“2020年有5家銀行在整個數字化轉型、AI轉型的投入上超過了100億元，其中兩家甚至超過了200億，但是也有很多中小金融機構在科技、AI投入上不足1億元。”6月23日， 在2021第四范式發布會的金融分論壇上，第四范式金融事業部總經理詹謙表示，在這種情況下，大行如何做到強者更強，中小金融機構如何通過差異化手段獲得主動?

作為人工智能技術與服務提供商，第四范式利用AI技術、產品及服務，通過對數據進行預測和挖掘，揭示出數據背后的規律，幫助企業提升效率、降低風險，在智能化轉型中實現質變。

詹謙表示，2022年平均每個企業一年會新增35個AI場景，在金融行業AI場景數量激增會以井噴的速度發生。這種情況下，AI作為基礎設施快速響應整個市場的變化顯得至關重要。

在營銷場景中，金融機構會收集行為數據和反饋數據，建立整體閉環、不斷迭代能力。據第四范式金融行業咨詢總監于佳介紹，第四范式比較基礎的理論就是閉環理論，通過了解客戶需求，拿到相關反饋，快速迭代，不斷用更新更好的規則充實規則庫，形成閉環。

他說，AI決策場景的能力很難保持一個始終準確的效果，背后階段性答案是用真實的、實時的數據做決策，能夠提升決策效率。

決策不等于分析，實時性至關重要。“比如說手機端APP，在線應用觸達到我們的產品，此時我們就源源不斷的提供需求數據，這些數據是實時的，要靠AI、專家規則能力和運營能力。”他表示，當下不能只看數據信息，更應該看需求、第三方平臺反饋和客戶反饋，降低效率帶來的偏差成本。

“各大金融機構原來自有的核心業務系統沉淀了大量規則，所以很多技術人員倡導中臺化，把這些能力抽象出來。我們要把這個能力變成引擎，幫助總結業務規則，提升業務效率。在需要的時候把引擎推到業務前端或者業務鏈條上，加速解決金融場景業務決策鏈的效率問題。”于佳表示。

他認為，把服務固定下來，不斷迭代，最終實現業務敏捷化。一旦遇到新商機和新風險，就能快速產生應對能力，才能完成從單點的風控模型到完整的風控體系，從傳統的人力勞動變成人機配合去做相關決策的效率提升。

“例如當下金融機構對于智能語音客服的需求，從前我們更注重用AI解決客戶經理的規范化術語。但是現在我們發現客戶在溝通的時候暴露了大量的需求信息，問A的時候暴露了B的想法。”于佳表示，這就涉及到挖掘數據背后的信息，包括記錄它去結構化，圖譜化，形成相關的需求觸點。

隨著金融機構能力的提升，數據中臺、模型平臺的概念開始出現。他表示，這里面有一些場景數據是復用的，很多場景的行為數據、它的過程信息，可能是下一個環節的反饋信息。通過對這些數據進行高效治理，就會形成一個新的決策鏈條影響業務轉型。記者 冉學東 見習記者 付 樂 北京報道