编辑部 整理自 MEET 2021
量子位 报道 | 公众号 QbitAI

未来的银行、金融业务，是什么样的？

山景智能科技创始人、CEO黄勇觉得，我们不妨想得更远一点。

再过20年，如果马斯克真的把人类送上火星，那么在火星上的银行，还是网点式和人工服务吗？

他认为一定不是，今天的金融产品和服务难以支撑未来的金融服务。

未来的银行，要从现在的数据智能转向业务智能。

在MEET 2021 智能未来大会现场，黄勇分享了AI在银行金融业的落地应用进展，以及AI创业过程中，自己踩过的那些坑。

（在不改变原意的基础上，量子位对黄勇的演讲进行了编辑整理）

关于MEET 智能未来大会：MEET大会是由量子位主办的智能科技领域顶级商业峰会，致力于探讨前沿科技技术的落地与行业应用。本次大会现场有李开复等20余位行业顶级大咖分享，500余名行业观众参与，超过150万网友在线收看直播。包括新华社、搜狐科技、澎湃新闻、封面新闻等数十家主流媒体在内纷纷报道，线上总曝光量累计超过2000万。

亮点

 

• 从第一性原理的角度出发，做产品、做公司基本假设就是如何满足客户的需求。
• 未来商业银行、金融企业，智能化需求一定是高频的，短时延的。
• 我们不能只对某一个模型，某一个算法沾沾自喜。更多是要帮客户做AI的能力泛化。
• 银行一定要构建开放的架构、敏捷的架构、智能化的架构。这也是目前银行缺乏的。
• 很多人说AI+，我更喜欢叫行业+AI，AI是数据，山景智能是一家AI创业公司，但不是一家唯AI论的公司。

 

量子位

山景智能创始人黄勇：银行要从数据智能转向业务智能，今天的金融服务没法支撑未来丨戳头像进主页，看#MEET智能未来大会 更多嘉宾精彩演讲

视频号

（以下为黄勇演讲分享全文）

AI创业过程中的两个“坑”

感谢MEET2021智能未来大会给我这样一个机会。

山景智能成立得比较晚，从去年年初到现在，经历了一年半的发展。

团队是二次创业，我们曾经在金融和AI领域上，帮助整个产业做了很多的工作。2019年我们重新开始做这家公司的时候，更希望找到行业中通用的AI。

所以我们今天带来的是：General AI在金融领域的创业实践。

从2014年到今天，6年间，AI在金融行业落地的过程中，踩了很多坑，遇到了很多的困难，但我们也帮助行业解决了很多实际的问题。

我们在过往的实践中，希望把自己的产品卖给客户，但忽略了一个很重要的问题，我们以为我们的东西是客户要的，但实际上客户要什么我们并不知道，我们称之为AI供给侧的问题。

