Recientemente se celebró con éxito un salón con el tema "¿Cómo DeepSeek está cambiando las reglas del juego de la IA? ¿Está desapareciendo la alta barrera de entrada para AGI?", copatrocinado por el Banco de la Nueva Red y la Escuela de Administración, Ciencia y Ingeniería de la Universidad del Sudoeste. Li Xiusheng, vicepresidente del Banco de la Nueva Red, Wang Jun, director del Departamento de Finanzas Computacionales de la Escuela de Administración, Ciencia y Ingeniería de la Universidad del Sudoeste, y Wei Hao, jefe del Departamento de Ciencia de Riesgos del Banco de la Nueva Red, discutieron juntos el secreto técnico detrás de DeepSeek y sus perspectivas de aplicación en la industria bancaria.
¿Cómo evolucionan el código abierto y el código cerrado?
Cuando OpenAI profundiza su colaboración con Microsoft, desencadenando controversias sobre el 'ecosistema de monopolio', y cuando NVIDIA se enfrenta a la regulación de exportación de chips de IA más estricta en la historia de Estados Unidos, la estrategia de código abierto de DeepSeek abrió inesperadamente otra puerta. A diferencia de los modelos de IA tradicionales cerrados, la apertura de DeepSeek permite a las empresas utilizar modelos grandes y más avanzados a un costo relativamente bajo, mejorando la capacidad de los asistentes inteligentes en múltiples escenarios.
En la industria del software, coexisten dos modelos, el de código abierto y el de código cerrado, cada uno con casos de éxito. Li Xiusheng toma como ejemplo a Linux y Android, y señala que estos dos, como representantes de software de código abierto, han impulsado en gran medida el desarrollo en el campo de los sistemas operativos. También señala que Apple, como ejemplo del modelo de código cerrado, ha mantenido constantemente una posición líder en aplicaciones de teléfonos de gama alta. A pesar de que estas instituciones siguen caminos diferentes, han logrado importantes avances.
"Desde la perspectiva de atraer contribuyentes globales, personalmente prefiero el modelo de código abierto, ya que puede reunir la sabiduría y la fuerza de más personas para promover juntos el avance tecnológico y la innovación. En el futuro, el código abierto y el cerrado pueden continuar desarrollándose en paralelo, pero el potencial del código abierto es prometedor." según Li Xiusheng.
Wang Jun believes that open source and closed source are a relationship of mutual integration and competition. Open source technology is open to attract many developers to participate, promote rapid technological iteration, but the profit capability and business model are uncertain. Closed source focuses on building its own moat and barriers to entry, with huge investment, unique but less diverse business models. Each has its own advantages and disadvantages, so in practice, they may learn from and integrate with each other, forming a competitive situation in certain areas.
Desde la perspectiva de los agentes del mercado, DeepSeek, como un modelo grande de código abierto, de bajo costo y eficiente, ha tenido un impacto significativo en las principales empresas tecnológicas del mercado. "Para empresas como OpenAI que ofrecen modelos grandes de código cerrado, la estrategia de precios de DeepSeek las obliga a reconsiderar su modelo de negocio y dirección de optimización tecnológica. En cuanto a empresas de chips como NVIDIA, el lanzamiento de DeepSeek demuestra que no es necesario depender de GPU de gama alta para realizar inferencias de primer nivel, lo que lleva a estas empresas a reflexionar sobre cómo deben ajustar la lógica de inversión y el modelo de desarrollo de la infraestructura de IA", dijo Wang Jun.
Sin embargo, cabe destacar que los grandes modelos de inteligencia artificial general enfrentan desafíos en la resolución de problemas de gestión de riesgos digitales. Wei Hao señaló que, "a pesar de que los grandes modelos tienen capacidades amplias, como comprender problemas, realizar cálculos matemáticos y generar código, su rendimiento en este campo vertical de gestión de riesgos no es satisfactorio". Esto se debe a que el entrenamiento de los grandes modelos depende principalmente de datos y códigos públicos en internet, careciendo de un corpus de datos especializado para la gestión de riesgos, por lo que su lógica puede no coincidir completamente con las necesidades reales de la gestión de riesgos.
