Mô hình tài chính lớn, lắng nghe tiếng gió ở xa

Là một ứng dụng quan trọng của công nghệ AI trong ngành tài chính, các mô hình tài chính lớn đang phải đối mặt với thách thức chuyển đổi từ phạm vi phủ sóng tốc độ cao sang giá trị tối ưu. Bài viết này phân tích sâu sắc tình hình hiện tại của các mô hình tài chính lớn, những khó khăn mà họ phải đối mặt và hướng phát triển trong tương lai, cung cấp những hiểu biết có giá trị cho các chuyên gia trong lĩnh vực công nghệ tài chính. Được đề xuất cho những người bạn quan tâm đến các ứng dụng AI tài chính, đổi mới công nghệ và xu hướng ngành.

Mô hình tài chính lớn được coi là điểm dừng chân đầu tiên cho quá trình công nghiệp hóa mô hình AI lớn.

Từ năm 2023 đến nay, sự phát triển của thị trường mô hình tài chính lớn của Trung Quốc thực sự đã chứng minh cho nhận định này. Theo dữ liệu có liên quan, hiện có gần 20 mô hình tài chính lớn đang được sử dụng tại thị trường Trung Quốc và các tổ chức tài chính hàng đầu đã áp dụng các mô hình AI lớn hoặc đã trình bày kế hoạch nghiên cứu, phát triển và ứng dụng các mô hình AI lớn.

Cần lưu ý rằng trong bối cảnh giảm chi phí và tăng hiệu quả, các tổ chức tài chính hiện nay cần tính đến nhiều mục tiêu đầu tư số như tài chính di động và thay thế tự động các hệ thống số. Các nguồn lực có thể phân bổ cho các mô hình AI lớn không nhiều và lợi nhuận đầu tư mà AI mang lại cho các tổ chức tài chính vẫn còn rất hạn chế. Liệu ngành tài chính có thực sự đáng để triển khai hiệu quả các mô hình lớn không?

Tôi nhớ đã trao đổi với một đại diện ngân hàng khi tham dự hội nghị thượng đỉnh công nghệ tài chính năm 2023. Ông ấy chỉ ra rằng động lực cơ bản nhất khiến các tổ chức tài chính xây dựng các mô hình AI lớn chính là mối quan tâm. Trước khi kỷ nguyên Internet di động ra đời, ngành tài chính toàn cầu thường đánh giá thấp tác động của các công nghệ mới. Sau đó, các nền tảng Internet di động như Apple Pay, Alipay và WeChat đã chia sẻ lợi nhuận theo thời gian. Động lực thúc đẩy các tổ chức tài chính tăng cường đầu tư vào các mô hình AI lớn là ngăn chặn những tình huống tương tự xảy ra lần nữa.

Nếu đúng như vậy thì ngành tài chính không chỉ cần nhanh chóng chuyển sang mô hình lớn. Nó cũng cần phải lắng nghe tiếng gió ở xa và có thể theo dõi các kế hoạch hành động trung hạn và ngắn hạn từ các mục tiêu dài hạn.

Hôm nay, chúng ta sẽ bắt đầu từ góc nhìn này và nói về hướng đi tiếp theo của ngành tài chính sau khi nhanh chóng sử dụng các mô hình lớn.

1. Mô hình tài chính lớn, từ phạm vi phủ sóng tốc độ cao 1.0 đến tối ưu hóa giá trị 2.0

Từ thị trường toàn cầu đến thị trường Trung Quốc, những thay đổi lớn về mô hình do AI tạo ra đã tạo nên làn sóng đổi mới công nghệ trong ngành tài chính trong hơn một năm.

Trên bình diện quốc tế, OpenAI coi ngành tài chính là điểm dừng chân đầu tiên để triển khai công nghệ GPT. Ví dụ, công ty đã hợp tác với Morgan Stanley để ra mắt một robot tư vấn đầu tư dựa trên GPT-4.

Trong ngành tài chính của Trung Quốc, các mô hình AI lớn đã được xử lý với tốc độ cao chưa từng có. Chỉ trong hơn một năm, các ngân hàng, công ty chứng khoán và tổ chức bảo hiểm hàng đầu đã hoàn tất việc triển khai các mô hình tài chính lớn.

