Recentemente, um salão com o tema "Como o DeepSeek está mudando as regras do jogo da IA? O alto limiar da AGI está desaparecendo?" foi realizado com sucesso. O salão foi co-patrocinado pelo Banco New Web e pela Escola de Gestão, Ciência e Engenharia da Universidade de Economia e Finanças do Sudoeste. O vice-presidente do Banco New Web, Li Xiusheng, o diretor do Departamento de Computação Financeira da Escola de Gestão, Ciência e Engenharia da Universidade de Economia e Finanças do Sudoeste, Wang Jun, e o responsável pelo Departamento de Ciência de Risco do Banco New Web, Wei Hao, discutiram juntos os segredos técnicos por trás do DeepSeek e suas perspectivas de aplicação na indústria bancária.
Como evolui o open source e o closed source?
Quando a parceria mais estreita entre a OpenAI e a Microsoft levanta controvérsias sobre um 'monopólio ecológico', e a NVIDIA enfrenta o controle de exportação de chips de IA mais rigoroso da história dos Estados Unidos, a estratégia de código aberto da DeepSeek inesperadamente abriu outra porta. Diferentemente dos modelos de IA tradicionais fechados, a abertura do DeepSeek permite que as empresas adotem modelos grandes mais avançados a um custo mais baixo, aumentando a capacidade de assistentes inteligentes em vários cenários.
No setor de software, existem dois modelos que coexistem: o código aberto e o código fechado, cada um com casos de sucesso. Li Xiusheng citou o Linux e o Android como exemplos, afirmando que ambos, como representantes de software de código aberto, impulsionaram significativamente o desenvolvimento no campo dos sistemas operacionais. Ele também observou que a Apple, como exemplo do modelo de código fechado, manteve consistentemente uma posição de liderança em aplicativos de smartphones de alta qualidade. Embora essas organizações tenham seguido caminhos diferentes, ambas alcançaram conquistas significativas.
"Do ponto de vista de atrair contribuidores globais, pessoalmente, eu prefiro o modelo de código aberto, pois ele pode reunir mais inteligência e poder das pessoas, impulsionando juntas o avanço e a inovação tecnológica. No futuro, o código aberto e fechado podem continuar a se desenvolver em paralelo, mas o potencial do código aberto é promissor." expressou 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 the public, which can attract many developers to participate, promote rapid technological iteration, but the profitability 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. Both have their own advantages and disadvantages, so they may learn from and integrate with each other in practice, forming a competitive situation in certain areas.
Do ponto de vista dos agentes de mercado, o DeepSeek, como um grande modelo de código aberto, de baixo custo e eficiente, teve um impacto significativo nas principais empresas de tecnologia do mercado. "Para empresas de grandes modelos fechados, como a OpenAI, a estratégia de preços do DeepSeek forçou-as a reavaliar o modelo de negócios e a direção da otimização tecnológica. E para empresas de chips como a NVIDIA, o lançamento do DeepSeek provou que não é necessário depender de GPUs de ponta para realizar inferências de alta qualidade, o que levou essas empresas a repensar a lógica de investimento em infraestrutura de AI e o modelo de desenvolvimento." Wang Jun admitiu.
No entanto, vale a pena notar que os grandes modelos de inteligência artificial geral enfrentam desafios na resolução de problemas de gestão de risco digital. Wei Hao afirmou que, embora os grandes modelos tenham amplas capacidades, como compreensão de problemas, cálculos matemáticos e geração de código, o seu desempenho no campo específico de gestão de risco não é satisfatório. Isso ocorre porque o treinamento dos grandes modelos depende principalmente de dados e códigos públicos da Internet, faltando treinamento com corpus de dados especializados para o campo de gestão de risco, o que pode resultar em lógicas que não estão totalmente alinhadas com as necessidades reais de gestão de risco.
Bancos pequenos e médios contra-atacam com DeepSeek?
Segundo o relatório de pesquisa da Zheshang Securities, o processo de treinamento completo do DeepSeek-V3 utiliza menos de 2,8 milhões de horas de GPU (Unidade de Processamento Gráfico), em comparação com as 30,8 milhões de horas de GPU do treinamento do Llama3-405B, lançado pela Meta, gigante da internet dos EUA. O custo de treinamento do DeepSeek-V3 é de cerca de 5,576 milhões de dólares, enquanto o custo de treinamento do modelo de linguagem GPT-4, lançado pela OpenAI (Centro de Pesquisa de Inteligência Artificial dos EUA), para o robô de conversação ChatGPT, é de vários bilhões de dólares.