¿El contraataque de los bancos pequeños se basa en DeepSeek?
Según el informe de investigación de Zheshang Securities, todo el proceso de entrenamiento de DeepSeek-V3 solo utiliza menos de 2.8 millones de horas de GPU (Unidad de Procesamiento Gráfico), en comparación, la duración del entrenamiento de Llama3-405B publicado por Meta, una gigante de Internet estadounidense, es de 30.8 millones de horas de GPU. El costo de entrenamiento de DeepSeek-V3 es de aproximadamente 5.576 millones de dólares, mientras que el costo de entrenamiento del modelo de lenguaje GPT-4 lanzado por OpenAI (Centro de Investigación de Inteligencia Artificial Abierta de EE. UU.) para el chatbot ChatGPT es de varios miles de millones de dólares.
En comparación con la inversión tradicional de cientos de millones o incluso miles de millones de dólares, el costo de implementación local de DeepSeek puede ser tan bajo como menos de un millón de dólares. Según las últimas noticias del Ministerio de Industria y Tecnología de la Información, las tres empresas de telecomunicaciones básicas ya se han integrado completamente en el modelo de código abierto de DeepSeek. Actualmente, en el campo financiero, desde bancos, fondos hasta valores, muchas instituciones están implementando activamente DeepSeek. Desde mayo de 2024, el nuevo banco en línea ha aplicado el gran modelo de DeepSeek en el escenario de desarrollo del sistema, construyendo respectivamente un asistente de preguntas y respuestas de conocimiento de desarrollo y un asistente de continuación de código, acortando el tiempo que los ingenieros de primera línea dedican a buscar información técnica durante el proceso de desarrollo.
Liang Xiusheng cree que la aparición de DeepSeek ha traído dos cambios conceptuales importantes en el campo de la inteligencia artificial. En primer lugar, la aparición de DeepSeek rompe con la obsesión de 'el poder lo es todo', es decir, ya no se persigue ciegamente una potencia informática extrema. Anteriormente, la gente solía creer que solo apilando una gran potencia informática se podía lograr un avance, pero DeepSeek demostró que también se puede lograr un rendimiento eficiente con una potencia informática más baja mediante la optimización de algoritmos y modelos. En segundo lugar, DeepSeek intensifica aún más la lucha entre el código abierto y cerrado. OpenAI encendió el concepto de grandes modelos a través de ChatGPT, pero su estrategia cerrada limita la difusión de la tecnología. Sin embargo, la aparición de modelos de código abierto como DeepSeek reduce la barrera tecnológica, permitiendo que más instituciones apliquen grandes modelos. Este cambio ha tenido un profundo impacto en instituciones financieras como los bancos.
Para el futuro, con el continuo avance de la tecnología y la reducción adicional de costos, los grandes modelos ya no serán un lujo exclusivo de los grandes bancos, sino que podrán ser ampliamente utilizados en instituciones financieras como bancos pequeños y medianos. Esto traerá una importante tendencia de transformación tecnológica para los bancos comerciales, impulsando su desarrollo hacia una mayor inteligencia y eficiencia. - Li Xiusheng.
En el campo de la digitalización del riesgo en la industria bancaria, tecnologías de modelos grandes como DeepSeek tienen amplias perspectivas de aplicación. Según Wei Hao, el lanzamiento de DeepSeek ha emocionado mucho a los técnicos, ya que puede igualar el nivel de los modelos de razonamiento de vanguardia de OpenAI, y los pesos son de código abierto, la licencia es flexible, y se puede utilizar de forma local y controlada.
Wei Hao described the practical use feeling, "When dealing with unstructured data, large models like DeepSeek can enhance semantic understanding and text processing capabilities, allowing us to obtain information from a wider range of data. In addition, the technology of general intelligent models can also be borrowed by risk control models to improve customer assessment accuracy and make better decisions."
