金融科技领域，人们对于AI编程大模型在具体场景中的应用及其成效非常关心。大家都在询问这种技术将如何影响金融科技，以及它的实际表现究竟怎样。接下来，我们将对这些问题进行深入分析。
金融业务代码通用模型困境
在实际操作中，我们发现金融行业的代码若仅依赖通用的模型，效果并不理想。尽管这些通用模型在代码生成方面能力突出，使用率超过了80%，但在金融这个逻辑复杂的领域，它们的生成效率却不高。以特定金融逻辑为例，通用模型的采纳率可能会急剧下降至大约10%。由此可见，通用模型难以直接满足金融科技行业的特定需求。
金融业务各场景都拥有自己特有的运作规则和信息安全需求，通用的模型难以深入领会这些特性，因而难以编写出与实际业务相契合的代码。所以，在金融科技领域，我们亟需更为定制化的解决方案。
专家模型的提出与构建
考虑到通用模型的局限性，宋荣鑫提出应构建一个“专家模型”，把关键经验和知识储存在里面，并在软件开发的全过程中使用。例如，他们公司推出了涵盖全流程的AI开发工具“毓智AI”，还建立了多个专家模型，包括风控系统专家模型。这样，就能把金融行业的特定业务逻辑和知识整合到模型里。
构建专家模型需融合众多行业经验与专业知識，以保证模型能深刻理解金融业务的复杂性。该模型能根据金融机构的特殊要求进行定制开发，从而提升代码生成的精确度和适用度。
专家模型的量化效果
根据量化分析，该公司在专家大模型所涉及的系统范围内，成功提高了研发效率达30%。特别是P0和P1级的需求沟通与设计环节，节省了超过30%的时间。这一成果充分表明，专家模型在促进金融科技研发效率上具有显著成效。
提高研发速度有助于降低成本、减少项目耗时，使金融科技公司能够更迅速地推出新商品与服务，适应市场动态。比如，在开发新产品的过程中，缩短研发周期让企业更有机会迅速占据市场份额。
大模型对软件开发行业的影响
宋荣鑫认为，大型模型将为软件开发领域带来一场变革。在接下来的几年里，软件开发的团队构成和管理模式可能会经历重大转变。过去需要经验丰富的员工来处理的复杂工作，现在即便是经验较少的员工，借助AI工具也能胜任，这将影响团队的构成和管理模式。
大模型的应用使得软件开发领域突破了传统编程技术的限制。随之而来的是，新的工作岗位和职业需求逐渐显现。为了跟上行业的发展，软件开发者必须持续学习，提高自身技能。
新岗位的设立与要求
新设的“金融系统专家模型工程师”职位在我部门诞生，这个职位与以往岗位在专业要求上有着显著差异。它要求员工具备更出色的抽象思维、扎实的大模型建模技能，并且对公司的业务流程和逻辑有深刻把握。这一变化体现了大模型时代对专业人才的新要求。
金融系统中的模型工程师，他们不仅需要精通技术，更要对金融业务有深刻理解。只有这样，他们才能打造出满足金融行业需求的专家模型，进而促进金融科技的进步。
AI编程的未来发展方向
AI编程目前多聚焦于从头开始的代码生成，而非对现有系统的逐步完善。但新技术的发展已经开始研究提升模型对上下文的理解力，例如Kimi/千问等模型能处理高达300万字符的上下文信息。这样的进步让模型在逐步完善现有系统方面有了更好的表现，这无疑是一个充满潜力的领域。
目前市场上的金融级代码生成工具并不十分出色。展望未来，AI编程正朝着增量开发的方向演进，这或许会给金融科技行业的代码开发带来一场革命。大家认为AI编程在金融科技领域今后还可能有哪些具体的应用和发展的趋势？欢迎各位留言、点赞和转发这篇文章。