Em comparação com o investimento tradicional de dezenas de milhões ou até centenas de milhões em grandes modelos, os custos de implementação local do DeepSeek podem ser inferiores a um milhão de dólares. De acordo com as últimas notícias do Ministério da Indústria e Tecnologia da Informação, as três principais empresas de telecomunicações já se conectaram totalmente ao grande modelo de código aberto do DeepSeek. Atualmente, no setor financeiro, desde bancos, fundos de investimento até corretoras, várias instituições estão implementando o DeepSeek a todo vapor. Desde maio de 2024, o novo banco online tem aplicado o grande modelo DeepSeek em cenários de desenvolvimento de sistemas, desenvolvendo assistentes de perguntas e respostas de conhecimento e assistentes de continuação de código, reduzindo o tempo que os engenheiros de primeira linha levam para consultar informações técnicas durante o processo de desenvolvimento.
Li Xiusheng believes that in the field of artificial intelligence, the emergence of DeepSeek has brought about two major conceptual changes. Firstly, the appearance of DeepSeek has shattered the obsession with 'great power brings miracles', that is, no longer blindly pursuing extreme computing power. In the past, it was often believed that only by stacking huge computing power could breakthroughs be achieved, but DeepSeek has proved that efficient performance can also be achieved with lower computing power through optimizing algorithms and models. Secondly, DeepSeek has further intensified the debate between open source and closed source. OpenAI popularized the concept of large models through ChatGPT, but its closed-source strategy limited the dissemination of technology. The emergence of open-source models such as DeepSeek has reduced the technological threshold, allowing more institutions to apply large models. This change has profound implications for industries such as banking and financial institutions.
"Para o futuro, à medida que a tecnologia continua a avançar e os custos continuam a diminuir, os grandes modelos não serão mais um luxo exclusivo dos grandes bancos, mas sim amplamente aplicáveis às instituições financeiras de pequeno e médio porte. Isso trará uma importante tendência de mudança tecnológica para os bancos comerciais, impulsionando seu desenvolvimento de forma mais inteligente e eficiente", disse Li Xiusheng.
No setor bancário, a tecnologia de modelos grandes como DeepSeek tem uma ampla perspectiva de aplicação no campo do controle de risco digital. De acordo com Wei Hao, o lançamento do DeepSeek deixou os técnicos muito animados, pois pode igualar o nível dos modelos de raciocínio de ponta da OpenAI, com pesos de código aberto, licença flexível e possibilidade de uso local e controlável.
Wei Hao described the practical use experience, "When dealing with unstructured data, large models such as 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 used by risk control models to improve the accuracy of customer assessment and make better decisions."
Wei Hao pointed out that the deep thinking ability of DeepSeek R1, through the thinking chain training mode, has improved 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.
A indústria bancária, como uma indústria com um alto nível de informatização, passou por várias mudanças significativas em seus sistemas de computador. Desde a substituição das operações manuais por sistemas de computador, até o surgimento da Internet móvel, os bancos continuaram a recriar seus processos de negócios. Agora, com o rápido desenvolvimento da inteligência artificial, os bancos estão enfrentando desafios e oportunidades na quarta evolução dos sistemas de informação. Nesta era dos grandes modelos, como é que os bancos devem construir a capacidade de aplicação de tecnologia inteligente que se adapte a si mesmos?
Li Xiusheng believes that the advent of the era of large models requires banks to rethink how to reshape the management and processes of banks from the perspective of the full application of artificial intelligence. Banks need to first think about how to build applications, then consider how to organize data, improve data quality, label and annotate, and apply non-bank data. Overall, commercial banks need to think from a strategic level, while considering factors such as computing power, data, algorithms, and applications.