Wei Hao pointed out that the depth of thought capability of DeepSeek R1 can be enhanced through the training mode of the thinking chain, improving the ability of intention and semantic understanding. This ability is not limited to Chinese, and it can also perform well in handling long contexts and complex intentions.
La industria bancaria, como una industria con un alto grado de informatización, ha experimentado múltiples transformaciones en sus sistemas informáticos. Desde la sustitución de las operaciones manuales por sistemas informáticos hasta la aparición de Internet móvil, los bancos han estado redefiniendo continuamente sus procesos comerciales. Ahora, con el rápido desarrollo de la inteligencia artificial, los bancos se enfrentan a desafíos y oportunidades en la cuarta ronda de evolución de sus sistemas de información. En esta era de modelos a gran escala, ¿cómo deberían los bancos construir capacidades de aplicación de tecnología inteligente que se adapten a sus propias necesidades?
Li Xiusheng cree que con la llegada de la era de los modelos grandes, los bancos deben pensar desde la perspectiva de la aplicación completa de la inteligencia artificial, cómo remodelar la gestión y los procesos bancarios. Los bancos deben primero considerar cómo construir aplicaciones, luego considerar cómo organizar los datos, mejorar la calidad de los datos, etiquetar y aplicar datos externos. En general, los bancos comerciales deben pensar desde un nivel estratégico, considerando múltiples factores como la potencia de cálculo, los datos, los algoritmos y las aplicaciones.
Según él, desde su creación, el nuevo banco en línea ha aplicado ampliamente la tecnología de inteligencia artificial en las áreas de prevención de fraude y control de riesgos crediticios, logrando un procesamiento eficiente y a gran escala de préstamos. Sin embargo, con la aparición de modelos grandes, los bancos han comenzado a considerar explorar y probar en más áreas. En la actualidad, el nuevo banco en línea ha aplicado con éxito modelos grandes en el campo de atención al cliente, reemplazando parcialmente el servicio al cliente humano, y está probando la aplicación de modelos grandes en áreas como marketing y gestión posterior al préstamo.
Además del sector bancario, Wang Jun predice que en sectores como la fabricación, la predicción de riesgos climáticos, la informática, la educación, los medios de comunicación y el entretenimiento, las aplicaciones inteligentes relacionadas con modelos grandes experimentarán mejoras significativas. Wang Jun señaló: "En la fabricación, los modelos grandes pueden monitorear la fiabilidad de las piezas o baterías y predecir su vida útil; en la predicción de riesgos climáticos, los algoritmos de inteligencia artificial interpretan las condiciones meteorológicas futuras, proporcionando alertas y optimización de rutas para autopistas, entre otros; en el campo de la informática, los modelos grandes pueden ayudar en la finalización y comprensión del código, así como en su construcción; en el ámbito educativo, basándose en los hábitos y comportamiento de aprendizaje de los alumnos, se pueden construir grandes modelos personalizados para ayudar en el aprendizaje de los estudiantes; en el ámbito de los medios de comunicación y el entretenimiento, los modelos grandes se pueden utilizar para generar contenido, construir modelos y crear escenarios, como la producción de animaciones, el diseño de juegos y la creación de videos cortos, e incluso para sintetizar personas digitales para recomendaciones en comercio electrónico, entre otros."
¿Qué tipo de talento de IA necesita el banco del futuro?
Según el informe de desarrollo bancario de China para el año 2024 publicado por la Asociación Bancaria de China, la finanzas y la inteligencia artificial tienen puntos de conexión naturales. La tecnología de modelos de IA de gran escala puede explotar plenamente los vastos datos del sector bancario, y el sector bancario tiene escenarios ricos para aplicar la tecnología de modelos de IA de gran escala. En la actualidad, los grandes modelos de IA están impulsando una renovación integral en áreas como servicios bancarios, marketing, productos, etc., en China, catalizando la llegada acelerada de los "bancos del futuro".
