高鵬

AI銀行：我們現(xiàn)在的位置

近年來，人工智能、大數(shù)據(jù)、云計(jì)算等技術(shù)的高速發(fā)展，加速了科技與金融的高度融合，促進(jìn)了包括銀行在內(nèi)的金融機(jī)構(gòu)智能化轉(zhuǎn)型快速發(fā)展，銀行通過具體的智能化轉(zhuǎn)型項(xiàng)目，實(shí)現(xiàn)了自身新的可持續(xù)增長。2020年，新冠肺炎疫情對銀行的智能化轉(zhuǎn)型可謂是起到了催化和加速的作用。中國工程院院士潘云鶴曾提出，金融科技的發(fā)展過程可以分為金融電子化、金融網(wǎng)絡(luò)化和金融智能化三個(gè)階段。當(dāng)前，先進(jìn)的企業(yè)正在從網(wǎng)絡(luò)化向智能化發(fā)展，從大數(shù)據(jù)技術(shù)向人工智能技術(shù)發(fā)展。

幾十年以來，銀行和客戶之間的信息互動(dòng)和業(yè)務(wù)模式印證了上述趨勢——銀行在20世紀(jì)60年代推出了ATM，在70年代推出了基于卡片的支付方式。在21世紀(jì)，24/7全天候網(wǎng)絡(luò)銀行逐步普及;21世紀(jì)10年代，基于移動(dòng)技術(shù)“隨時(shí)隨地辦業(yè)務(wù)”移動(dòng)銀行模式廣泛出現(xiàn)。

進(jìn)入21世紀(jì)20年代，我們已處于AI賦能的數(shù)字化時(shí)代，數(shù)據(jù)存儲和處理成本不斷下降，信息獲取與互聯(lián)程度普遍提升。AI技術(shù)能提高自動(dòng)化程度，在風(fēng)險(xiǎn)控制得當(dāng)?shù)那闆r下，能提升人為決策的速度和準(zhǔn)確度。其在各個(gè)行業(yè)的價(jià)值創(chuàng)造潛力無與倫比，例如AI技術(shù)每年可為全球銀行業(yè)帶來1萬億美元的增量產(chǎn)值。

人工智能已成為世界不可或缺的一部分，智能化轉(zhuǎn)型是中國銀行業(yè)升級的必由之路。智能化轉(zhuǎn)型不僅為金融機(jī)構(gòu)解決了時(shí)間和空間的限制，更促使金融機(jī)構(gòu)的業(yè)務(wù)流程、運(yùn)營模式、風(fēng)險(xiǎn)管控等更順暢、高效地運(yùn)作，為金融行業(yè)實(shí)現(xiàn)了提質(zhì)、降本、增效的效果。2020年新冠肺炎疫情暴發(fā)后，整個(gè)銀行用戶群體行為發(fā)生重大改變，無論是領(lǐng)先銀行還是尚處發(fā)展階段的中小商業(yè)銀行，如果未能把AI技術(shù)置于戰(zhàn)略和運(yùn)營核心，都將面臨以下三大趨勢的嚴(yán)峻挑戰(zhàn)：

大規(guī)模個(gè)性化不斷提升客戶預(yù)期。隨著更多用戶使用數(shù)字銀行服務(wù)，尤其隨著新冠肺炎疫情的暴發(fā)，使用網(wǎng)銀和手機(jī)銀行的用戶數(shù)大幅增加。根據(jù)調(diào)查，預(yù)計(jì)在疫情消退后一些用戶的習(xí)慣會(huì)被改變，會(huì)有15%至45%的消費(fèi)者減少對實(shí)體網(wǎng)點(diǎn)的造訪。用戶對銀行的服務(wù)預(yù)期也在不斷提高，會(huì)對標(biāo)領(lǐng)先的消費(fèi)互聯(lián)網(wǎng)公司。這些具有卓越數(shù)字化體驗(yàn)的公司在不斷提高大規(guī)模個(gè)性化水平，能基于客戶潛在需求在適當(dāng)時(shí)間通過適當(dāng)渠道為其提供個(gè)性化定制的服務(wù)。