另一个问题，当我们把产品卖给客户，希望助力和服务客户的时候，我们行业客户为了更好的适应产品，需要大量的编辑工作。

这些工作其实我们之前没有考虑到，换句话说，我们只懂我们自己，我们并不了解客户。

这种情况导致一个什么问题？

每次我们跟客户去沟通时候，我们谈的是技术，客户要的是业务价值。

我说我们的算法很好、效率很高，客户说能给我们带来什么价值呢？

我跟他们的IT部门、业务部门、管理部门一再重申我们团队有非常优秀的科学家时，客户关心的是：

在我们这里的落地效果如何？

产品部到我们这里的时候，前端、后端还要做哪些工作？

这是我们早期AI创业过程中所看到的问题，一个是AI供给侧的问题，一个是用产品经理的思维突破AI中的局限。

具体地讲，我们能在实验室里解决单点问题，可是客户的AI技术终究要进入生产，从一个场景，两个场景，变成一千个场景，两千个场景。

这时我们不能只对某一个模型，某一个算法沾沾自喜。更多是要帮客户做AI的能力泛化。

这两个例子是告诉大家，我们在创业过程中思考的问题和我们遇到的坑。

什么样的银行能称得上“智能”？

山景智能专注于金融领域，帮助银行业、金融行业寻找金融领域的通用智能能力。

所以需要重新定义，到底什么是通用智能？

我们的梦想是General AI，但是落地的时候，一定要考虑行业的现状。

如何先在领域内落地，然后逐渐提炼，形成从数据智能到业务智能，从业务智能到产业智能的工程。

什么是金融领域的通用AI能力？我们花了几年的时间做了深度的分析。

考察的方面包括应用的广度、深度，如何生产的管控（生产的上限），如何在研发过程中解决问题，以及数据支撑、组织支撑。

我们是不是只把算法、模型，理解为AI？跟它相关周边的操作自动化，机器人写程序等等由开发敏捷走向业务敏捷的技术，是不是也是AI能力？

这些是我希望能够这次过来跟大家分享的，也是山景智能在这个过程中积累的经验。

此外，我们还要深入的了解行业。

很多的同行们，在落地过程中的时候，不懂行业的know how。但是从第一性原理的角度出发，做产品、做公司基本假设就是如何满足客户的需求。

比如金融行业。我们意识到未来银行一定从数字化转向智能化，开放银行会变成智能银行。

什么是智能银行？这是我们一定要了解的。我们认为智能银行有“四个全”。

首先是全用户的，银行不仅为C端用户、不仅为B端用户，可能还要为G端用户和F端用户服务。

其次，我们认为它是全时域的。从之前事后分析感知提供智能支持，变成了今天全时域数据洞察、业务洞察、智能决策。

第三是全服务的。未来银行为什么不能在非金融服务，比如房产经济里面寻找到金融服务的机会呢？因为大量的金融机构已经这么做了，倒逼着金融行业反思。

最后，智能银行一定是全智联的，所有的数据、业务、服务、用户都是要打通的。

怎么做到这一点？我们可以慢慢分解。首先是，银行采用什么样的架构支撑？

我们认为，银行一定要构建开放的架构、敏捷的架构、智能化的架构。这也是目前银行缺乏的。

开放架构的银行具备哪些能力？什么是真正的敏捷？智能化架构里面我们到底要考虑什么？

这些问题给出了山景智能重新定义的金融领域，我们称之为General AI。

右侧图片介绍的是数据智能化的能力，左侧图片是业务智能化的能力。

因此，银行或者是金融领域、金融机构、未来的金融企业，一定要从数据智能走向业务智能。

AI是什么？AI本身就代表了智能的能力，很多人叫AI+，我更喜欢叫行业+AI，AI是数据，山景智能是一家AI创业公司，但不是一家唯AI论的公司。

山景智能在做什么？

基于刚才谈到的从数据智能转向业务智能的理念，我们构建了金融大脑产品。

金融大脑产品分几层，最下面是敏捷的智能化能力的生产线，我们把它叫做中台化。现在，很多银行交易系统内都已经实现中台化了。

然而，在数据侧、AI侧，并没有实现中台化。

山景智能构建的数据智能平台，是AI一体化的中台和产品，能够帮助银行快速的实现数据智能能力和AI智能能力。

在这个基础上，我们帮助金融行业实现AI资产和智能化资产的分装。

这一点很重要，我们重新把银行数据变成数据资产，变成智能化资产，然后升华成智能能力，向上暴露给我们的业务。

同时，我们发现这样一个问题，帮助客户构建一个AI PASS平台，比如说机器学习平台，或者视觉平台，可能周期很短，大概一个月到两个月的时间就能把系统部署好。