Segundo ele, desde a sua criação, o novo banco online tem vindo a aplicar plenamente a tecnologia de inteligência artificial no domínio da prevenção de fraudes e controlo de riscos de crédito, realizando o processamento eficiente e em grande escala de empréstimos. No entanto, com o surgimento de grandes modelos, o banco começou a considerar a exploração e experimentação em mais áreas. Atualmente, o novo banco online já aplicou grandes modelos no domínio do atendimento ao cliente, substituindo com sucesso parte do atendimento ao cliente humano, e está a tentar aplicar grandes modelos em áreas como marketing e gestão pós-empréstimo.
Além do campo bancário, Wang Jun prevê que as aplicações inteligentes relacionadas a modelos grandes terão um aumento significativo em áreas como manufatura, previsão de riscos climáticos, computação, educação, mídia e entretenimento. Wang Jun aponta que "na manufatura, os grandes modelos podem monitorar a confiabilidade de peças ou baterias e prever sua vida útil; na previsão de riscos climáticos, algoritmos de inteligência artificial interpretam as condições meteorológicas futuras, fornecendo alertas e otimização de rotas para rodovias, entre outros; no campo da computação, os grandes modelos podem auxiliar na conclusão, compreensão e construção de códigos; na educação, com base nos hábitos e comportamentos de aprendizado dos alunos, é possível construir modelos grandes personalizados para auxiliar os alunos em seu aprendizado; na área de mídia e entretenimento, os grandes modelos podem ser utilizados na geração de conteúdo, construção de modelos e criação de cenários, como produção de animações, design de jogos e produção de vídeos curtos, e ainda podem sintetizar pessoas digitais para recomendações de comércio eletrônico, entre outros."
Que tipo de talento em IA os bancos do futuro precisam?
De acordo com o Relatório de Desenvolvimento do Setor Bancário da China de 2024, publicado pela Associação Chinesa da Indústria Bancária, existe uma combinação natural entre finanças e inteligência artificial. A tecnologia de grandes modelos de IA pode explorar plenamente os enormes dados do setor bancário, e o setor bancário possui uma variedade de cenários adequados para a tecnologia de grandes modelos de IA. Atualmente, os grandes modelos de IA estão impulsionando uma reforma abrangente nos serviços, marketing, produtos e outros campos do setor bancário do país, catalisando a chegada acelerada do "banco do futuro".
Com a ampla aplicação de modelos de grande escala pelos bancos, as habilidades dos técnicos também estão sendo cada vez mais exigidas. Li Xiusheng acredita que, na indústria de aplicativos de internet, o pensamento da internet tem ajudado no sucesso das grandes empresas de internet. Com a chegada da era da inteligência artificial, a demanda por talentos está se transformando em talentos financeiros e tecnológicos com pensamento de inteligência artificial.
O Banco da Internet XWBank tem enfatizado o pensamento da Internet nos últimos anos e dará importância ao pensamento de inteligência artificial no futuro. O pensamento de inteligência artificial está integrado no design de produtos empresariais, marketing de clientes, atividades operacionais diárias e na construção de um sistema de gestão empresarial global. Portanto, o banco avaliará se os funcionários possuem essa capacidade, base ou potencial, a fim de cultivar talentos que atendam às necessidades futuras do desenvolvimento bancário.
"O avanço contínuo da tecnologia de inteligência artificial está desafiando os profissionais bancários, mas também está oferecendo novas oportunidades. Diante da mudança, os profissionais precisam manter a calma, aprender continuamente, acompanhar as mudanças da era e encontrar seu lugar na sociedade e nas empresas", incentivou Li Xiusheng. "Os técnicos precisam se ajustar e aplicar a tecnologia de inteligência artificial para melhorar suas habilidades. Enquanto os profissionais de negócios não precisam se preocupar em serem substituídos, pois a barreira de entrada para a aplicação da tecnologia de inteligência artificial foi reduzida, permitindo que até mesmo aqueles sem conhecimento em computação possam utilizar ferramentas de IA para criar processos e aplicativos, e assim, mostrar seu valor. Portanto, desde que estejam dispostos a aprender e acompanhar as mudanças tecnológicas, os profissionais bancários não serão eliminados, mas sim capazes de se adaptar melhor ao avanço da tecnologia na era."
