质量和工作效率，而不是简单地替代人力。然而，目前行业面临的一个主要挑战是大模型相关人才的严重短缺。

金融机构需要既懂金融又懂AI的复合型人才，特别是在自建行业或企业大模型方面。为此，一些机构已经开始采取行动，如设计培训课程、建立联合项目组等，以提升企业内部人员的相关能力。

随着大模型技术的不断发展和应用，金融机构的人员结构也将迎来调整和变革。那些能够熟练运用大模型技术的人才，将更有可能在这个快速变化的环境中脱颖而出。