Ví dụ, Ngân hàng Công thương Trung Quốc tuyên bố rằng họ đã xây dựng hệ thống công nghệ AI mô hình lớn tự động, có thể điều khiển và đầy đủ đầu tiên trong ngành với quy mô hàng trăm tỷ đô la và đã đạt được các ứng dụng sáng tạo trong nhiều lĩnh vực kinh doanh tài chính. Ví dụ, trong hoạt động chi nhánh, một trợ lý thông minh dành cho nhân viên chi nhánh dựa trên các mô hình lớn đã được ra mắt. Ngân hàng Nông nghiệp Trung Quốc AI đã ra mắt ChatABC, một ứng dụng AI mô hình lớn tương tự như ChatGPT và tiến hành thử nghiệm nội bộ theo kịch bản hỏi đáp về công nghệ. Bằng cách kết nối với "Wenxin Yiyan" của Baidu, Ngân hàng Tiết kiệm Bưu điện Trung Quốc áp dụng các mô hình ngôn ngữ lớn trong các tình huống như kiểm soát rủi ro thông minh, vận hành thông minh, nghiên cứu đầu tư thông minh và tiếp thị thông minh.

Ở cấp độ ngân hàng tư nhân, Ant Financial áp dụng công nghệ mô hình lớn vào cấp độ tài chính công nghiệp để xác định hồ sơ tín dụng của các doanh nghiệp vừa và nhỏ. Trong ngành bảo hiểm, ZhongAn Insurance đã xây dựng hệ thống "Zhongyou Lingxi", đưa các mô hình lớn vào các kịch bản kinh doanh như dịch vụ khách hàng thông minh, nhắc nhở hết hạn và vận hành thông minh.

Theo quan điểm của các nhà cung cấp công nghệ và giải pháp, thị trường Trung Quốc hiện có nhiều kênh cung cấp công nghệ mô hình tài chính lớn. Tencent Cloud và Ant Financial đều đã tung ra các giải pháp tài chính mô hình lớn. Ngành tài chính đòi hỏi cả việc triển khai các mô hình lớn và việc cập nhật cơ sở hạ tầng. Năm 2023, Huawei đã ra mắt giải pháp PaaS cấp tài chính dựa trên mô hình lớn Pangu và phát hành giải pháp mô hình lớn tài chính bao gồm 10 kịch bản trong ba danh mục: AI cho dữ liệu, AI cho doanh nghiệp và AI cho CNTT.

Ở cấp độ mô hình lớn nguồn mở, Du Xiaoman đã mở mô hình lớn Xuanyuan, được đào tạo dựa trên mô hình lớn Bloom với 176 tỷ tham số. Nó đã được áp dụng cho nhiều kịch bản kinh doanh khác nhau của Du Xiaoman, bao gồm các kịch bản từ tiếp thị, dịch vụ khách hàng, kiểm soát rủi ro, văn phòng đến R&D và đã đạt được vị trí dẫn đầu trong một loạt các đánh giá mô hình lớn.

Có thể thấy rằng mô hình tài chính lớn đã nhanh chóng vượt qua kỷ nguyên 1.0 đặc trưng bởi phạm vi phủ sóng tốc độ cao. Trong giai đoạn đầu, các công nghệ và giải pháp liên quan đến mô hình tài chính lớn đã nhanh chóng được ra mắt và các tổ chức tài chính hàng đầu đã cạnh tranh để thử nghiệm, đặt nền tảng tốt cho sự phát triển của các mô hình tài chính lớn của Trung Quốc.

Những phát hiện từ giai đoạn đầu của mô hình tài chính lớn rất rõ ràng, ví dụ, công nghệ đang phát triển nhanh chóng và người dùng rất có động lực. Đồng thời, mô hình tài chính lớn bao gồm rất nhiều ngành công nghiệp, từ ngân hàng đến bảo hiểm, chứng khoán và các lĩnh vực khác. Ngoài ra, năng lực kỹ thuật liên quan của chuỗi cung ứng cũng đã được cải thiện. Nó xem xét cả mô hình nguồn đóng và nguồn mở, cung cấp nhiều phương pháp triển khai và có cơ sở hạ tầng phần mềm và phần cứng tương đối hoàn chỉnh để phù hợp với mô hình tài chính lớn.

Nhưng trong tương lai, mô hình tài chính lớn cần chuyển từ giai đoạn thăm dò 1.0 sang giai đoạn 2.0, giai đoạn này đòi hỏi tỷ lệ hoàn vốn và phản ánh giá trị phát triển dài hạn.

Trong giai đoạn này, những thách thức mà các mô hình tài chính lớn phải đối mặt sẽ trở nên phức tạp hơn và các vấn đề về phương pháp chiến lược cũng sẽ xuất hiện.