Do ponto de vista do negócio de controle de risco, Wei Hao apontou que a prática prática é a chave para dominar a inteligência artificial. No campo do controle de riscos, a aplicação da tecnologia de inteligência artificial requer maiores requisitos de talentos, que não só exigem uma compreensão profunda dos princípios técnicos, mas também uma compreensão completa das vantagens, limites de capacidade e riscos do modelo para garantir a correta aplicação da tecnologia. Portanto, o pessoal de controle de risco precisa ter uma base técnica profunda e uma ampla gama de conhecimentos.
Wang jun também disse que as faculdades e universidades também estão comprometidas em cultivar talentos compostos no campo da IA + especialização. "Otimizamos o currículo para incluir cursos como análise de dados, mineração de dados, machine learning, deep learning e dados multimodais, para que os alunos possam ser expostos à inteligência artificial na graduação. Foram acrescentados projetos de formação prática e cursos experimentais, e os alunos são incentivados a participar em competições como competições de tecnologia financeira para transformar conhecimento em capacidade prática. Além disso, esperamos fortalecer a colaboração indústria-universidade-pesquisa com a indústria, e fornecer aos alunos uma compreensão mais profunda das necessidades e negócios da indústria através de laboratórios conjuntos e palestras de especialistas, de modo a estimular a sua motivação para a aprendizagem e cultivar talentos que atendam às necessidades da indústria. ”
Ao falar sobre as próximas tendências de desenvolvimento da tecnologia de IA no setor bancário, Li Xiusheng afirmou que, com o desenvolvimento da IA e da tecnologia de grandes modelos, os bancos comerciais estão passando por uma nova rodada de reformulação. Isso não envolve apenas atualizações de sistemas, mas também mudanças profundas nos processos de negócios, formas de produtos, mecanismos de tomada de decisão, composição de pessoal e configuração de cargos. "Embora a essência da gestão de riscos financeiros não tenha mudado, os métodos de serviço, formas de produtos e mecanismos de operação passarão por mudanças drásticas. Esse processo pode ser gradual, mas espera-se que, em três a cinco anos, a face dos bancos comerciais seja completamente renovada."
O conteúdo serve apenas de referência e não constitui uma solicitação ou oferta. Não é prestado qualquer aconselhamento em matéria de investimento, fiscal ou jurídica. Consulte a Declaração de exoneração de responsabilidade para obter mais informações sobre os riscos.
【Análise Financeira】DeepSeek rompe o cerco da IA Poder de computação: O momento de singularidade do setor bancário chegou?
Recentemente, um salão com o tema "Como o DeepSeek está mudando as regras do jogo da IA? O alto limiar da AGI está desaparecendo?" foi realizado com sucesso. O salão foi co-patrocinado pelo Banco New Web e pela Escola de Gestão, Ciência e Engenharia da Universidade de Economia e Finanças do Sudoeste. O vice-presidente do Banco New Web, Li Xiusheng, o diretor do Departamento de Computação Financeira da Escola de Gestão, Ciência e Engenharia da Universidade de Economia e Finanças do Sudoeste, Wang Jun, e o responsável pelo Departamento de Ciência de Risco do Banco New Web, Wei Hao, discutiram juntos os segredos técnicos por trás do DeepSeek e suas perspectivas de aplicação na indústria bancária.
Como evolui o open source e o closed source?
Quando a parceria mais estreita entre a OpenAI e a Microsoft levanta controvérsias sobre um 'monopólio ecológico', e a NVIDIA enfrenta o controle de exportação de chips de IA mais rigoroso da história dos Estados Unidos, a estratégia de código aberto da DeepSeek inesperadamente abriu outra porta. Diferentemente dos modelos de IA tradicionais fechados, a abertura do DeepSeek permite que as empresas adotem modelos grandes mais avançados a um custo mais baixo, aumentando a capacidade de assistentes inteligentes em vários cenários.
No setor de software, existem dois modelos que coexistem: o código aberto e o código fechado, cada um com casos de sucesso. Li Xiusheng citou o Linux e o Android como exemplos, afirmando que ambos, como representantes de software de código aberto, impulsionaram significativamente o desenvolvimento no campo dos sistemas operacionais. Ele também observou que a Apple, como exemplo do modelo de código fechado, manteve consistentemente uma posição de liderança em aplicativos de smartphones de alta qualidade. Embora essas organizações tenham seguido caminhos diferentes, ambas alcançaram conquistas significativas.