可是为了能够把平台使用好，需要花8个月、10个月，甚至一年半的时间，把原有系统组织成我们平台想要的样子。

而且，算法和模型构建的业务效果，跟传统的银行业务对接，还需要做大量的业务分装，前后端的工作，消耗大量的时间。所以，最终客户的效率并不高。

怎么样才能让这个事情变得可行呢？

开复老师说：未来一切都将是智能化的。我深度认同。未来是机器替代人写代码，机器替代人做业务的决策。

因此上端一定会出现业务服务自动编排和自动分装的过程。只有实现这一点，才能把人的能力释放出来做其他更重要的决策。不仅仅在金融领域，在其他的领域最终都会走向这一步。

如果分解这些能力，就能看到敏捷的、超自动化的数据服务开发能力一定是基础。

首先未来从需求到算法的整个业务流程，一定是完全敏捷的，敏捷也是AI能力的一种体现。

其次，它一定是超自动化的。

举个例子，业务人员在构建某一个指标，获得某种数据分析的时候，只需用自然语言把需求表达出来，这个时候一个应用的任务自动跑起来。

这种操作银行已经在考虑，包括国有银行，已经在内部考虑用AI能力实现业务的全自动化。

第二点，原先AI一站式的AI PASS平台，逐步转型为中台。这个中台向上发布的不仅仅是算法、模型，还有业务智能能力。

只有实现数据自动化、数据智能能力分装和AI智能能力分装，才有可能实现业务的自动化服务。

最后，再谈一谈统一、智能化的部署。智能化的部署我们可能会考虑几个问题，比如说传统的信息发布，API服务性能的向上暴露。

任何一个产品都会出问题，出问题后如何实现代码自愈、自动纠错，这些都是要考虑的问题，山景智能已经在这个领域上开始深入地为客户提供解决方案。

一旦实现了业务流程的自动编排、智能编排、超自动化编排，所有的向上暴露的算法、模型，不仅仅是简单分统之后给业务使用，已经可以被业务流程自动化的调动了。

而且调用这些流程建成智能化应用时，不会重新Coding，而是根据服务编排的定义形成新的服务。也许客户业务应用的过程，可以由几个月的时间缩短到几天，甚至一天。

这就是山景智能把AI赋能给金融业务时，整个AI的应用架构和基层，我们称之为数据智能层、AI智能层和业务智能层。

火星上的金融服务是什么样的

银行、金融智能化，最终的终局是什么？

一定是业务自动化，业务超自动化，业务智能化。

而且我们不应该再跟客户暴露我们的算法，暴露我们的模型，而是更多暴露我们的可解释能力，暴露我们对业务的支撑、快速敏捷实现场景，与及时赋能。

以金融行业为例，多年以来，AI赋能有一个趋势：

未来商业银行、金融企业，智能化需求一定是高频的，短时延的。

如果今天一个产品交付和部署的时间是一个月，可能交付好后客户需求的生命周期就结束了。

这就要求企业更好的、随需的提供服务。

这是我认为金融企业在智能化需求上的一个趋势。所以我们一定要帮助他们构建这样的能力。

这次疫情让我们看到很多不一样的变化。在2020年之前，传统的金融机构和企业，他们对协作的要求是不高的。

无论是大数据团队，还是金融企业的业务分析团队，可能分属于两个不同的部门，他们有单独的考核，有单独的目标，围绕考核目标各做各的。

以往产品是给某一类人群用的，它是工具类产品。

但疫情促进了改革，未来构建的系统一定是协同工作平台，最终AI会变成生产业务能力，这类单独的工具类产品慢慢也会向协作发展。所以在这几年AI落地过程中，特别在金融落地过程中，客户给我们提出协同工具的需求。

我们要快速的从业务到数据，再到智能能力，实现完全的敏捷，这个时候整个产品给客户提供的服务才是高效的。

这是今天我想给在座的各位领导、各位嘉宾分享的我们山景智能在做的事情，也算是创业的一点小小的实践。

为什么今天山景智能要做这个事情？

之前在跟金融行业的业内大咖聊天的时候，我们讨论这样一个问题：

如果马斯克把人类送上火星这件事情，在20年内变成必然的话，我相信像工行、建行这样的大银行，一定也会把金融服务带到火星上去。

什么样的系统，什么样的产品能够支撑这样的业务和服务？

是派人去吗？还要构建网点吗？延续今天的产品和系统去支撑未来的金融服务吗？

应该不是，一定不是。所以山景智能专注于金融领域，从数据智能转向业务智能，构建面向未来的金融大脑。

这就是我今天想跟大家分享的，感谢大会，我是山景智能的黄勇，谢谢大家！

“