2. Những thách thức đã được phơi bày

Khi nhìn vào quá trình triển khai mô hình tài chính lớn, chúng ta có thể thấy logic về ưu điểm và nhược điểm mà nó thể hiện hoàn toàn giống với quá trình triển khai công nghệ AI trước đây trong ngành tài chính. Ở giai đoạn đầu, ngành công nghiệp sẽ trực giác cảm thấy AI dễ sử dụng. Nhưng thách thức lớn hơn tiếp theo là liệu AI có mang lại đủ lợi nhuận đầu tư và có thể thâm nhập vào cốt lõi của doanh nghiệp hay không.

Hiện nay, các mô hình tài chính lớn cũng đang gặp phải những vấn đề tương tự. Đầu tiên và quan trọng nhất, các vấn đề về ảo giác thông minh và ô nhiễm dữ liệu do các mô hình lớn gây ra rất khó có thể phù hợp với nhu cầu cực kỳ cao về tính chuyên nghiệp và bảo mật của ngành tài chính.

Thứ hai, do mức độ bảo mật cực kỳ cao và các yêu cầu tuân thủ bảo mật của ngành tài chính, việc tư nhân hóa thường là bắt buộc khi triển khai mô hình quy mô lớn, đồng thời cấm các mô hình học lượng lớn dữ liệu và cấm luồng dữ liệu quá mức. Điều này dẫn tới hai vấn đề. Một là việc triển khai tư nhân hóa đã gây áp lực rất lớn về chi phí R&D và vận hành, bảo trì cho các tổ chức tài chính. Một lý do khác là mức độ bảo mật cao và hạn chế sử dụng dữ liệu đã dẫn đến những vấn đề như hiệu suất kém của các mô hình tài chính lớn.

Đối với các tổ chức tài chính, không chỉ chi phí phát triển và đào tạo các mô hình lớn quá cao mà áp lực chi phí triển khai các mô hình trong các tình huống dựa trên kịch bản cũng rất cao. Vì mô hình tài chính lớn vẫn đang trong giai đoạn thăm dò và khó có thể mang lại phản hồi thực tế từ doanh nghiệp nên nó thường được triển khai trong phạm vi tổ chức hoặc các doanh nghiệp nhỏ. Điều này dẫn đến chi phí triển khai tiếp tục tăng, nhưng giá trị thương mại vẫn chậm được hiện thực hóa.

Cuối cùng, có một khoảng cách giữa tính bảo mật cao của ngành tài chính và sự chưa hoàn thiện của công nghệ mô hình lớn. Các mô hình tài chính lớn thường không thể triển khai trong các hoạt động tài chính cốt lõi. Ví dụ, dịch vụ khách hàng thông minh được hỗ trợ bởi các mô hình lớn không những không thể thay thế nhân viên dịch vụ khách hàng mà còn có thể yêu cầu thường xuyên đánh thức bộ phận dịch vụ khách hàng thủ công và yêu cầu bộ phận dịch vụ khách hàng phải hiểu lại nhu cầu của người dùng. Về mặt ứng dụng công nghiệp như kiểm soát rủi ro, mặc dù các mô hình lớn đã cho thấy tiềm năng to lớn, nhưng chúng vẫn chưa thể thực sự xử lý được những bất thường về rủi ro phức tạp hơn.

Trong trường hợp này, mô hình tài chính lớn có khả năng sẽ bị gạt ra ngoài lề giống như nhiều công nghệ tài chính khác sau khi hoạt động được một thời gian và không còn được ưa chuộng nữa.

Làm thế nào chúng ta có thể phá vỡ những rào cản lâu đời giữa công nghệ và công nghiệp? Điều này có thể đòi hỏi các mô hình tài chính lớn phải lắng nghe ý kiến ​​từ xa.

3. Nhìn lại hiện tại từ tương lai

Trong cuốn sách nổi tiếng "Ngân hàng 4.0", Brett King thảo luận về sự quay trở lại với những nguyên tắc đầu tiên trong chương đầu tiên. Nghĩa là chúng ta cần quay trở lại gốc rễ của vấn đề và quay trở lại bản chất của thiết kế. Trong bối cảnh tài chính, trước tiên chúng ta cần hiểu lý do tại sao các ngân hàng được thiết kế, sau đó thảo luận về cách các ngân hàng nên phát triển.