"Do ponto de vista de atrair contribuidores globais, pessoalmente, eu prefiro o modelo de código aberto, pois ele pode reunir mais inteligência e poder das pessoas, impulsionando juntas o avanço e a inovação tecnológica. No futuro, o código aberto e fechado podem continuar a se desenvolver em paralelo, mas o potencial do código aberto é promissor." expressou 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 the public, which can attract many developers to participate, promote rapid technological iteration, but the profitability 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. Both have their own advantages and disadvantages, so they may learn from and integrate with each other in practice, forming a competitive situation in certain areas.
Do ponto de vista dos agentes de mercado, o DeepSeek, como um grande modelo de código aberto, de baixo custo e eficiente, teve um impacto significativo nas principais empresas de tecnologia do mercado. "Para empresas de grandes modelos fechados, como a OpenAI, a estratégia de preços do DeepSeek forçou-as a reavaliar o modelo de negócios e a direção da otimização tecnológica. E para empresas de chips como a NVIDIA, o lançamento do DeepSeek provou que não é necessário depender de GPUs de ponta para realizar inferências de alta qualidade, o que levou essas empresas a repensar a lógica de investimento em infraestrutura de AI e o modelo de desenvolvimento." Wang Jun admitiu.
No entanto, vale a pena notar que os grandes modelos de inteligência artificial geral enfrentam desafios na resolução de problemas de gestão de risco digital. Wei Hao afirmou que, embora os grandes modelos tenham amplas capacidades, como compreensão de problemas, cálculos matemáticos e geração de código, o seu desempenho no campo específico de gestão de risco não é satisfatório. Isso ocorre porque o treinamento dos grandes modelos depende principalmente de dados e códigos públicos da Internet, faltando treinamento com corpus de dados especializados para o campo de gestão de risco, o que pode resultar em lógicas que não estão totalmente alinhadas com as necessidades reais de gestão de risco.
Bancos pequenos e médios contra-atacam com DeepSeek?
Segundo o relatório de pesquisa da Zheshang Securities, o processo de treinamento completo do DeepSeek-V3 utiliza menos de 2,8 milhões de horas de GPU (Unidade de Processamento Gráfico), em comparação com as 30,8 milhões de horas de GPU do treinamento do Llama3-405B, lançado pela Meta, gigante da internet dos EUA. O custo de treinamento do DeepSeek-V3 é de cerca de 5,576 milhões de dólares, enquanto o custo de treinamento do modelo de linguagem GPT-4, lançado pela OpenAI (Centro de Pesquisa de Inteligência Artificial dos EUA), para o robô de conversação ChatGPT, é de vários bilhões de dólares.
Em comparação com o investimento tradicional de dezenas de milhões ou até centenas de milhões em grandes modelos, os custos de implementação local do DeepSeek podem ser inferiores a um milhão de dólares. De acordo com as últimas notícias do Ministério da Indústria e Tecnologia da Informação, as três principais empresas de telecomunicações já se conectaram totalmente ao grande modelo de código aberto do DeepSeek. Atualmente, no setor financeiro, desde bancos, fundos de investimento até corretoras, várias instituições estão implementando o DeepSeek a todo vapor. Desde maio de 2024, o novo banco online tem aplicado o grande modelo DeepSeek em cenários de desenvolvimento de sistemas, desenvolvendo assistentes de perguntas e respostas de conhecimento e assistentes de continuação de código, reduzindo o tempo que os engenheiros de primeira linha levam para consultar informações técnicas durante o processo de desenvolvimento.
Li Xiusheng believes that in the field of artificial intelligence, the emergence of DeepSeek has brought about two major conceptual changes. Firstly, the appearance of DeepSeek has shattered the obsession with 'great power brings miracles', that is, no longer blindly pursuing extreme computing power. In the past, it was often believed that only by stacking huge computing power could breakthroughs be achieved, but DeepSeek has proved that efficient performance can also be achieved with lower computing power through optimizing algorithms and models. Secondly, DeepSeek has further intensified the debate between open source and closed source. OpenAI popularized the concept of large models through ChatGPT, but its closed-source strategy limited the dissemination of technology. The emergence of open-source models such as DeepSeek has reduced the technological threshold, allowing more institutions to apply large models. This change has profound implications for industries such as banking and financial institutions.