數(shù)字金融生態(tài)系統(tǒng)挑戰(zhàn)傳統(tǒng)金融服務(wù)。移動(dòng)互聯(lián)網(wǎng)深刻改變了用戶發(fā)現(xiàn)、評估和購買商品和服務(wù)的方式，超級App的出現(xiàn)使用戶通過統(tǒng)一的訪問點(diǎn)即可獲取多元的生活信息服務(wù)組合，包括獲取傳統(tǒng)的金融服務(wù)。例如，微信不僅可以收發(fā)消息和語音通訊，還可以打車、網(wǎng)購食品、預(yù)約醫(yī)院、暢玩游戲、向好友轉(zhuǎn)賬以及獲取個(gè)人信貸。這種趨勢在全球范圍內(nèi)都已出現(xiàn)，科技巨頭和各種“超級App”紛紛將金融產(chǎn)品和服務(wù)整合進(jìn)自己的產(chǎn)品，為客戶提供極具吸引力的體驗(yàn)，不斷顛覆獲取金融產(chǎn)品與服務(wù)的傳統(tǒng)方式。這樣的數(shù)字金融生態(tài)系統(tǒng)使科技巨頭構(gòu)建了巨大的市場優(yōu)勢：龐大且高度互動(dòng)的客戶網(wǎng)絡(luò);海量數(shù)據(jù)資源讓其對客戶個(gè)體的了解越發(fā)可靠和準(zhǔn)確;開發(fā)和擴(kuò)展創(chuàng)新技術(shù)（包括AI技術(shù)）的天然優(yōu)勢;以及低成本的資金獲取渠道。因此，銀行需要重新思考如何參與這樣的數(shù)字金融生態(tài)系統(tǒng)，并通過AI技術(shù)充分利用數(shù)字金融生態(tài)系統(tǒng)中獲取的海量用戶行為數(shù)據(jù)。

領(lǐng)先銀行開始部署AI技術(shù)。據(jù)《麥肯錫全球人工智能調(diào)查報(bào)告》數(shù)據(jù)，近60%的銀行已經(jīng)整合了至少一項(xiàng)AI功能。最常用的AI技術(shù)包括：處理結(jié)構(gòu)化運(yùn)營自動(dòng)化工作的RPA（36%），用于營銷和客戶互動(dòng)的機(jī)器智能對話技術(shù)（32%），以及基于機(jī)器學(xué)習(xí)和深度神經(jīng)網(wǎng)絡(luò)的用于信用卡核卡或貸款審批的風(fēng)控管理技術(shù)（25%）。顯然，越來越多的銀行開始用系統(tǒng)性方法部署金融AI技術(shù)，并將其整合到貫穿前后臺的全生命周期之中。

AI銀行：我們會(huì)走向哪里？

在數(shù)字化金融生態(tài)體系中，要滿足客戶不斷提高的預(yù)期并在競爭中取勝，“AI銀行”最關(guān)鍵的特征是智能化（推薦最優(yōu)行動(dòng)、預(yù)期關(guān)鍵決策并實(shí)現(xiàn)決策）、個(gè)性化（實(shí)用、及時(shí)且基于對客戶歷史行為和背景的分析）、全渠道（無縫覆蓋多個(gè)設(shè)備，包括線下和線上情景，并提供一致的體驗(yàn)），并將銀行的產(chǎn)品和服務(wù)與用戶生活場景中的相關(guān)產(chǎn)品和服務(wù)融合在一起。

在銀行內(nèi)部，“AI銀行”將通過數(shù)據(jù)驅(qū)動(dòng)的RPA技術(shù)，以及在銀行運(yùn)營的各個(gè)領(lǐng)域以機(jī)器學(xué)習(xí)和深度學(xué)習(xí)技術(shù)替換或增強(qiáng)人工決策，從而提高運(yùn)營效率。未來的AI銀行也將擁有數(shù)字科技領(lǐng)先企業(yè)的速度和敏捷性，銀行將快速創(chuàng)新，在數(shù)天、數(shù)周而非數(shù)月的時(shí)間內(nèi)發(fā)布新功能。銀行還將與合作伙伴廣泛協(xié)作，提供覆蓋各個(gè)客戶旅程、技術(shù)平臺和數(shù)據(jù)集全新業(yè)務(wù)和服務(wù)。

困難和挑戰(zhàn)

傳統(tǒng)銀行必須滿足國家對金融服務(wù)企業(yè)規(guī)模化、安全性和監(jiān)管上的要求，但智能化轉(zhuǎn)型要求傳統(tǒng)銀行需要追上智能金融科技企業(yè)的速度、敏捷性與靈活性;這兩個(gè)略微有些矛盾的目標(biāo)是傳統(tǒng)銀行智能化轉(zhuǎn)型中的挑戰(zhàn)——在核心系統(tǒng)、數(shù)據(jù)管理、運(yùn)營模式方面和AI銀行的要求不能很好匹配。

銀行的核心系統(tǒng)主要以穩(wěn)定性為目的，特別是在支持傳統(tǒng)業(yè)務(wù)方面性能表現(xiàn)是很優(yōu)異的。然而，傳統(tǒng)銀行核心系統(tǒng)的這些特點(diǎn)，在AI銀行中會(huì)產(chǎn)生較大的阻礙：首先，閉環(huán)AI應(yīng)用有特定的可變計(jì)算、數(shù)據(jù)處理和實(shí)時(shí)分析要求，而傳統(tǒng)核心系統(tǒng)往往缺乏支持上述需求的容量與靈活性，并且很難做出調(diào)整。其次，在許多傳統(tǒng)銀行，數(shù)據(jù)存儲分散在多個(gè)獨(dú)立部門，分析工作往往缺乏從上帝視角的全局全量分析。例如，讓數(shù)據(jù)智能引擎在業(yè)務(wù)流程“決策點(diǎn)”上準(zhǔn)實(shí)時(shí)、規(guī)模化地為數(shù)百萬規(guī)模的客戶人群分析內(nèi)外部數(shù)據(jù)。所以說，數(shù)據(jù)是AI應(yīng)用的基本原料，沒有集中的大數(shù)據(jù)，要在適當(dāng)時(shí)候分析相關(guān)數(shù)據(jù)并生成智能推薦是不可能的。最后，銀行也缺乏為規(guī)?；渴鸶黝惛呒堿I模型需要的一套可靠的工具和標(biāo)準(zhǔn)化流程，通過可復(fù)制、“工業(yè)化”的方式構(gòu)建、測試、部署和監(jiān)控模型。

