最近、金融大モデルは金融サービスチェーンのすべての重要な一環を再構築している。業界内では、大モデルの応用は金融機関の大幅なコスト削減と効率化を支援し、新たな機会、新たな成長点、モデル革新などの重要な価値をもたらすことができると考えている。
大模型金融シーンの着地は「最後の1キロ」を歩くことができるだろうか。大モデルはどのように金融業務のシーンに深く入り込み、その迅速な反復は金融機関にどのような要求を提出したのか。ジェネレーション技術はどのように消費金融に溶け込むのか。楽信の陸勇首席技術官はこのほど、新華財経記者の独占インタビューを受けた。
大模型金融シーンをうまく歩いて「最後の1キロ」に着地する
しばらくの間、多くの機関が生成技術の研究開発と普及を強化してきた。楽信「LexinGPT」、度小満「軒轅」金融大モデル、即消金「天鏡」、陸金所「無師」、奇富科技「奇富gpt」などがヒットした。
一夜にして様々な金融シーンが大モデルインタフェースに適合することを模索しているようだ。しかし、注目すべきは、金融大モデルが業界で着地するのは複雑なシステム工学であり、本格的に着地実践を実現し、持続的に運営するには、大モデルの潜在力を解放するのは容易ではないことだ。そのため、大モデルの金融シーンが定着するかどうかは業界内の注目の焦点となっている。
陸勇氏によると、現在、業界内の大モデルの開放方法は主に3つの種類に分かれており、1つは事前訓練モデルから始まり、盤古、文心の一言など大量のデータを持っている。このような企業は数年以内に億元以上、数十億元級の資金を大規模に投入する必要がある。
陸勇氏によると、現在楽信が行っているのは「中モデル」のようなもので、データベースの量級はほぼ百億から千億の間にあり、より多くは協力者の汎用事前訓練の大モデルに基づいて、金融垂直分野の百億から千億のデータ量級のfine-tune微調整を行い、業務シーンの需要を満たすことができ、より実際の需要に合うことができるという。
「第3のクラスは小規模企業で、大モデルAPIを購入することでカスタマイズアプリケーションを行う」と陸勇氏は言う。
陸勇氏は、楽信氏はコストを無視した盲目的な投入ではなく、重要なモデルと業務シーンの融合応用にもっと注目していると強調した。LexinGPTは汎用大モデルに基づいて、楽信金融専属データ事前訓練、業務データ精調を通じて、業務の垂直大モデル応用にサービスする。
陸勇から見れば、業務の実際の場所に落ち、業務の毛細血管に浸透した技術だけが、業務を真に助けることができる。
「消費金融業界にとって、大モデルは現在比較的成熟しており、最も多く応用されているのはカスタマーサービス、電気販売、督促にある」陸勇氏は例を挙げて、例えば京東金融とファーウェイ盤古モデルはいずれも業界の優秀な代表であり、大モデルを風制御モデルに応用することは業界にとって収益を生むのに最も大きく、楽信もこれらの面で研究と積極的な探索を続けている。
陸勇氏によると、LexinGPTは楽信自研の大モデルプラットフォームだ。楽信は金融専属データの事前訓練、業務データの精密調整を通じて、AI大モデルの会社での着地応用を加速させた。業務の相互作用の面では、現在すでに電気販売、顧客サービス、督促などの主要業務プロセスの中で全面的に着地している、生産性向上の面では、研究開発コード支援、設計アイデア生成、データ分析、運営とオフィスプロセス自動化のRPAなどのシーンで広く応用され、会社全体の運営効率を向上させ、風制御コアの面では、楽信は風制御コア分野におけるAI大モデルの着地応用を引き続き注目し、積極的に模索している。これらの取り組みにより、企業全体の運用効率と顧客エクスペリエンスが大幅に向上します。
陸勇氏は、楽信氏はまた、大モデルを金融相場分析に応用し、楽信安全部門は大モデルを利用して金融相場分析を行い、反詐欺を含めて、マーケティング水軍の「羊毛をむしり取る」行為に対応していると付け加えた。