Nếu chúng ta muốn phá vỡ những rào cản mà các mô hình tài chính lớn có thể gặp phải, chúng ta cũng phải có nhận thức này: suy nghĩ, đánh giá và thậm chí là giả định những gì các mô hình lớn sẽ mang lại cho tài chính trong tương lai, sau đó tính ngược từ tương lai đến hiện tại. Cho dù tương lai đó còn khá xa, ít nhất thì cơn gió ở phía xa cũng sẽ không đưa chúng ta vào ngõ cụt.

Vậy, các mô hình AI lớn có thể mang lại những gì cho tài chính? Vấn đề này có thể được hiểu theo hai chiều: một là chiều kỹ thuật và hai là chiều ứng dụng.

Về mặt kỹ thuật, lộ trình nâng cấp kỹ thuật cho các mô hình ngôn ngữ lớn đã được xác định tương đối rõ ràng và ngành đã đạt được sự đồng thuận rõ ràng về mô hình phát triển kỹ thuật và thực hành kỹ thuật của mình.

Ví dụ, gần đây chúng tôi đã đọc "Mô hình ngôn ngữ lớn: Nguyên tắc và thực hành kỹ thuật" do Yang Qing, Chủ tịch điều hành Ủy ban công nghệ tài chính Du Xiaoman và Tổng giám đốc Bộ phận ứng dụng trí tuệ dữ liệu viết. Ngoài việc đề xuất rõ ràng một số công nghệ chính của mô hình ngôn ngữ lớn, cuốn sách còn chỉ ra các đặc điểm về khả năng xuất hiện và lập luận, cũng như luật mở rộng mô hình ngôn ngữ lớn được nhiều người quan tâm. Khi khả năng đào tạo và suy luận của mô hình được cải thiện, các mô hình ngôn ngữ lớn sẽ tiếp tục cho thấy hiệu ứng nổi lên thông minh. Mỏ neo kỹ thuật này là giá trị lâu dài mà ngành tài chính theo đuổi và cũng là mối quan tâm về giá trị của các nhà cung cấp công nghệ tài chính như Du Xiaoman khi khám phá các mô hình ngôn ngữ lớn.

Xét về mặt ứng dụng, có nhiều kịch bản ứng dụng của các mô hình tài chính lớn, nhưng chúng có thể được tóm tắt thành ba khía cạnh:

1. Dịch vụ chăm sóc khách hàng thông minh dành cho công chúng - Intelligent Advisor.
2. Nhận dạng tín dụng thông minh cho người dùng công nghiệp - xây dựng hệ thống tín dụng.
3. Nâng cao năng lực của nhân viên trong các tổ chức tài chính.

Sự phát triển cuối cùng của ba năng lực này chính là giá trị lâu dài mà các mô hình tài chính lớn có thể mang lại. Ví dụ, trong tương lai, dịch vụ khách hàng thông minh được thúc đẩy bởi các mô hình ngôn ngữ lớn có thể trở thành các nhà tư vấn thông minh hoặc chuyên gia dịch vụ tài chính trực tiếp. Nó không chỉ có thể hoàn thành các chức năng cơ bản như kết nối doanh nghiệp và thông báo thông tin mà còn cung cấp các giải pháp tài chính tùy chỉnh dựa trên nhu cầu của người dùng, hiện thực hóa việc chuyển đổi khả năng tùy chỉnh tài chính từ người dùng lớn và người dùng doanh nghiệp sang người dùng toàn diện.

Kết hợp các khía cạnh kỹ thuật và ứng dụng, chúng ta có thể neo giữ tương lai của mô hình tài chính lớn theo ba khía cạnh:

1. Dịch vụ tín dụng cá nhân và doanh nghiệp thông minh và phổ biến.
2. Bộ phận dịch vụ khách hàng tài chính có ít nhân viên hoặc thậm chí không có người trực.
3. Khả năng thông minh toàn diện tối ưu của các tổ chức tài chính.

Nếu tài chính di động là đưa các ngân hàng và công ty chứng khoán trực tiếp đến tay người dùng, mang tài chính đến gần hơn với người dùng thì tài chính mô hình lớn AI cho phép người dùng tiến xa hơn, cho phép kết nối mọi nhu cầu và tài sản của họ với các dịch vụ tài chính.

4. Sử dụng gió xa để đo đường hiện tại

Trong một thời gian, đã có cuộc tranh luận giữa tư duy lý thuyết và thực tiễn trong lĩnh vực mô hình tài chính lớn.

