<mark id="oztn4"></mark>
0
偉大的產品，不一定以「標準化」開始，但一定以「標準化」結束。
如果沒有足夠標準化的產品、沒有十倍領先于行業的商業價值，面對磨刀霍霍的金融機構，面對虎視眈眈的互聯網企業，創業公司沒有未來。
什么樣的AI產品，才能讓「金融科技企業」活下來？
為此，雷鋒網《AI金融評論》策劃了「AI能否解決金融剛需問題」系列選題，借同一個話題，對不同背景的受訪者、產品和客群各異的企業們進行采訪，期望在不同的商業和技術認知下捕捉觀點碰撞的火花。
在前兩篇采訪中，我們采訪了冰鑒科技CEO顧凌云、慧安金科CEO黃鈴。
本系列的第三篇文章，由品鈦執行副總裁李惠科講述他眼中AI和金融之間的關系。
以下為李惠科的所感所想：
90年代，我第一次遇到AI
AI已經85歲了。
對于人類而言，85歲已是垂垂老矣；但對人工智能來說，還只是個含苞待放的孩子。
90年代，我上大學，恰好趕上中國人工智能研究起步階段。
如今在AI領域，應用十分廣泛的場景有：人臉識別、自動駕駛等。但我們那會兒，比較火的是模式識別，雷達信號檢測、醫療信號檢測。
當時，有醫療機構希望把AI應用在核磁共振等「醫療信號檢測」項目中，我作為人工智能相關專業的學生，也參與了那一次POC測試。
事實證明，AI在上個世紀90年代，便展示出它十分驚人的效果。
通過訓練人工神經網絡、識別圖像底層結構，人工智能很完美地把缺少的視圖補充完整，并將掃描速度提高了整整10倍。
這次POC測試，讓我第一次感受到AI的魅力，也見識到了AI強大的跨界能力。
在之后的幾十年里，我也不斷體會AI在跨界過程中的成功與失敗，逐漸形成了一個感悟：“做一個AI產品，一定要結合它具體的業務場景。”
金融是一個數字化程度很高的行業，在財富管理、大數據風控等領域，因為能積累海量數據，使得AI的使用效果較好。
當然，判斷AI的實際應用效果是好是壞，通常還需要一系列的量化指標。
在財富管理領域，就比較注重「投資回報率」、「最大回撤率」。此外，還須考慮它的穩定性和開放性。
開放性，指的是AI和其他產品集成的能力；穩定性，意思是AI產品是否足夠安全、可用、易于擴展。
具體來講，我們會評估這個產品的流程開發能力、API接口、可編程用戶界面、控制系統、安全、審計、維護等綜合技術能力。
當然，并不是所有和人工智能相關的應用，都已經有量化的指標；也不是所有場景，人工智能都可以無限適用。
糟糕的體驗
AI被過于神話了。
嚴肅的講，在試用一些合作伙伴演示的AI產品時，我的體驗很糟糕。
我們經常會遇到這樣一個算法，在理論層面，它的準確率非常高，但是應用案例卻很少。
比如語音識別，的確，一些大廠的AI語音產品做的越來越好。但是如果你和這些AI日常對話，它仍會錯誤百出，甚至讓你捧腹大笑。
這樣的例子不在少數，全球最大的消費級機器人制造商Anki破產；智能駕駛汽車撞人；智能語音助手大半夜突然放音樂等。
目前已經成功的AI相關業務，一般是在特定領域可以抽象化、標準化的。而個性化、定制化程度高的AI業務，則需要理論化和工程化結合的更敏捷的解決辦法。信貸風控就是一個很典型的例子。
在信貸風控場景下，中小企業的日常運作常常不規范，沒有統一的標準和形式。數據的來源不同且十分雜亂，必須要進行數據結構化處理以及數據清洗，才能讓AI的應用達到比較好的效果。而且要不斷積累數據，反復訓練，逐步提高。而同樣是信貸風控領域，電信場景下因為海量高質量數據的存在，AI的發揮也就更如魚得水。
找到合適的業務場景，永遠應該排在第一位。選擇技術，遠遠沒有選擇場景、解決痛點重要。
企業家不空談技術和算法，應該從業務出發，討論技術的可行性，培養優秀的算法科學家，積累足夠多的數據，反復實驗驗證，一定不能急于求成。
從策略上講，我們會快速迭代、不斷試錯、逐步完善產品。
人工智能不用刻意神話，現實中我們遇到的大部分問題，其實一個簡單的決策樹就可以解決。
一個簡單的決策數和統計模型就完全可以處理低維度參數或符合特定規律的數據。
然而，在今天的信貸風控中，我們往往要引入復雜的參數和動態的變量，尤其是現在互聯網平臺下，那些未被央行征信覆蓋的客群，我們需要通過搜集客戶在日常工作、生活中產生的海量行為數據，提煉客戶畫像。
當數據集越來越龐大，我們一般會選擇機器學習來處理，如果這時還用單一的決策樹或統計模型是顯然不合時宜的。
數據想要變廢為寶，需要多種方式“出力”；一個行業的發展，更是如此。
趕上時代浪潮
一個科技細分行業想要發展，離不開這個鏈條中所有上下游公司、以及監管部門的共同努力。
比如5G行業里規則的制定，監管在具體定調之前的調研不僅有本國的公司，還有全球各國企業的共同參與。
這些參與其中的公司，還分下游的運營商、上游的設備商、中間的測試廠商等。
這些廠商和各國政府機構、國際組織一起制定行業規則，每一個服務商在其中都會發揮自己的作用。
金融科技行業的發展也是如此，下游有TO C廠商、上游有數據提供商、中間還有平臺解決方案提供商。
每個層級的廠商都會提出自己在這個行業里的見解和看法，同時政府和監管部門也會提出自己的看法，大家一起推動行業的發展。
政府和監管部門跟業界之間的討論是非常頻繁的，一些高級別的監管官員會直接在群里，提各種各樣的問題和業內的公司管理者們一起進行思考。
金融科技行業的未來發展不單單依賴于監管機構、企業的群策群力，更關鍵的是它契合了人們對未來金融產品的期待。
新一代的年輕人在數字化變革當中長大，他們長大后對金融產品的需求不是傳統銀行業務可以滿足的。
AI通過算法向用戶主動推薦產品、判斷用戶的興趣，可以更好的了解客戶、了解市場、保持和客戶的連接。
做一個產品或者給客戶提供一個服務，不在于追求算法多么復雜、多么炫酷。
我們以前設計的IT產品，大多是給技術人員用。
而近10年以來，所有產品設計的導向是給用戶使用。當企業做的產品客戶不會用，不是客戶不好，是產品沒做好。
隨著互聯網的蓬勃發展，這20年來數據呈現出的爆發式增長，使得人工智能在金融領域創新成為可能，我們趕上了好時候。
而這只是剛剛開始，現在進入這個行業的年輕人創業者和優秀人才，仍有著廣闊天地，大有作為。
雷鋒網雷鋒網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