Con la amplia aplicación de los grandes modelos por parte de los bancos, también se requieren habilidades más avanzadas para el personal técnico. Li Xiusheng cree que en la industria de las aplicaciones de Internet, el pensamiento de Internet ha ayudado al éxito de las grandes empresas de Internet. Con la llegada de la era de la inteligencia artificial, la demanda de talento se está transformando en talento financiero y tecnológico con pensamiento de inteligencia artificial.
El Banco de la Nueva Red ha hecho hincapié en el pensamiento de Internet en los últimos años y dará importancia al pensamiento de inteligencia artificial en el futuro. En el diseño de productos comerciales, la comercialización de clientes, actividades diarias de operación y la construcción de un sistema de gestión empresarial integral, se está integrando el pensamiento de inteligencia artificial. Por lo tanto, el banco evaluará si los empleados poseen esta capacidad, base o potencial, para desarrollar talentos que se adapten a las necesidades futuras del desarrollo bancario.
"El avance continuo de la tecnología de inteligencia artificial ha planteado desafíos para los profesionales bancarios, pero también ha brindado nuevas oportunidades. Frente a los cambios, los profesionales deben mantener la calma, aprender constantemente, seguir de cerca los cambios en la era y encontrar su lugar en la sociedad y en las empresas", dijo Li Xiusheng. "Los técnicos necesitan ajustarse y aplicar la tecnología de inteligencia artificial para mejorar sus habilidades. Los empleados de negocios no necesitan preocuparse demasiado por ser reemplazados, ya que la barrera de entrada para la aplicación de la tecnología de inteligencia artificial ha disminuido, permitiendo que incluso aquellos que no entienden de computación utilicen herramientas de inteligencia artificial para construir procesos y aplicaciones y así demostrar su valor. Por lo tanto, siempre y cuando estén dispuestos a aprender y seguir de cerca los cambios tecnológicos, los profesionales bancarios no serán eliminados, sino que podrán adaptarse mejor al avance tecnológico de la era."
Desde la perspectiva del negocio de gestión de riesgos, Wei Hao señaló que la práctica es clave para dominar la inteligencia artificial. En el campo de la gestión de riesgos, la aplicación de la tecnología de inteligencia artificial requiere un mayor nivel de talento, no solo se necesita una comprensión profunda de los principios técnicos, sino también un conocimiento completo de las ventajas, los límites de capacidad y los riesgos del modelo, para garantizar la aplicación correcta de la tecnología. Por lo tanto, el personal de gestión de riesgos debe tener una sólida base técnica y un amplio conocimiento.
Wang Jun also stated that universities are also committed to cultivating compound talents in the AI+ professional field. "We optimize the curriculum setting, including courses such as data analysis, data mining, machine learning, deep learning, and multimodal data, allowing students to access AI-related knowledge at the undergraduate level. We have added practical training projects and laboratory courses, encouraging students to participate in competitions such as financial technology competitions, and transforming knowledge into practical skills. In addition, we hope to strengthen industry-academia-research cooperation with the industry, allowing students to have a deeper understanding of industry needs and operations through joint laboratories, expert lectures, and other forms, thereby stimulating their learning motivation and cultivating talents that meet industry needs."
Al hablar sobre la próxima tendencia de desarrollo de la aplicación de la tecnología de IA en la industria bancaria, Li Xiusheng señaló que con el desarrollo de la IA y las tecnologías de modelos grandes, los bancos comerciales están experimentando una nueva ronda de transformación. Esto no solo implica una actualización del sistema, sino que también transformará profundamente los procesos comerciales, la forma de los productos, los mecanismos de toma de decisiones, la combinación de personal y la configuración de puestos en los bancos. "Aunque la naturaleza de la gestión de riesgos financieros no ha cambiado, los métodos de servicio, la forma de los productos y los mecanismos operativos experimentarán cambios enormes. Este proceso puede ser gradual, pero se espera que dentro de tres a cinco años, la apariencia de los bancos comerciales será completamente nueva."
El contenido es solo de referencia, no una solicitud u oferta. No se proporciona asesoramiento fiscal, legal ni de inversión. Consulte el Descargo de responsabilidad para obtener más información sobre los riesgos.