"Para o futuro, à medida que a tecnologia continua a avançar e os custos continuam a diminuir, os grandes modelos não serão mais um luxo exclusivo dos grandes bancos, mas sim amplamente aplicáveis às instituições financeiras de pequeno e médio porte. Isso trará uma importante tendência de mudança tecnológica para os bancos comerciais, impulsionando seu desenvolvimento de forma mais inteligente e eficiente", disse Li Xiusheng.
No setor bancário, a tecnologia de modelos grandes como DeepSeek tem uma ampla perspectiva de aplicação no campo do controle de risco digital. De acordo com Wei Hao, o lançamento do DeepSeek deixou os técnicos muito animados, pois pode igualar o nível dos modelos de raciocínio de ponta da OpenAI, com pesos de código aberto, licença flexível e possibilidade de uso local e controlável.
Wei Hao described the practical use experience, "When dealing with unstructured data, large models such as 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 used by risk control models to improve the accuracy of customer assessment and make better decisions."
Wei Hao pointed out that the deep thinking ability of DeepSeek R1, through the thinking chain training mode, has improved 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.
A indústria bancária, como uma indústria com um alto nível de informatização, passou por várias mudanças significativas em seus sistemas de computador. Desde a substituição das operações manuais por sistemas de computador, até o surgimento da Internet móvel, os bancos continuaram a recriar seus processos de negócios. Agora, com o rápido desenvolvimento da inteligência artificial, os bancos estão enfrentando desafios e oportunidades na quarta evolução dos sistemas de informação. Nesta era dos grandes modelos, como é que os bancos devem construir a capacidade de aplicação de tecnologia inteligente que se adapte a si mesmos?
Li Xiusheng believes that the advent of the era of large models requires banks to rethink how to reshape the management and processes of banks from the perspective of the full application of artificial intelligence. Banks need to first think about how to build applications, then consider how to organize data, improve data quality, label and annotate, and apply non-bank data. Overall, commercial banks need to think from a strategic level, while considering factors such as computing power, data, algorithms, and applications.
Segundo ele, desde a sua criação, o novo banco online tem vindo a aplicar plenamente a tecnologia de inteligência artificial no domínio da prevenção de fraudes e controlo de riscos de crédito, realizando o processamento eficiente e em grande escala de empréstimos. No entanto, com o surgimento de grandes modelos, o banco começou a considerar a exploração e experimentação em mais áreas. Atualmente, o novo banco online já aplicou grandes modelos no domínio do atendimento ao cliente, substituindo com sucesso parte do atendimento ao cliente humano, e está a tentar aplicar grandes modelos em áreas como marketing e gestão pós-empréstimo.
Além do campo bancário, Wang Jun prevê que as aplicações inteligentes relacionadas a modelos grandes terão um aumento significativo em áreas como manufatura, previsão de riscos climáticos, computação, educação, mídia e entretenimento. Wang Jun aponta que "na manufatura, os grandes modelos podem monitorar a confiabilidade de peças ou baterias e prever sua vida útil; na previsão de riscos climáticos, algoritmos de inteligência artificial interpretam as condições meteorológicas futuras, fornecendo alertas e otimização de rotas para rodovias, entre outros; no campo da computação, os grandes modelos podem auxiliar na conclusão, compreensão e construção de códigos; na educação, com base nos hábitos e comportamentos de aprendizado dos alunos, é possível construir modelos grandes personalizados para auxiliar os alunos em seu aprendizado; na área de mídia e entretenimento, os grandes modelos podem ser utilizados na geração de conteúdo, construção de modelos e criação de cenários, como produção de animações, design de jogos e produção de vídeos curtos, e ainda podem sintetizar pessoas digitais para recomendações de comércio eletrônico, entre outros."
Que tipo de talento em IA os bancos do futuro precisam?
De acordo com o Relatório de Desenvolvimento do Setor Bancário da China de 2024, publicado pela Associação Chinesa da Indústria Bancária, existe uma combinação natural entre finanças e inteligência artificial. A tecnologia de grandes modelos de IA pode explorar plenamente os enormes dados do setor bancário, e o setor bancário possui uma variedade de cenários adequados para a tecnologia de grandes modelos de IA. Atualmente, os grandes modelos de IA estão impulsionando uma reforma abrangente nos serviços, marketing, produtos e outros campos do setor bancário do país, catalisando a chegada acelerada do "banco do futuro".
