吕俊宽:AI"多点开花" 落地还得"因地制宜"
来源:网易科技 | 2019-07-12 09:06:23

如今,AI在各行各业的“多点开花”已成为不可忽略的趋势,金融行业也通过AI制定数字化战略,走在了追逐AI浪潮的前列。

那么金融行业为什么要投资AI?AI能帮助金融行业解决哪些问题?金融行业在AI技术的实践过程中遇到了哪些挑战,又可以为其他行业提供哪些借鉴?Gartner高级研究总监吕俊宽一一作出了解答。

Gartner吕俊宽:AI多点开花 落地还得因地制宜

Gartner高级研究总监吕俊宽(CK Lu)

AI可以解决“无银行账户”用户的问题

Gartner吕俊宽:AI多点开花 落地还得因地制宜

据统计,全世界约有31%的人没有银行账户,其中印度约占21%、中国约占12%、美国约占7%。而现在提倡的“普惠金融”就是要让“无银行账户”的用户也可以享受到金融服务。吕俊宽表示,在这个过程中,AI的作用就是服务这些“无银行账户”的用户。

吕俊宽进一步解释说,传统的数据分析更多地是通过人为方式制定规则、对结构化资料进行高效率的分析,而“无银行账户”的用户带来的往往是非结构化的资料。这就必须要用AI来制定规则,即为每一个人提供定制化的服务。这也是AI与传统数据分析方法不同的地方。

“不要用投资回报率衡量AI是否成功”

吕俊宽认为,各行各业投资AI的三大动机是用自动化取代繁琐的人工工作、提升客户体验、降低成本。“但目前AI仍处于投入阶段,如果企业单纯地关注AI带来的收入增长,可能难以找准AI投资的点。”

吕俊宽举例说,最近两年最受追捧的AI应用之一就是客服机器人,但却很少有企业通过客服机器人达到投资回报率的目标。因为在使用AI应用的过程中,并不代表可以裁掉相应比例的员工。“企业CIO目前面临的问题是,很难从投资回报率的角度证明投资AI是有回报的。”

那么应该如何衡量企业部署AI的成功与否呢?他认为,首先要看通过AI可以帮助企业提升多少效率;第二,就是AI到底对客户体验的提高有多少帮助。

金融机构在运用AI时遇到哪些问题?

Gartner吕俊宽:AI多点开花 落地还得因地制宜

据吕俊宽介绍,金融机构在运用AI技术时,主要面临六大问题。

第一、商业价值,金融机构在使用AI以后,目前很难证明投资AI是可以带来回报的;

第二、资料管理,例如银行里很多数据是分散的,很难进行集中管理和分析;

第三、人才问题,许多IT人员负责运维或资料管理,并没有足够的能力在AI时代发挥专长;

第四、工具问题,过去两年AI的应用多以SaaS(软件即服务)为导向,耗时较长却只能解决单一问题,那么未来如果有数百个AI应用需要部署,投入的成本将是巨大的;

第五、规模问题,例如某个模型在实验室里运行准确率可以达到95%,可是一旦上线,或是进行更大规模的分析时,准确率就会大幅度下降;

第六、采购决策,每个部门各自采购,会造成投资浪费。

“AI没那么了不起,还是需要人工干预”

Gartner吕俊宽:AI多点开花 落地还得因地制宜

AI的广泛应用不禁会让人们担心自己的工作被取代,那么具体到银行,原有的IT人员或业务专家的角色会有哪些变化呢?

“AI其实没有我们想像得这么了不起。”吕俊宽介绍道,“现阶段的AI很多都是‘半监督学习’的。也就是说,AI制定规则或筛选数据,还是需要人工干预的。”

他举例说,比如将银行的全部数据用作数据训练,那么成本会很高。“这时候就需要银行的业务专家将数据进行精简提炼,再用AI训练模型,最后还需要专家修正模型,才能做出好的AI应用。”

吕俊宽表示,AI应用已经对整个金融机构的结构、人员带来完全、根本的改变。如何把原有的IT人员和业务人员转化成在AI时代可用的人才,这已经变成对金融行业人力资源管理的一大挑战。

AI落地还得“因地制宜”

Gartner吕俊宽:AI多点开花 落地还得因地制宜

对于AI技术如何在企业规模化落地,吕俊宽根据银行规模的大小给出了针对性的建议:

对于规模较小的银行,其业务场景虽然并不复杂,但是可能没有足够的资金对AI进行投资,所以可能主要以业务为导向,同时要与大银行已有的服务相匹配。

对于中型银行,其业务场景就比较复杂。但相对于头部银行而言规模比较小,因此更加灵活,好的AI应用就能帮助它提升一个层次。

对于头部银行,优点在于能够保证投入AI的资金充足。但头部银行竞争压力较大,其主要面临的是文化问题,而不是资金、资源的问题。“所以头部银行要做的就是从项目到产品上的文化改变和公司治理。”

精彩推荐