【财经分析】DeepSeek突破AI Potencia computacional围城：银行业的“奇点时刻”到来？
Recientemente se celebró con éxito un salón con el tema "¿Cómo DeepSeek está cambiando las reglas del juego de la IA? ¿Está desapareciendo la alta barrera de entrada para AGI?", copatrocinado por el Banco de la Nueva Red y la Escuela de Administración, Ciencia y Ingeniería de la Universidad del Sudoeste. Li Xiusheng, vicepresidente del Banco de la Nueva Red, Wang Jun, director del Departamento de Finanzas Computacionales de la Escuela de Administración, Ciencia y Ingeniería de la Universidad del Sudoeste, y Wei Hao, jefe del Departamento de Ciencia de Riesgos del Banco de la Nueva Red, discutieron juntos el secreto técnico detrás de DeepSeek y sus perspectivas de aplicación en la industria bancaria.
¿Cómo evolucionan el código abierto y el código cerrado?
Cuando OpenAI profundiza su colaboración con Microsoft, desencadenando controversias sobre el 'ecosistema de monopolio', y cuando NVIDIA se enfrenta a la regulación de exportación de chips de IA más estricta en la historia de Estados Unidos, la estrategia de código abierto de DeepSeek abrió inesperadamente otra puerta. A diferencia de los modelos de IA tradicionales cerrados, la apertura de DeepSeek permite a las empresas utilizar modelos grandes y más avanzados a un costo relativamente bajo, mejorando la capacidad de los asistentes inteligentes en múltiples escenarios.
En la industria del software, coexisten dos modelos, el de código abierto y el de código cerrado, cada uno con casos de éxito. Li Xiusheng toma como ejemplo a Linux y Android, y señala que estos dos, como representantes de software de código abierto, han impulsado en gran medida el desarrollo en el campo de los sistemas operativos. También señala que Apple, como ejemplo del modelo de código cerrado, ha mantenido constantemente una posición líder en aplicaciones de teléfonos de gama alta. A pesar de que estas instituciones siguen caminos diferentes, han logrado importantes avances.
"Desde la perspectiva de atraer contribuyentes globales, personalmente prefiero el modelo de código abierto, ya que puede reunir la sabiduría y la fuerza de más personas para promover juntos el avance tecnológico y la innovación. En el futuro, el código abierto y el cerrado pueden continuar desarrollándose en paralelo, pero el potencial del código abierto es prometedor." según Li Xiusheng.
Wang Jun believes that open source and closed source are a relationship of mutual integration and competition. Open source technology is open to attract many developers to participate, promote rapid technological iteration, but the profit capability and business model are uncertain. Closed source focuses on building its own moat and barriers to entry, with huge investment, unique but less diverse business models. Each has its own advantages and disadvantages, so in practice, they may learn from and integrate with each other, forming a competitive situation in certain areas.
Desde la perspectiva de los agentes del mercado, DeepSeek, como un modelo grande de código abierto, de bajo costo y eficiente, ha tenido un impacto significativo en las principales empresas tecnológicas del mercado. "Para empresas como OpenAI que ofrecen modelos grandes de código cerrado, la estrategia de precios de DeepSeek las obliga a reconsiderar su modelo de negocio y dirección de optimización tecnológica. En cuanto a empresas de chips como NVIDIA, el lanzamiento de DeepSeek demuestra que no es necesario depender de GPU de gama alta para realizar inferencias de primer nivel, lo que lleva a estas empresas a reflexionar sobre cómo deben ajustar la lógica de inversión y el modelo de desarrollo de la infraestructura de IA", dijo Wang Jun.
Sin embargo, cabe destacar que los grandes modelos de inteligencia artificial general enfrentan desafíos en la resolución de problemas de gestión de riesgos digitales. Wei Hao señaló que, "a pesar de que los grandes modelos tienen capacidades amplias, como comprender problemas, realizar cálculos matemáticos y generar código, su rendimiento en este campo vertical de gestión de riesgos no es satisfactorio". Esto se debe a que el entrenamiento de los grandes modelos depende principalmente de datos y códigos públicos en internet, careciendo de un corpus de datos especializado para la gestión de riesgos, por lo que su lógica puede no coincidir completamente con las necesidades reales de la gestión de riesgos.
