做AI驅(qū)動的公司，還是做驅(qū)動AI的公司，這是一個問題。

所謂AI驅(qū)動的公司，指的是某個或者某些業(yè)務(wù)通過AI賦能，業(yè)績大幅提升的公司，比如各大金融機(jī)構(gòu)、大型醫(yī)療企業(yè)等AI+公司；而所謂驅(qū)動AI的公司，是以提供AI技術(shù)或者服務(wù)為生，提高企業(yè)智能化比例的公司，也可稱為人工智能技術(shù)與服務(wù)提供商。

隨著人工智能服務(wù)提供商快速的“攻城略地”，受AI驅(qū)動的公司越來越多。但仍有大量企業(yè)沒有接觸或者還未深入應(yīng)用人工智能，根據(jù)麻省理工學(xué)院（MIT）訪問學(xué)者李大維的一份報(bào)告，只有32%的中國企業(yè)在數(shù)據(jù)和商業(yè)應(yīng)用方面應(yīng)用人工智能。智能化之路任重道遠(yuǎn)。

目前，阻礙眾多企業(yè)進(jìn)一步智能化的的因素在于，AI系統(tǒng)或者平臺的使用門檻過高。如何將AI的使用門檻降低，讓更大范圍的人群也能接觸和使用AI，成為人工智能技術(shù)與服務(wù)提供商以及需要AI賦能業(yè)務(wù)的企業(yè)繞不開的一個難題。

對此，雷鋒網(wǎng)「AI金融評論」采訪了人工智能技術(shù)與服務(wù)提供商——第四范式合伙人/副總裁柴亦飛，他向我們講述了AI在金融領(lǐng)域的落地情況和近期AI在金融方向的一些行業(yè)動態(tài)。

以下為柴亦飛的口述：

銀行的AI“新需求”

在選擇做「AI應(yīng)用」，還是做其背后的「AI平臺」之間，第四范式選擇了「AI平臺」，將目標(biāo)客戶定位在那些需要通過AI實(shí)現(xiàn)智能化轉(zhuǎn)型的企業(yè)。企業(yè)客戶可以在我們的「AI平臺」上，自己造出10個、100個甚至1000個「AI應(yīng)用」。

近兩年，我們發(fā)現(xiàn)銀行等金融客戶的需求有了一些新的變化。

此前，金融機(jī)構(gòu)會比較在意我們提供的AI系統(tǒng)的功能和效果，現(xiàn)在他們也關(guān)注它的使用門檻。

一直以來，AI一直由學(xué)過建模的專業(yè)數(shù)據(jù)科學(xué)家來操作，門檻很高，極大地影響了AI的產(chǎn)能。而隨著AI在金融機(jī)構(gòu)的普及和規(guī)模化應(yīng)用，頭部銀行開始希望熟悉業(yè)務(wù)、但沒有學(xué)過建模的非計(jì)算機(jī)專業(yè)的員工，也能操作我們的AI平臺來開發(fā)AI應(yīng)用。

第四范式基于自動機(jī)器學(xué)習(xí)技術(shù)（AutoML）將機(jī)器學(xué)習(xí)建模的過程自動化，相比原來靠建?？茖W(xué)家「手動建?！梗珹utoML讓機(jī)器自動建模、迭代，跑出效果。根據(jù)模型AUC指標(biāo)，我們發(fā)現(xiàn)AutoML的建模效果，并不比人工建模的差，甚至比專業(yè)的建?？茖W(xué)家做的還有提升。此外，自動化也節(jié)省了大量開發(fā)時間，比如某客戶在做高?？蛻袅魇ьA(yù)警模型時，只要用原來1/40的時間就能跑出模型。

第四范式希望以一個低門檻、低代價(jià)的AI平臺，讓沒有機(jī)器學(xué)習(xí)背景的人也能開發(fā)AI模型，幫助企業(yè)客戶在更多重要場景上做AI應(yīng)用嘗試。實(shí)際上，這種設(shè)想已經(jīng)在很多大型銀行里真實(shí)落地，而且越來越受市場歡迎，這是我們近來發(fā)現(xiàn)的一個新變化。

“大眾化”的三種方法

當(dāng)然，降低企業(yè)客戶使用AI的門檻，絕非易事，需要多種方案齊頭并進(jìn)。

首先，是人才的門檻，這是企業(yè)在AI應(yīng)用中面臨的普遍問題。現(xiàn)在我們看到大部分銀行不會只投入一兩個AI應(yīng)用，他們有幾十個甚至上百個AI應(yīng)用的需求，但核心問題是，這些AI應(yīng)用需要數(shù)據(jù)科學(xué)來構(gòu)建，但傳統(tǒng)企業(yè)并沒有足夠的AI人才。去年Gartner在AI應(yīng)用現(xiàn)狀調(diào)查報(bào)告中也提到，AI人才的匱乏，是目前企業(yè)進(jìn)軍AI的首要挑戰(zhàn)。

上面我們提到AI的規(guī)?；枰尫菣C(jī)器學(xué)習(xí)背景的業(yè)務(wù)人員或者是開發(fā)者也能開發(fā)AI應(yīng)用。然而JAVA工程師會說沒辦法做到，因?yàn)槿斯ぶ悄芴y了。這也是為什么我們投入非常多的精力與時間去降低AI平臺的使用門檻，目前開發(fā)者在經(jīng)過簡單學(xué)習(xí)后，也能在我們的平臺上構(gòu)建足夠好的AI模型。

