최근 한동안 금융 대형 모델은 금융 서비스 체인의 모든 핵심 단계를 재구성하고 있습니다.업계에서는 큰 모형응용이 금융기구의 뚜렷한 원가절감과 효익증대를 돕고 새로운 기회, 새로운 성장점 및 모델혁신 등 중요한 가치를 가져다줄수 있다고 인정하고있다.
대형 모형 금융 장면의 착지는"마지막 1킬로미터"를 잘 갈 수 있습니까?큰 모델은 어떻게 금융 업무 장면에 깊이 파고들었고, 그 빠른 반복은 금융 기관에 어떤 요구를 제기했습니까?생성식 기술은 어떻게 소비금융에 융합됩니까?최근 러신 수석기술관 루융은 이와 관련해 신화재경 기자의 단독 인터뷰를 받았다.
큰 모형 금융 장면 착지"마지막 1킬로미터"를 잘 걷다
한동안 많은 기구들이 생성식기술의 연구개발과 보급을 확대하였다.락신"LexinGPT", 도소만"헌원"금융대모형, 마상소금"천경", 륙금소"무사", 기부과학기술"기부gpt"등이 열띤 반응을 보였다.
하룻밤 사이에 각종 금융 장면들이 큰 모델 인터페이스에 적합한 것을 탐색하고 있는 것 같다.그러나 주의해야 할 점은 금융대모형이 업종에서 착지하는것은 복잡한 시스템공정으로서 진정으로 착지실천을 실현하고 지속적으로 운영하려면 대모형의 잠재력을 방출하는것은 쉬운 일이 아니다.이에 따라 대형 모델 금융 장면의 착지가'마지막 1km'를 잘 갈 수 있을지가 업계의 관심사로 떠오르고 있다.
륙용은 다음과 같이 소개했다. 현재 업계내의 대모형개방방식은 주로 세가지로 나뉜다. 한가지는 예비훈련모형으로부터 시작되였고 또 대량의 수치가 있다. 례를 들면 반고, 문심일언이다.이런 종류의 회사는 몇 년 내에 대규모로 억 위안, 심지어 수십억 위안의 자금을 투입해야 한다.
륙용은 다음과 같이 말했다. 현재 락신은 더욱"중모형"에 가깝다. 데이터베이스체급은 대체로 100억에서 천억 사이이다. 더욱 많은것은 협력측의 통용예비훈련대모형에 기초하여 금융수직령역, 100억에서 천억의 데이터체급의 fine-tune 미세조정을 하면 업무장면의 수요를 만족시킬수 있고 실제수요에 더욱 부합된다.
"세 번째 유형은 소규모 회사로 대형 모델 API를 구매함으로써 맞춤형 애플리케이션을 만든다."라고 루융이 말했다.
륙용은 다음과 같이 강조했다. 락신은 원가를 따지지 않는 맹목적인 투입이 아니라 중대한 모형과 업무장면의 융합응용에 더욱 주안점을 두었다.LexinGPT는 범용 대형 모델을 기반으로 락신금융 전용 데이터 사전 훈련, 업무 데이터 정교화를 통해 업무에 서비스하는 수직 대형 모델 응용이다.
륙용의 견해에 의하면 업무실제에 떨어지고 업무모세혈관에 침투하는 기술만이 진정으로 업무를 조력할수 있다.
"소비금융업계에 있어서 큰 모형은 현재 상대적으로 성숙되고 가장 많이 응용되는것은 여전히 고객센터, 전기판매와 독촉에 있다."륙용은 례를 들면 경동금융과 화웨이 반고모형은 모두 업종에서 우수한 대표로서 큰 모형을 풍력통제모형에 운용하면 업종에 있어서 수익이 가장 많이 생기며 락신도 이런 면에서 지속적으로 연구와 적극적인 탐색을 유지하고있다.
루융은 LexinGPT가 러신이 자체 개발한 대형 모델 플랫폼이라고 소개했다.러신은 금융 전용 데이터 사전 훈련, 업무 데이터 정교화를 통해 AI 대형 모델의 회사 착지 응용을 가속화했다.업무 인터렉션 방면에서 현재 이미 전기 판매, 고객센터, 독촉 등 주요 업무 절차에서 전면적으로 정착되었다;생산력 향상 방면에서 연구개발 코드 보조, 디자인 아이디어 생성, 데이터 분석, 운영 및 사무 프로세스 자동화의 RPA 등 장면에서 광범위하게 응용하여 회사 전체 운영 효율을 제고한다;풍력통제핵심면에서 락신은 지속적으로 관심을 돌리고 AI 대형모형이 풍력통제핵심분야에서의 착지응용을 적극 모색했다.이러한 조치는 회사 전체의 운영 효율성과 고객 경험을 대폭 향상시킵니다.
륙용은 다음과 같이 덧붙였다. 락신은 또 큰 모형을 금융시세분석에 응용했다. 락신안 전 부문은 큰 모형을 리용하여 금융사기방지를 포함한 금융시세분석을 진행하여 수군의"양모"를 마케팅하는 행위에 대응했다.