¿El contraataque de los bancos pequeños se basa en DeepSeek?
Según el informe de investigación de Zheshang Securities, todo el proceso de entrenamiento de DeepSeek-V3 solo utiliza menos de 2.8 millones de horas de GPU (Unidad de Procesamiento Gráfico), en comparación, la duración del entrenamiento de Llama3-405B publicado por Meta, una gigante de Internet estadounidense, es de 30.8 millones de horas de GPU. El costo de entrenamiento de DeepSeek-V3 es de aproximadamente 5.576 millones de dólares, mientras que el costo de entrenamiento del modelo de lenguaje GPT-4 lanzado por OpenAI (Centro de Investigación de Inteligencia Artificial Abierta de EE. UU.) para el chatbot ChatGPT es de varios miles de millones de dólares.
En comparación con la inversión tradicional de cientos de millones o incluso miles de millones de dólares, el costo de implementación local de DeepSeek puede ser tan bajo como menos de un millón de dólares. Según las últimas noticias del Ministerio de Industria y Tecnología de la Información, las tres empresas de telecomunicaciones básicas ya se han integrado completamente en el modelo de código abierto de DeepSeek. Actualmente, en el campo financiero, desde bancos, fondos hasta valores, muchas instituciones están implementando activamente DeepSeek. Desde mayo de 2024, el nuevo banco en línea ha aplicado el gran modelo de DeepSeek en el escenario de desarrollo del sistema, construyendo respectivamente un asistente de preguntas y respuestas de conocimiento de desarrollo y un asistente de continuación de código, acortando el tiempo que los ingenieros de primera línea dedican a buscar información técnica durante el proceso de desarrollo.
Liang Xiusheng cree que la aparición de DeepSeek ha traído dos cambios conceptuales importantes en el campo de la inteligencia artificial. En primer lugar, la aparición de DeepSeek rompe con la obsesión de 'el poder lo es todo', es decir, ya no se persigue ciegamente una potencia informática extrema. Anteriormente, la gente solía creer que solo apilando una gran potencia informática se podía lograr un avance, pero DeepSeek demostró que también se puede lograr un rendimiento eficiente con una potencia informática más baja mediante la optimización de algoritmos y modelos. En segundo lugar, DeepSeek intensifica aún más la lucha entre el código abierto y cerrado. OpenAI encendió el concepto de grandes modelos a través de ChatGPT, pero su estrategia cerrada limita la difusión de la tecnología. Sin embargo, la aparición de modelos de código abierto como DeepSeek reduce la barrera tecnológica, permitiendo que más instituciones apliquen grandes modelos. Este cambio ha tenido un profundo impacto en instituciones financieras como los bancos.
Para el futuro, con el continuo avance de la tecnología y la reducción adicional de costos, los grandes modelos ya no serán un lujo exclusivo de los grandes bancos, sino que podrán ser ampliamente utilizados en instituciones financieras como bancos pequeños y medianos. Esto traerá una importante tendencia de transformación tecnológica para los bancos comerciales, impulsando su desarrollo hacia una mayor inteligencia y eficiencia. - Li Xiusheng.
En el campo de la digitalización del riesgo en la industria bancaria, tecnologías de modelos grandes como DeepSeek tienen amplias perspectivas de aplicación. Según Wei Hao, el lanzamiento de DeepSeek ha emocionado mucho a los técnicos, ya que puede igualar el nivel de los modelos de razonamiento de vanguardia de OpenAI, y los pesos son de código abierto, la licencia es flexible, y se puede utilizar de forma local y controlada.
Wei Hao described the practical use feeling, "When dealing with unstructured data, large models like DeepSeek can enhance semantic understanding and text processing capabilities, allowing us to obtain information from a wider range of data. In addition, the technology of general intelligent models can also be borrowed by risk control models to improve customer assessment accuracy and make better decisions."
