Chief Information Officer Bank of China Zhou Tianhong: Siklus iterasi aplikasi model besar telah dipersingkat menjadi 8 hari

(Diterbitkan oleh: Beijing Business Daily)

Beijing Business Daily melaporkan (oleh jurnalis Meng Fanxia, Zhou Yili) pada 30 Maret, Bank招商召开 konferensi pelaporan kinerja untuk tahun fiskal 2025. Kepala Informasi (CIO) Bank招商, Zhou Tianhong, memberikan pengenalan yang rinci mengenai penerapan transformasi digital dan strategi AI. Ia menyatakan bahwa Bank招商 selama bertahun-tahun konsisten menjalankan strategi “科技立行” (berdiri dengan teknologi), Rencana Pengembangan Keuangan Digital “十五五” menetapkan dengan jelas pembangunan bank cerdas sebagai tugas inti untuk 5 tahun ke depan, serta menerapkan strategi AI first secara menyeluruh.

Zhou Tianhong menunjukkan bahwa sejak pada 2023 Ketua Dewan, Miao Jianmin, secara visioner mengusulkan target untuk membangun bank cerdas pertama di industri, Bank招商 secara aktif melakukan penataan untuk penerapan model skala besar (large model). Pada tahun 2025, berdasarkan kematangan model skala dasar, telah dicapai kemajuan yang signifikan. Untuk memastikan pelaksanaan strategi AI first, Bank招商 membuat pengaturan yang cermat untuk mendorong penerapan large model, secara menyeluruh menyusun 1.588 item kerja independen di seluruh bank. Berdasarkan standar kuantitatif, item yang dapat dimanfaatkan oleh large model dibagi menjadi tiga kategori: nilai tinggi, nilai menengah, dan nilai rendah. Prioritas diberikan pada implementasi skenario bernilai tinggi. Hingga akhir 2025, secara kumulatif telah diimplementasikan 856 skenario penerapan large model.

Zhou Tianhong menyatakan bahwa Bank招商 merencanakan pada tahun 2026 agar implementasi item kerja bernilai tinggi dilakukan secara menyeluruh, serta mempercepat implementasi skenario bernilai rendah, sehingga mendorong perbaikan ujung-ke-ujung (end-to-end) pada proses bisnis yang penting.

Terkait karakteristik penerapan large model, Zhou Tianhong menekankan bahwa perbedaannya dengan pengembangan perangkat lunak tradisional sangat jelas. Pada dasarnya, penerapan large model adalah suatu penerapan berbasis probabilitas; oleh karena itu, ia memang memiliki ketidakpastian yang relatif tinggi. Hal ini memerlukan pengujian dan penyetelan yang terus-menerus serta iterasi yang berkelanjutan. Berdasarkan pengalaman Bank招商, umumnya sebuah penerapan large model perlu menyelesaikan 6 kali iterasi agar dapat benar-benar diproduksi. Dengan mengoptimalkan sistem rekayasa large model, sejak 2025, Bank招商 telah memangkas siklus iterasi aplikasi dari rata-rata 32 hari pada 2024 menjadi 8 hari pada 2025. Efisiensinya meningkat menjadi seperempat dari sebelumnya, sehingga secara signifikan mempercepat penerapan aplikasi.

Zhou Tianhong menjelaskan bahwa berdasarkan data, pada tahun 2025 masukan dan keluaran Token harian rata-rata pada bank tersebut meningkat 10,1 kali dibandingkan 2024. Total skala Token masukan dan keluaran harian rata-rata terbaru mencapai 26 miliar, yang menempati posisi terdepan di industri perbankan. “Secara keseluruhan, pada tahun 2025 penerapan large model di bank kami sudah berfungsi secara penuh. Dalam peningkatan kualitas dan peningkatan efisiensi, kami juga mencapai kemajuan yang sangat baik.” Zhou Tianhong menyatakan bahwa hingga kini, penerapan large model pada tahun 2025 secara kumulatif telah menggantikan lebih dari 15.560.000 jam kerja manusia, yang setara dengan menghemat lebih dari 8.000 jam kerja karyawan penuh waktu. Ia juga mengingatkan bahwa large model masih memiliki risiko “halusinasi”. Bank招商 sedang membangun penerapan large model yang aman, andal, dan tepercaya melalui berbagai langkah. Pada tahun 2026, bank tersebut akan terus meningkatkan investasi dan berupaya sepenuhnya mewujudkan target pembangunan bank cerdas.

Berita melimpah, interpretasi yang tepat, semuanya ada di aplikasi Sina Finance (新浪财经APP)