如今，AI在各行各業(yè)的“多點(diǎn)開(kāi)花”已成為不可忽略的趨勢(shì)，金融行業(yè)也通過(guò)AI制定數(shù)字化戰(zhàn)略，走在了追逐AI浪潮的前列。
那么金融行業(yè)為什么要投資AI?AI能幫助金融行業(yè)解決哪些問(wèn)題?金融行業(yè)在AI技術(shù)的實(shí)踐過(guò)程中遇到了哪些挑戰(zhàn)，又可以為其他行業(yè)提供哪些借鑒?Gartner高級(jí)研究總監(jiān)呂俊寬一一作出了解答。
Gartner高級(jí)研究總監(jiān)呂俊寬(CK Lu)
AI可以解決“無(wú)銀行賬戶(hù)”用戶(hù)的問(wèn)題
據(jù)統(tǒng)計(jì)，全世界約有31%的人沒(méi)有銀行賬戶(hù)，其中印度約占21%、中國(guó)約占12%、美國(guó)約占7%。而現(xiàn)在提倡的“普惠金融”就是要讓“無(wú)銀行賬戶(hù)”的用戶(hù)也可以享受到金融服務(wù)。呂俊寬表示，在這個(gè)過(guò)程中，AI的作用就是服務(wù)這些“無(wú)銀行賬戶(hù)”的用戶(hù)。
呂俊寬進(jìn)一步解釋說(shuō)，傳統(tǒng)的數(shù)據(jù)分析更多地是通過(guò)人為方式制定規(guī)則、對(duì)結(jié)構(gòu)化資料進(jìn)行高效率的分析，而“無(wú)銀行賬戶(hù)”的用戶(hù)帶來(lái)的往往是非結(jié)構(gòu)化的資料。這就必須要用AI來(lái)制定規(guī)則，即為每一個(gè)人提供定制化的服務(wù)。這也是AI與傳統(tǒng)數(shù)據(jù)分析方法不同的地方。
“不要用投資回報(bào)率衡量AI是否成功”
呂俊寬認(rèn)為，各行各業(yè)投資AI的三大動(dòng)機(jī)是用自動(dòng)化取代繁瑣的人工工作、提升客戶(hù)體驗(yàn)、降低成本。“但目前AI仍處于投入階段，如果企業(yè)單純地關(guān)注AI帶來(lái)的收入增長(zhǎng)，可能難以找準(zhǔn)AI投資的點(diǎn)。”
呂俊寬舉例說(shuō)，最近兩年最受追捧的AI應(yīng)用之一就是客服機(jī)器人，但卻很少有企業(yè)通過(guò)客服機(jī)器人達(dá)到投資回報(bào)率的目標(biāo)。因?yàn)樵谑褂肁I應(yīng)用的過(guò)程中，并不代表可以裁掉相應(yīng)比例的員工。“企業(yè)CIO目前面臨的問(wèn)題是，很難從投資回報(bào)率的角度證明投資AI是有回報(bào)的。”
那么應(yīng)該如何衡量企業(yè)部署AI的成功與否呢?他認(rèn)為，首先要看通過(guò)AI可以幫助企業(yè)提升多少效率;第二，就是AI到底對(duì)客戶(hù)體驗(yàn)的提高有多少幫助。
金融機(jī)構(gòu)在運(yùn)用AI時(shí)遇到哪些問(wèn)題?
據(jù)呂俊寬介紹，金融機(jī)構(gòu)在運(yùn)用AI技術(shù)時(shí)，主要面臨六大問(wèn)題。
第一、商業(yè)價(jià)值，金融機(jī)構(gòu)在使用AI以后，目前很難證明投資AI是可以帶來(lái)回報(bào)的;
第二、資料管理，例如銀行里很多數(shù)據(jù)是分散的，很難進(jìn)行集中管理和分析;
第三、人才問(wèn)題，許多IT人員負(fù)責(zé)運(yùn)維或資料管理，并沒(méi)有足夠的能力在AI時(shí)代發(fā)揮專(zhuān)長(zhǎng);
第四、工具問(wèn)題，過(guò)去兩年AI的應(yīng)用多以SaaS(軟件即服務(wù))為導(dǎo)向，耗時(shí)較長(zhǎng)卻只能解決單一問(wèn)題，那么未來(lái)如果有數(shù)百個(gè)AI應(yīng)用需要部署，投入的成本將是巨大的;
第五、規(guī)模問(wèn)題，例如某個(gè)模型在實(shí)驗(yàn)室里運(yùn)行準(zhǔn)確率可以達(dá)到95%，可是一旦上線，或是進(jìn)行更大規(guī)模的分析時(shí)，準(zhǔn)確率就會(huì)大幅度下降;
第六、采購(gòu)決策，每個(gè)部門(mén)各自采購(gòu)，會(huì)造成投資浪費(fèi)。
“AI沒(méi)那么了不起，還是需要人工干預(yù)”
AI的廣泛應(yīng)用不禁會(huì)讓人們擔(dān)心自己的工作被取代，那么具體到銀行，原有的IT人員或業(yè)務(wù)專(zhuān)家的角色會(huì)有哪些變化呢?
“AI其實(shí)沒(méi)有我們想像得這么了不起。”呂俊寬介紹道，“現(xiàn)階段的AI很多都是‘半監(jiān)督學(xué)習(xí)’的。也就是說(shuō)，AI制定規(guī)則或篩選數(shù)據(jù)，還是需要人工干預(yù)的。”
他舉例說(shuō)，比如將銀行的全部數(shù)據(jù)用作數(shù)據(jù)訓(xùn)練，那么成本會(huì)很高。“這時(shí)候就需要銀行的業(yè)務(wù)專(zhuān)家將數(shù)據(jù)進(jìn)行精簡(jiǎn)提煉，再用AI訓(xùn)練模型，最后還需要專(zhuān)家修正模型，才能做出好的AI應(yīng)用。”
呂俊寬表示，AI應(yīng)用已經(jīng)對(duì)整個(gè)金融機(jī)構(gòu)的結(jié)構(gòu)、人員帶來(lái)完全、根本的改變。如何把原有的IT人員和業(yè)務(wù)人員轉(zhuǎn)化成在AI時(shí)代可用的人才，這已經(jīng)變成對(duì)金融行業(yè)人力資源管理的一大挑戰(zhàn)。
AI落地還得“因地制宜”
對(duì)于AI技術(shù)如何在企業(yè)規(guī)?；涞?，呂俊寬根據(jù)銀行規(guī)模的大小給出了針對(duì)性的建議：
對(duì)于規(guī)模較小的銀行，其業(yè)務(wù)場(chǎng)景雖然并不復(fù)雜，但是可能沒(méi)有足夠的資金對(duì)AI進(jìn)行投資，所以可能主要以業(yè)務(wù)為導(dǎo)向，同時(shí)要與大銀行已有的服務(wù)相匹配。
對(duì)于中型銀行，其業(yè)務(wù)場(chǎng)景就比較復(fù)雜。但相對(duì)于頭部銀行而言規(guī)模比較小，因此更加靈活，好的AI應(yīng)用就能幫助它提升一個(gè)層次。
對(duì)于頭部銀行，優(yōu)點(diǎn)在于能夠保證投入AI的資金充足。但頭部銀行競(jìng)爭(zhēng)壓力較大，其主要面臨的是文化問(wèn)題，而不是資金、資源的問(wèn)題。“所以頭部銀行要做的就是從項(xiàng)目到產(chǎn)品上的文化改變和公司治理。”