其次，是數(shù)據(jù)的門檻?，F(xiàn)今很多企業(yè)都存有一定的數(shù)據(jù)，而這些數(shù)據(jù)是通過BI（商業(yè)智能）的方式收集的。BI以圖形和報(bào)表的形式呈現(xiàn)，是給決策層的管理者看的，不能簡單地直接用于AI。但是客戶或者一些幫客戶做AI應(yīng)用的公司，本身沒有太重視這個問題。最終，在線下用離線數(shù)據(jù)建造的模型效果很好，但是上線后，常常出現(xiàn)各種問題，這是因?yàn)锳I不同于BI，需要大量完整的、形成閉環(huán)的數(shù)據(jù)，因此構(gòu)建一個專門的面向AI的數(shù)據(jù)治理體系，也是十分重要的。

最后，是成本的門檻。頂尖的互聯(lián)網(wǎng)公司，每年都需要有很多服務(wù)器來支撐AI業(yè)務(wù)，甚至?xí)ㄙM(fèi)上百億，但很少有公司能夠承受這么大的成本。AI是硬件和軟件深度融合的體系，我們發(fā)現(xiàn)采用軟件定義算力的方式，不止性能會提高，成本也會大幅降低。

十倍增效的「AI方法論」

現(xiàn)在，人們從懷疑AI是否真的有價(jià)值，轉(zhuǎn)而思考AI提供的價(jià)值是否能給企業(yè)業(yè)務(wù)帶來質(zhì)的飛躍。

比如在金融機(jī)構(gòu)，前些年，大家應(yīng)用AI比較多的是傳統(tǒng)的營銷場景，即通過短信、電話進(jìn)行精準(zhǔn)的理財(cái)產(chǎn)品推薦與營銷。一些營銷類的場景在應(yīng)用AI之后，成功率/轉(zhuǎn)化率能能提高10%到500%。

近幾年，一些銀行開始做智能風(fēng)控場景，以交易反欺詐、申請反欺詐的業(yè)務(wù)為例，效果也很喜人。在反欺詐這一領(lǐng)域，做得優(yōu)秀的銀行比不太重視的銀行水平要高出很多。而過去在反欺詐領(lǐng)域做得好的銀行，他們的反欺詐系統(tǒng)應(yīng)用了人工智能之后，效率提升能達(dá)數(shù)十倍，最終給業(yè)務(wù)帶來了質(zhì)的改變。

隨著一些傳統(tǒng)的線下信貸轉(zhuǎn)變成了線上的信貸業(yè)務(wù)，風(fēng)控的業(yè)務(wù)越來越復(fù)雜，數(shù)據(jù)復(fù)雜度和場景復(fù)雜度都在提升。而智能風(fēng)控對于復(fù)雜多變的場景有很強(qiáng)的模型精準(zhǔn)度，優(yōu)勢也越來越明顯。

目前，很多銀行在智能營銷、智能風(fēng)控等領(lǐng)域已經(jīng)展開了諸多探索和落地，AI正在進(jìn)入一個比較成熟的應(yīng)用階段。

銀行的“思”與“變”

銀行也正在面臨著非常復(fù)雜的競爭局勢。不僅僅是同業(yè)的銀行想要“爭地盤”，甚至要與互聯(lián)網(wǎng)公司、金融科技公司等互相博弈?，F(xiàn)在大部分用戶已經(jīng)不去線下網(wǎng)點(diǎn)了，如何投身于互聯(lián)網(wǎng)大潮，爭奪線上“蛋糕”成為首要目標(biāo)。用戶在線上的行為、興趣點(diǎn)、使用時長、消費(fèi)場景等信息的授權(quán)獲取，數(shù)據(jù)又如何轉(zhuǎn)化成實(shí)實(shí)在在的業(yè)務(wù)價(jià)值，是當(dāng)下所有銀行都在思考的問題。

在這個過程中，利用人工智能技術(shù)，可以對用戶數(shù)據(jù)進(jìn)行分析與挖掘，建立超高維模型，實(shí)現(xiàn)對每一個目標(biāo)用戶的精準(zhǔn)刻畫，提升其線上體驗(yàn)。這與以往傳統(tǒng)的BI模型通過標(biāo)簽將用戶進(jìn)行簡單分類的方式截然不同。

對金融機(jī)構(gòu)來說，用戶留在機(jī)構(gòu)內(nèi)的相關(guān)數(shù)據(jù)將是極具價(jià)值以及區(qū)分度的信息。利用人工智能等手段對客戶進(jìn)行精細(xì)地刻畫，進(jìn)而采取差異化、“千人千面”的行動，實(shí)現(xiàn)多業(yè)務(wù)、跨場景、全鏈路的精準(zhǔn)營銷和運(yùn)營，與客戶建立更深刻的聯(lián)系，正在成為金融機(jī)構(gòu)的主要發(fā)力點(diǎn)。

對于為金融機(jī)構(gòu)提供AI服務(wù)的企業(yè)而言，有的在做定制化的服務(wù)，有的專注于標(biāo)準(zhǔn)化產(chǎn)品的開發(fā)。第四范式目前除了AI平臺的工作之外，也對一些AI落地方法論十分關(guān)注，包括如何推動銀行建設(shè)更底層的AI基礎(chǔ)設(shè)施、如何提高數(shù)據(jù)管理和治理體系的效率等，這方面的工作可能比我們上線一兩個AI的場景應(yīng)用，價(jià)值更大。（雷鋒網(wǎng)、雷鋒網(wǎng)）

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。