Wei Hao pointed out that the depth of thought capability of DeepSeek R1 can be enhanced through the training mode of the thinking chain, improving the ability of intention and semantic understanding. This ability is not limited to Chinese, and it can also perform well in handling long contexts and complex intentions.
La industria bancaria, como una industria con un alto grado de informatización, ha experimentado múltiples transformaciones en sus sistemas informáticos. Desde la sustitución de las operaciones manuales por sistemas informáticos hasta la aparición de Internet móvil, los bancos han estado redefiniendo continuamente sus procesos comerciales. Ahora, con el rápido desarrollo de la inteligencia artificial, los bancos se enfrentan a desafíos y oportunidades en la cuarta ronda de evolución de sus sistemas de información. En esta era de modelos a gran escala, ¿cómo deberían los bancos construir capacidades de aplicación de tecnología inteligente que se adapten a sus propias necesidades?
Li Xiusheng cree que con la llegada de la era de los modelos grandes, los bancos deben pensar desde la perspectiva de la aplicación completa de la inteligencia artificial, cómo remodelar la gestión y los procesos bancarios. Los bancos deben primero considerar cómo construir aplicaciones, luego considerar cómo organizar los datos, mejorar la calidad de los datos, etiquetar y aplicar datos externos. En general, los bancos comerciales deben pensar desde un nivel estratégico, considerando múltiples factores como la potencia de cálculo, los datos, los algoritmos y las aplicaciones.
Según él, desde su creación, el nuevo banco en línea ha aplicado ampliamente la tecnología de inteligencia artificial en las áreas de prevención de fraude y control de riesgos crediticios, logrando un procesamiento eficiente y a gran escala de préstamos. Sin embargo, con la aparición de modelos grandes, los bancos han comenzado a considerar explorar y probar en más áreas. En la actualidad, el nuevo banco en línea ha aplicado con éxito modelos grandes en el campo de atención al cliente, reemplazando parcialmente el servicio al cliente humano, y está probando la aplicación de modelos grandes en áreas como marketing y gestión posterior al préstamo.
Además del sector bancario, Wang Jun predice que en sectores como la fabricación, la predicción de riesgos climáticos, la informática, la educación, los medios de comunicación y el entretenimiento, las aplicaciones inteligentes relacionadas con modelos grandes experimentarán mejoras significativas. Wang Jun señaló: "En la fabricación, los modelos grandes pueden monitorear la fiabilidad de las piezas o baterías y predecir su vida útil; en la predicción de riesgos climáticos, los algoritmos de inteligencia artificial interpretan las condiciones meteorológicas futuras, proporcionando alertas y optimización de rutas para autopistas, entre otros; en el campo de la informática, los modelos grandes pueden ayudar en la finalización y comprensión del código, así como en su construcción; en el ámbito educativo, basándose en los hábitos y comportamiento de aprendizaje de los alumnos, se pueden construir grandes modelos personalizados para ayudar en el aprendizaje de los estudiantes; en el ámbito de los medios de comunicación y el entretenimiento, los modelos grandes se pueden utilizar para generar contenido, construir modelos y crear escenarios, como la producción de animaciones, el diseño de juegos y la creación de videos cortos, e incluso para sintetizar personas digitales para recomendaciones en comercio electrónico, entre otros."
¿Qué tipo de talento de IA necesita el banco del futuro?
Según el informe de desarrollo bancario de China para el año 2024 publicado por la Asociación Bancaria de China, la finanzas y la inteligencia artificial tienen puntos de conexión naturales. La tecnología de modelos de IA de gran escala puede explotar plenamente los vastos datos del sector bancario, y el sector bancario tiene escenarios ricos para aplicar la tecnología de modelos de IA de gran escala. En la actualidad, los grandes modelos de IA están impulsando una renovación integral en áreas como servicios bancarios, marketing, productos, etc., en China, catalizando la llegada acelerada de los "bancos del futuro".