生成式AI技術による消費金融分野の質の向上と効果の向上
陸勇氏は、大きなモデルが各業界を再構築し、新たな生産力をもたらし、消費金融業界も例外ではないと考えている。また、大モデルの応用は人との認知作業に得意であり、消費金融機関の大幅な効率化に役立つだろう。
大モデルはデータ抽出、モデル構築などの基礎能力建設に重要な価値を発揮し、業務と企業経営のインテリジェント化政策決定を支援することができる。
陸勇氏によると、細分化業界をリードする会社として、現在楽信は2億人近くの良質で高成長の若いユーザーを持っており、その巨大なユーザー行動画像データ、実際の取引リンクデータは巨大なデータ資産と同じであり、「ユーザーの行動選好を予測することに重要な価値がある」と述べた。
しかし、どのようにデータ関係を整理し、データの血縁を明らかにするかは、見知らぬ都市の国勢調査のように、膨大で時間がかかる。この時、大モデルの優位性が現れた：深さ学習アルゴリズムを通じて、大モデルはより効率的にデータ洗浄、分類と計算を行うことができる。紹介によると、LexinGPTなどの技術を含む協力の下で、楽信技術チームは2年以上の努力を経て、徐々に大量のデータ関係を整理し、異なるシーンの下で、ユーザーの行動選好を予測するための多くの精確なモデルを形成し、借金意欲モデル、マーケティング選好モデル、offer満足度モデル、返済意欲モデル、顧客流出警報モデルなどを含む。
陸勇氏によると、大量の正確な予測モデルに基づいて、楽信氏は「図霊（Turing）意思決定シミュレーションシステム」を開発した。
新技術を用いた微細化運営の実現は消金の高品質発展の鍵である
陸勇氏は、現在の金融科学技術業界は後半に入り、精細化運営は質の高い発展の鍵であると指摘した。将来的には、楽信は主にAIと大モデルを金融科学技術の全チェーンに応用することで精密化運営を実現する。
陸勇氏によると、楽信金融の垂直大言語モデルの応用が定着した後、ロボットがカスタマーサービスに参加する割合と効率は着実に向上し、人工的な介入を必要としないロボットの解決率は91.5%に達した。また、楽信大モデルもさらにデータ分析、数倉設計、風制御数倉のアップグレード最適化などの分野に着地し、データ分析への参加敷居を大幅に下げ、データ分析効率を高める。
陸勇氏はまた、大モデルの応用はマーケティング効率をさらに向上させることができ、大モデルを応用した後、低アクティブユーザーの注文率は約15%、GMVは80%、高アクティブユーザーのGMVは18%上昇したと付け加えた。
コストの抑制について、陸勇氏は、楽信は自ら立ち上げて技術駆動を堅持してきたが、上場から5年余りで、累計26億元を投入したと述べた。2023年第3四半期の楽信研究開発への投資額は1億2700万元に達し、業界をリードし続けている。陸勇氏によると、楽信氏は最近、AIの大模型シーンをより多く定着させたという。特に金融業務の本質をめぐって、データの血縁整理、モデル構築からシステム化ツール建設まで、リードするフルチェーン定量経営システムの構築に努め、運営効率と顧客体験を向上させる。
陸勇氏はまた、楽信氏はAI技術の優位性を十分に発揮し、消費者保護の「5 S守護システム」を打ち出し、データセキュリティ、反詐欺保護、規範化サービス、インテリジェントカスタマーサービス、金融ブラック産業への打撃などの面で消費者の権益保護を全面的に強化したと紹介した。技術を用いて消費者の権益を全方位的に保護し、金融サービスをより温度にする。
将来の計画について、陸勇氏は、大モデルは現在楽信に着地しており、楽信の業務プロセスでの応用を加速していると述べた。将来的には、リスク管理、反詐欺などの分野でAI大モデルの深い探索を継続的に推進する。