专访宜信CTO向江旭：技术应当服务于场景，AI天生适合金融业

宜信 CTO 兼科技委员会执行主任 向江旭

导读： 随着人工智能技术的爆发，2017 年人工智能已经上升为国家战略，开始在越来越多的行业落地。而传统金融行业受到互联网技术的冲击，也纷纷踏上转型之路，向数字化、智能化转型。InfoQ 记者采访了宜信 CTO 向江旭，一起聊聊 AI 在金融行业数字化转型中的应用。

“AI 更适合服务于场景 而非促生新的行业”

顺应发展浪潮，实现数字化转型

向江旭认为，从技术对行业的冲击来看，互联网的发展经历了三个重要的阶段。

• 信息化：最重要的标志是 PC 的出现。很多企业的后台开始使用 ERP、CRM、OA 系统，摆脱纸张和手工操作走向自动化，以提高效率降低成本，数据也开始沉淀下来。
• 互联网化：在此阶段，企业可以通过和互联网的连接对外提供服务。典型的例子是电商：服务与商品交易从线下转到线上。与此同时，产生了海量的商品、用户行为等数据，催生了搜索引擎、推荐算法等技术，使得企业能够运用这些数据来帮助业务和服务进行调整和升级。
• 智能化：以 AI 为代表，结合各种终端设备，可以在特定场景下提供个性化的定制服务。随着 AI 和数据科学的发展，大数据深入参与到企业运营和决策的各个环节，并在企业发展过程中承担关键角色，行业也由此进入数字化浪潮的阶段。

在每个阶段都有一些企业能抓住当时的技术大势，成就自己。

• 互联网刚起步时，大家主要在网上获取信息，新浪、网易、搜狐三大门户网站顺应浏览器技术的发展，通过信息的呈现大获成功。
• 搜索引擎技术出现后，通过关键字搜索能得到精准匹配，新的商业模式（如竞价排行的广告业务）应运而生，催生了 Google、百度等一批公司。互联网公司的发展，使得网上购物成为可能，于是出现了亚马逊、阿里、京东等电商公司，社交软件的兴起又产生了腾讯、Facebook 等社交巨头。
• 到了智能化时代，移动互联网技术的火爆又催生了一批智能手机公司。

虽然现在已经出现了一批人工智能技术行业里的独角兽公司，但在向江旭看来，AI 技术和上述提及的技术不一样，它更适合在某一个场景下使用，而不是创建一个新的行业，所以很难催生另外一批巨头公司。以当前的技术趋势和市场环境，企业应该顺应发展浪潮，结合 AI、大数据等技术实现数字化转型。

金融行业数字化转型面临的挑战

向江旭在对金融行业的研究过程中，将行业内的公司分为三类：

• “传统“金融公司。包括银行、券商、保险公司等金融机构等。
• 科技金融公司，即 TechFin 公司。其本质上是金融公司，但科技属性很强，技术起到核心作用。这类公司包括蚂蚁金服、京东金融、苏宁金融及宜信等。
• 还有一类是金融科技公司，即 FinTech 公司，比如解决方案提供商同盾，它们不提供金融产品，而是为金融行业提供技术解决方案。

在数字化和智能化的时代，金融行业同样不可避免地面临数字化转型的需求，其中传统金融公司的转型诉求更为强烈。金融行业，特别是传统金融机构，在转型过程中面临的挑战主要包括以下几个方面：

• 思维方式需要转变。由于数据体量过于庞大、以及金融行业特定的安全至上的原则，传统金融机构在技术创新上偏向保守。
• 技术人才缺乏。人工智能和数据科学方兴未艾，相关技术还处于发展和完善阶段，相应的 AI 和大数据人才还比较紧缺。
• 新技术接入难度大。传统金融机构发展的时间长，架构繁杂，新技术的接入难度比较大。

技术 leader 应以前瞻性和决策力领导转型

在 20 多年的工作中，向江旭也积累了丰富的领导经验。就技术领导人如何保持技术前瞻性这一话题，向江旭认为，最重要的一点是自己要保持学习。任何技术兴起之后，首先要看它适用于哪些地方、能解决哪些具体问题。技术人容易陷入的一个误区是用最新最酷的工具去解决并不需要复杂解决方案的问题，这是应当避免的事情。技术领导者要及时跟踪新技术，沉入到具体的行业和场景，根据场景选择技术，避免盲目跟风。

当问到“在企业技术转型的过程中，有哪些因素会影响技术决策的实施，技术领导人如何处理？”时，向江旭认为有以下三个方面：

• 明确技术优势，避免选型争议：一些技术人有 tech religion (技术宗教／信仰)，技术转型过程中会存在技术选型的争议，这时技术领导人要结合业务明确新技术的优劣势。
• 自上而下推动、自下而上实现：技术转型需要自上而下的推动，并与技术团队人员明确目标，达成共识，共同实现技术转型。
• 规避变革风险，平衡变革节奏。变革意味着需要走出舒适区，而且新旧技术的过渡可能存在风险，技术领导人要掌控全局把握平衡，不冒进不拖沓，鼓励团队渡过变革阵痛期。

“AI 天生适合金融业”