Cái gọi là lời nói suông có nghĩa là các tổ chức tài chính nên chú ý nhiều hơn đến thuật toán và hiệu suất của mô hình. Đầu tiên họ nên tung ra một mô hình lớn và sau đó sử dụng chiếc búa của mô hình lớn đó để tìm ra những chiếc đinh của doanh nghiệp tài chính. Để thực dụng, cần phải bắt đầu từ các kịch bản ứng dụng của ngành tài chính, ưu tiên bảo mật, tuân thủ và kiểm soát chi phí của các ứng dụng tài chính thông minh, trên cơ sở đó điều chỉnh và thiết kế riêng khả năng của các mô hình lớn để cho phép các mô hình lớn phục vụ các dịch vụ tài chính.

Ở một mức độ nào đó, cả hai đều có những yếu tố đúng, nhưng có lẽ cả hai đều có thể bổ sung thêm những ý tưởng mới. Bởi vì cả hai đều tập trung nhiều hơn vào các quyết định ngắn hạn nên họ bỏ qua thực tế rằng điểm khởi đầu của mô hình tài chính lớn là sự nâng cấp mang tính thời đại của ngành và theo đuổi những thay đổi dài hạn như tài chính di động hoặc thậm chí là những thay đổi sâu sắc hơn.

Ý tưởng cần bổ sung trong mô hình tài chính lớn là ngoài việc thực dụng và lý tưởng, cần tập trung vào tương lai và suy ra công việc hiện tại từng bước từ các mục tiêu lý tưởng có thể đạt được cuối cùng. Hãy để cơn gió từ xa thổi bay những bước chân hiện tại của bạn. Theo góc nhìn này, các tổ chức tài chính cần tính đến hiệu quả của việc triển khai các mô hình lớn trong khi vẫn tính đến nhiều cải tiến công nghệ AI có thể xuất hiện bất cứ lúc nào trong tương lai. Điều chỉnh kiến ​​trúc kỹ thuật số và cơ sở hạ tầng phần mềm, phần cứng của riêng mình để phù hợp với các phiên bản công nghệ AI sắp tới.

Cụ thể, mô hình tài chính “phục vụ tương lai” có thể bao gồm ba cấp độ hành động sau:

1. Đặt nền tảng vững chắc cho mô hình tài chính lớn. Điều này bao gồm hệ thống R&D riêng cũng như các mối quan hệ hợp tác cởi mở và hiệu quả với các nhà cung cấp công nghệ để tránh tình trạng bế tắc về công nghệ do chủ nghĩa bảo thủ quá mức.
2. Nó kết hợp khả năng kỹ thuật và trí tưởng tượng của các mô hình tài chính lớn. Để phát triển lâu dài các mô hình ngôn ngữ lớn, ngành tài chính không thể chỉ giới hạn ở việc có các mô hình lớn. Nó cũng cần phải cải thiện khả năng kiểm soát kỹ thuật đối với các mô hình lớn, có khả năng tinh chỉnh các mô hình lớn đến trạng thái đáp ứng được nhu cầu của riêng nó bất cứ lúc nào và chủ động bắt đầu khám phá sáng tạo các mô hình lớn. Chúng tôi đang tạo ra những thay đổi nội bộ đồng thời nắm bắt các cơ hội bên ngoài.
3. Đặt ra các mục tiêu thông minh rõ ràng và dài hạn. Khi nói đến các mô hình tài chính lớn, chúng ta phải đối mặt với những hạn chế ngắn hạn cũng như khả năng dài hạn của chúng. Quay trở lại nguyên tắc ưu tiên hàng đầu của mô hình lớn một cách chiến lược, sau đó tiến hành ngược lại từ mục tiêu này để tiến triển ở mỗi bước.

Khi mô hình lớn xuất hiện trước ngành tài chính, cảm xúc đầu tiên của chúng ta là ngạc nhiên và mơ màng. Tuy nhiên, khi áp dụng các mô hình lớn vào thực tế, mọi người có xu hướng tập trung quá nhiều vào hiện tại, chẳng hạn như liệu mô hình lớn có được sử dụng hay không, các tình huống kinh doanh được đề cập và lợi tức đầu tư mà nó mang lại. Vào thời điểm này, những thách thức mới nổi và những giá trị chưa rõ ràng thường nảy sinh xung đột, khiến các tổ chức tài chính rơi vào tình thế tiến thoái lưỡng nan. Chỉ cần chúng ta để gió từ xa thổi vào và để chủ nghĩa dài hạn của trí tuệ tài chính tỏa sáng trong hiện tại, thì chúng ta sẽ tìm ra giải pháp cho hầu hết các vấn đề.

Tác giả: Phùng Từ Nguyên; Nguồn tài khoản công khai: Brain Extreme (ID: 341401)