Con la amplia aplicación de los grandes modelos por parte de los bancos, también se requieren habilidades más avanzadas para el personal técnico. Li Xiusheng cree que en la industria de las aplicaciones de Internet, el pensamiento de Internet ha ayudado al éxito de las grandes empresas de Internet. Con la llegada de la era de la inteligencia artificial, la demanda de talento se está transformando en talento financiero y tecnológico con pensamiento de inteligencia artificial.
El Banco de la Nueva Red ha hecho hincapié en el pensamiento de Internet en los últimos años y dará importancia al pensamiento de inteligencia artificial en el futuro. En el diseño de productos comerciales, la comercialización de clientes, actividades diarias de operación y la construcción de un sistema de gestión empresarial integral, se está integrando el pensamiento de inteligencia artificial. Por lo tanto, el banco evaluará si los empleados poseen esta capacidad, base o potencial, para desarrollar talentos que se adapten a las necesidades futuras del desarrollo bancario.
"El avance continuo de la tecnología de inteligencia artificial ha planteado desafíos para los profesionales bancarios, pero también ha brindado nuevas oportunidades. Frente a los cambios, los profesionales deben mantener la calma, aprender constantemente, seguir de cerca los cambios en la era y encontrar su lugar en la sociedad y en las empresas", dijo Li Xiusheng. "Los técnicos necesitan ajustarse y aplicar la tecnología de inteligencia artificial para mejorar sus habilidades. Los empleados de negocios no necesitan preocuparse demasiado por ser reemplazados, ya que la barrera de entrada para la aplicación de la tecnología de inteligencia artificial ha disminuido, permitiendo que incluso aquellos que no entienden de computación utilicen herramientas de inteligencia artificial para construir procesos y aplicaciones y así demostrar su valor. Por lo tanto, siempre y cuando estén dispuestos a aprender y seguir de cerca los cambios tecnológicos, los profesionales bancarios no serán eliminados, sino que podrán adaptarse mejor al avance tecnológico de la era."
Desde la perspectiva del negocio de gestión de riesgos, Wei Hao señaló que la práctica es clave para dominar la inteligencia artificial. En el campo de la gestión de riesgos, la aplicación de la tecnología de inteligencia artificial requiere un mayor nivel de talento, no solo se necesita una comprensión profunda de los principios técnicos, sino también un conocimiento completo de las ventajas, los límites de capacidad y los riesgos del modelo, para garantizar la aplicación correcta de la tecnología. Por lo tanto, el personal de gestión de riesgos debe tener una sólida base técnica y un amplio conocimiento.
Wang Jun also stated that universities are also committed to cultivating compound talents in the AI+ professional field. "We optimize the curriculum setting, including courses such as data analysis, data mining, machine learning, deep learning, and multimodal data, allowing students to access AI-related knowledge at the undergraduate level. We have added practical training projects and laboratory courses, encouraging students to participate in competitions such as financial technology competitions, and transforming knowledge into practical skills. In addition, we hope to strengthen industry-academia-research cooperation with the industry, allowing students to have a deeper understanding of industry needs and operations through joint laboratories, expert lectures, and other forms, thereby stimulating their learning motivation and cultivating talents that meet industry needs."
Al hablar sobre la próxima tendencia de desarrollo de la aplicación de la tecnología de IA en la industria bancaria, Li Xiusheng señaló que con el desarrollo de la IA y las tecnologías de modelos grandes, los bancos comerciales están experimentando una nueva ronda de transformación. Esto no solo implica una actualización del sistema, sino que también transformará profundamente los procesos comerciales, la forma de los productos, los mecanismos de toma de decisiones, la combinación de personal y la configuración de puestos en los bancos. "Aunque la naturaleza de la gestión de riesgos financieros no ha cambiado, los métodos de servicio, la forma de los productos y los mecanismos operativos experimentarán cambios enormes. Este proceso puede ser gradual, pero se espera que dentro de tres a cinco años, la apariencia de los bancos comerciales será completamente nueva."
(Fuente: Xinhua Finanzas)
Fuente: Eastmoney.com
Autor: Xinhua Financial