金融应和 AI、大数据结合

向江旭认为，金融行业天生就是和数字打交道的，本身对数字化要求非常高。而 AI 的优势是可以对海量数据进行分析和计算，并建立模型，做一些人做不到的事情。同时，AI 缺乏情感的缺点在需要高度理性、非情绪化、必须克服贪婪和恐惧心理的金融行业反而是巨大的优势。比如在量化投资、审核抵款时，AI 的决策不带个人情绪化的考量，因而更为理性和正确。另外，相比于制造业等传统行业，金融业的信息化程度更高，数字化基础也更好，能更容易地向智能化转型。

宜信本身有传统金融的基因和属性，为实现智能化转型，宜信根据其三大板块的业务——普惠金融、财富管理和资产管理，提出了 AI 金融战略：即在自身业务场景下根据遇到的问题来采用 AI 技术。比如通过分析贷款者的需求和偿还能力来为其推荐合适的利率和产品；分析财富管理客户的需求为其量身定制需要的金融产品。宜信有线下门店的真人服务，也有 APP 上的虚拟服务，在给客户提供服务的时候就能运用 AI 的算法来构建模型，建立用户画像，分析需求进而推荐产品，这些都是基于海量数据来完成的。

宜信大数据金融

数据收集

宜信的业务覆盖线上和线下。其产品都是通过线上发布、线上认购，全部实现数字化。线下通过语音或文字的形式将每次与客户的交互留存，活动也用数据的方式贯穿，并根据用户在线上和线下的行为打造清晰的用户画像，实现精准的客户定位。所有收集到的数据信息都存储在知识库里形成用户知识图谱，为不同业务线的决策提供支持和依据。

数据使用

宜信具体是怎样将大数据和自身的业务相结合的呢？向江旭介绍，采集到的用户数据主要用于以下方面：

• 个性化推荐。例如上述提到的为财富管理用户量身定制理财产品等。
• 智能风控。宜信自有一套风控体系，用于评估投资风险、用户信用等，能精准识别欺诈风险。
• 智能推送。宜信研发了智能客服机器人，用一套模拟真人的话术完成消息推送、咨询、提醒等服务。
• 智能投顾。根据用户的风险承受能力、投资回报预期等，用算法模型计算出一套投资组合策略，每个月跟踪记录自动调仓。
• 智能投研。很多投资股市的客户需要深入了解行业和具体公司，智能投研能通过收集整理的方式给客户呈现信息。

宜信数据中台

宜信有自己的大数据平台，目前正在建设数据中台。据向江旭介绍，宜信的数据中台把不同来源的数据整合起来做清洗、整理和关联，形成金融知识图谱或金融大脑，给不同的业务线使用。

宜信的数据中台还在建设过程中，底层平台不少组件已经完成并且开源。例如：大数据流式处理平台 Wormhole，大数据总线 DBus，大数据虚拟混算服务平台 Moonbox，大数据可视化应用平台 Davinci 等。

宜信 AI 中台

当前，宜信已将 AI 技术应用放在了重要的战略位置，并提出了“金融拥抱 AI”的口号。在实施过程中，宜信除了构建数据中台，目前也在开发 AI 中台。

那什么是 AI 中台呢？

在向江旭看来，中台的目的是为共享服务提供复用的能力。不管是技术中台还是业务中台，都需要把公共的部分组件化，变成可复用的服务对外提供。这些服务可以是能力、算法、模型或者一套工具。AI 中台就是把 AI 的能力组件化、服务化、工具化，直接用到其他外部应用场景中。

目前很多企业在智能应用研发过程中都存在着响应缓慢、效率低下的问题。而许多 AI 研发团队更像是外包团队，根据不同业务部门的需求各自构建阵地，逐步攻克目标，过程重复、效率有限。因此 AI 中台旨在提供一个强大的 AI 能力支持中心，根据业务需要快速提供火力支援，迅速达成目标。

宜信对 AI 中台的定义是：

AI 中台是智能模型全生命周期管理平台和服务配置体系，它通过智能服务的共享复用和服务研发的自动化管理，帮助前台业务迅速构建个性化智能服务。

宜信 AI 中台的层级架构如下图所示：

AI 中台处于数据模型服务与业务解决方案之间，向上连接业务向下沟通数据，每一个层级都有其可复用的机制。中间部分从上而下分成业务理解、模型学习、数据处理三大板块；右侧的运行监控对产品和模型进行统一封装、对外统一的访问接口等；左侧是贯穿于整个流程始终的平台管理，包括角色权限、租户管理、流程控制、资源管理等。

宜信多年金融行业的经验使其沉淀了很多技术。比如：宜信自有一套适合金融业务的工具、流程和平台，并有对应的算法库和模型库，有了 AI 中台之后，金融知识图谱的构建和建模就可以基于 AI 中台来完成。包括智能客服、智能电销、智能催收，以及风控模型和反欺诈模型等都是 AI 中台的应用场景，基于 AI 中台的能力进行开发和实践。目前 AI 中台已经在宜信的智能投顾机器人（投米 RA）等产品中得到成功运用。

在未来，宜信的 AI 中台经过内部验证成熟起来以后，宜信也打算把 AI 中台进行包装，变成对行业开放的平台，甚至开源出来，和同行一起共同探讨构建。