생성식 AI 기술은 소비금융 분야의 질적 향상과 효율 증대를 돕는다
륙용은 다음과 같이 인정했다. 큰 모형은 각 업종을 재창조하고 새로운 생산력을 가져다줄것이며 소비금융업종도 례외가 아니다.또한 큰 모형응용은 사람과의 인지사업에 더욱 잘 운용되는데 이는 소비금융기구가 효률을 대폭 제고하는데 도움을 줄것이다.
큰 모델은 데이터 추출, 모델 구축 등 하부 능력 건설에서 중요한 가치를 발휘하여 업무와 기업 경영의 지능화 결정을 도울 수 있다.
륙용은 다음과 같이 소개했다. 세분화업종에서 앞선 회사로서 현재 락신은 근 2억명의 량질고성장의 젊은 사용자를 갖고있다. 그 방대한 사용자행위초상화데이터, 진실거래련쇄데이터는 거대한 데이터자산과 다름없다."사용자행위선호를 예측하는데 중요한 가치가 있다."륙용은 다음과 같이 표시했다.
그러나 어떻게 데이터관계를 정리하고 데이터의 혈연을 정리하는가 하는것은 마치 낯선 도시에 대한 인구보편조사와 같으며 크고도 시간이 걸린다.이때 큰 모델의 우세가 나타났다: 딥 러닝 알고리즘을 통해 큰 모델은 더욱 효율적으로 데이터 세척, 분류 및 계산을 진행할 수 있다.소개에 따르면 LexinGPT 등 기술을 포함한 협동하에 락신기술팀은 2년여의 노력을 거쳐 점차 대량의 데터관계를 정리하고 부동한 장면에서 사용자의 행위선호도를 예측하는데 사용되는 많은 정밀모형을 형성했는데 여기에는 대출의향도모형, 마케팅선호모형, offer 만족도모형, 상환의향도모형과 고객류실조기경보모형 등이 포함된다.
륙용은 다음과 같이 소개했다. 대량의 정확한 예측모형을 바탕으로 락신은"튜링 (Turing) 결책모의시스템"을 개발했다. 즉 여러가지 진실한 경영장면을 직접 모의할수 있는데 이는 기업경영의"모의시험"에 해당하며 빠르면 수십초내에 각 경영관건지표표현을 재빨리 수출할수 있으며 모의결과의 정확도는 95% 를 초과한다.
신기술을 운용하여 정밀화 운영을 실현하는 것은 소비금의 고품질 발전의 관건이다
륙용은 다음과 같이 지적했다. 현재 금융과학기술업종은 후반전에 들어섰으며 정밀화운영은 고품질발전의 관건이다.앞으로 락신은 주로 AI와 대형모형을 금융과학기술의 전반 사슬에 응용하여 정밀화운영을 실현하게 된다.
륙용은 다음과 같이 표시했다. 락신금융 수직대언어모형의 응용이 착지된후 로보트가 고객센터에 참여하는 비례와 효률이 안정적으로 제고되여 인공간섭이 필요 없는 로보트해결률이 91.5% 에 달했다.또한 러신대 모델도 데이터 분석, 디지털 창고 설계, 바람 제어 디지털 창고 업그레이드 최적화 등 분야에 한층 더 정착하여 데이터 분석의 참여 문턱을 크게 낮추고 데이터 분석 효율을 높인다.
루융은 또 대형 모델 응용은 마케팅 효율을 더욱 높일 수 있으며 대형 모델을 응용한 후 저활성 사용자 주문률이 약 15%, GMV가 80%, 고활성 사용자의 GMV가 18% 향상된다고 덧붙였다.
원가통제에 대해 언급할 때 륙용은 다음과 같이 표시했다. 락신은 자성립부터 줄곧 기술구동을 견지해왔으며 상장 5년여래 루적적으로 26억원을 투입했다.2023년 3분기에 락신의 연구개발투입은 1억 2700만원에 달해 계속 업종선두를 유지했다.루융은 러신이 최근 더 많은 AI 대형 모델 장면을 정착시켰다고 소개했다.특히 금융업무의 본질을 둘러싸고 데이터혈연정리, 모형구축으로부터 체계화도구건설에 이르기까지 일련의 앞선 전반 사슬의 량화경영시스템을 힘써 구축하여 운영효률과 고객체험을 제고해야 한다.
륙용은 또 락신이 AI기술우세를 충분히 발휘하여 소비자보호"5S수호체계"를 출범시켜 데터안전, 반사기보호, 규범서비스, 지능고객센터, 금융흑산타격 등 면에서 소비자권익보호를 전면적으로 강화했다고 소개했다.기술을 운용하여 전방위적으로 소비자의 권익을 보호하고 금융서비스를 더욱 온도있게 해야 한다.
미래계획에 대해 언급할 때 륙용은 다음과 같이 표시했다. 큰 모형은 현재 이미 락신에 착지했으며 락신업무절차에서 응용을 가속화했다.앞으로 락신은 AI 대모델이 위험관리, 반사기 등 분야에서의 심층적인 탐색을 지속적으로 추진하게 된다.