Com a ampla aplicação de modelos de grande escala pelos bancos, as habilidades dos técnicos também estão sendo cada vez mais exigidas. Li Xiusheng acredita que, na indústria de aplicativos de internet, o pensamento da internet tem ajudado no sucesso das grandes empresas de internet. Com a chegada da era da inteligência artificial, a demanda por talentos está se transformando em talentos financeiros e tecnológicos com pensamento de inteligência artificial.
O Banco da Internet XWBank tem enfatizado o pensamento da Internet nos últimos anos e dará importância ao pensamento de inteligência artificial no futuro. O pensamento de inteligência artificial está integrado no design de produtos empresariais, marketing de clientes, atividades operacionais diárias e na construção de um sistema de gestão empresarial global. Portanto, o banco avaliará se os funcionários possuem essa capacidade, base ou potencial, a fim de cultivar talentos que atendam às necessidades futuras do desenvolvimento bancário.
"O avanço contínuo da tecnologia de inteligência artificial está desafiando os profissionais bancários, mas também está oferecendo novas oportunidades. Diante da mudança, os profissionais precisam manter a calma, aprender continuamente, acompanhar as mudanças da era e encontrar seu lugar na sociedade e nas empresas", incentivou Li Xiusheng. "Os técnicos precisam se ajustar e aplicar a tecnologia de inteligência artificial para melhorar suas habilidades. Enquanto os profissionais de negócios não precisam se preocupar em serem substituídos, pois a barreira de entrada para a aplicação da tecnologia de inteligência artificial foi reduzida, permitindo que até mesmo aqueles sem conhecimento em computação possam utilizar ferramentas de IA para criar processos e aplicativos, e assim, mostrar seu valor. Portanto, desde que estejam dispostos a aprender e acompanhar as mudanças tecnológicas, os profissionais bancários não serão eliminados, mas sim capazes de se adaptar melhor ao avanço da tecnologia na era."
Do ponto de vista do negócio de controle de risco, Wei Hao apontou que a prática prática é a chave para dominar a inteligência artificial. No campo do controle de riscos, a aplicação da tecnologia de inteligência artificial requer maiores requisitos de talentos, que não só exigem uma compreensão profunda dos princípios técnicos, mas também uma compreensão completa das vantagens, limites de capacidade e riscos do modelo para garantir a correta aplicação da tecnologia. Portanto, o pessoal de controle de risco precisa ter uma base técnica profunda e uma ampla gama de conhecimentos.
Wang jun também disse que as faculdades e universidades também estão comprometidas em cultivar talentos compostos no campo da IA + especialização. "Otimizamos o currículo para incluir cursos como análise de dados, mineração de dados, machine learning, deep learning e dados multimodais, para que os alunos possam ser expostos à inteligência artificial na graduação. Foram acrescentados projetos de formação prática e cursos experimentais, e os alunos são incentivados a participar em competições como competições de tecnologia financeira para transformar conhecimento em capacidade prática. Além disso, esperamos fortalecer a colaboração indústria-universidade-pesquisa com a indústria, e fornecer aos alunos uma compreensão mais profunda das necessidades e negócios da indústria através de laboratórios conjuntos e palestras de especialistas, de modo a estimular a sua motivação para a aprendizagem e cultivar talentos que atendam às necessidades da indústria. ”
Ao falar sobre as próximas tendências de desenvolvimento da tecnologia de IA no setor bancário, Li Xiusheng afirmou que, com o desenvolvimento da IA e da tecnologia de grandes modelos, os bancos comerciais estão passando por uma nova rodada de reformulação. Isso não envolve apenas atualizações de sistemas, mas também mudanças profundas nos processos de negócios, formas de produtos, mecanismos de tomada de decisão, composição de pessoal e configuração de cargos. "Embora a essência da gestão de riscos financeiros não tenha mudado, os métodos de serviço, formas de produtos e mecanismos de operação passarão por mudanças drásticas. Esse processo pode ser gradual, mas espera-se que, em três a cinco anos, a face dos bancos comerciais seja completamente renovada."
(Fonte: Xinhua Finance)
Fonte: East Money
Autor: Xinhua Finance