銀行運(yùn)營模式是另外一個(gè)對AI應(yīng)用部署容易形成阻力的因素。傳統(tǒng)銀行的組織架構(gòu)是基于不同的垂直業(yè)務(wù)線，科技部門則作為獨(dú)立的成本中心集中管理，這種垂直功能部門運(yùn)營模式和數(shù)字金融企業(yè)的平臺運(yùn)營模式有較大區(qū)別。業(yè)務(wù)部門容易只從部門角度確定目標(biāo)，各部門之間的目標(biāo)以及與全行的戰(zhàn)略有時(shí)候缺乏統(tǒng)一或協(xié)調(diào)性較差。同時(shí)，這種運(yùn)營模式一般會(huì)促使科技部門逐步形成孤立的項(xiàng)目團(tuán)隊(duì)以及“自頂向下”瀑布式的開發(fā)流程，缺乏“測試—學(xué)習(xí)—提高”這種數(shù)據(jù)閉環(huán)下有力的反饋循環(huán)，無法推動(dòng)快速驗(yàn)證與迭代。而正是這種大規(guī)模的A/B測試和迭代優(yōu)化模式，是目前數(shù)據(jù)驅(qū)動(dòng)的機(jī)器學(xué)習(xí)應(yīng)用的主要運(yùn)作模式。

系統(tǒng)性邁向AI銀行的策略

要系統(tǒng)性地順利部署AI技術(shù)和應(yīng)用并向AI銀行轉(zhuǎn)型，銀行需要對全部三個(gè)層次的系統(tǒng)能力進(jìn)行投資和改造，這包括：客戶互動(dòng)層、AI決策層（AI中臺層）、核心系統(tǒng)與數(shù)據(jù)中臺層，同時(shí)還需要逐步對運(yùn)營模式進(jìn)行改造。這些相互聯(lián)系與依賴的層次如果能夠協(xié)同運(yùn)轉(zhuǎn)，將推動(dòng)AI銀行為客戶提供獨(dú)特的全渠道體驗(yàn)，實(shí)現(xiàn)大規(guī)模個(gè)性化，并加快產(chǎn)品和服務(wù)創(chuàng)新周期。

重構(gòu)客戶互動(dòng)層

越來越多的客戶在移動(dòng)生活和產(chǎn)業(yè)應(yīng)用場景中使用銀行業(yè)務(wù)，因此要求銀行參與客戶的應(yīng)用消費(fèi)旅程，了解其應(yīng)用情景與需求，從而時(shí)刻提供無縫的卓越體驗(yàn)。很多銀行業(yè)務(wù)（如支付、某些類型的貸款）正在“隱形化”，因?yàn)槁贸痰钠鹬钩３０l(fā)生在銀行平臺以外的應(yīng)用服務(wù)界面上。

銀行要全方位覆蓋客戶生活，通過全渠道滿足客戶潛在需求，就需要在客戶互動(dòng)層做出幾項(xiàng)關(guān)鍵轉(zhuǎn)變：

首先，不能局限于提供高度標(biāo)準(zhǔn)化產(chǎn)品，而應(yīng)該以最大化滿足客戶需求為目標(biāo)提供個(gè)性化綜合性產(chǎn)品和服務(wù)。這要求銀行在核心客戶旅程中嵌入個(gè)性化決策（提供什么，何時(shí)提供，通過何種渠道提供），設(shè)計(jì)有價(jià)值的非銀產(chǎn)品，并引入能夠代客自動(dòng)決策和執(zhí)行的智能技術(shù)。

其次，將客戶旅程無縫整合到銀行合作伙伴生態(tài)系統(tǒng)與平臺中，從而使銀行能夠在應(yīng)用場景中與客戶互動(dòng)，并在此過程中利用合作伙伴的數(shù)據(jù)與渠道平臺來提高客戶參與度和使用率。當(dāng)今，消費(fèi)者和企業(yè)日益依賴數(shù)字生態(tài)系統(tǒng)，銀行應(yīng)決定參與各類生態(tài)系統(tǒng)的方式（自建、統(tǒng)籌協(xié)調(diào)或合作），并相應(yīng)地調(diào)整其互動(dòng)層功能。

再次，銀行需要重新設(shè)計(jì)整體客戶體驗(yàn)和全渠道互動(dòng)中的特定旅程。這包括實(shí)現(xiàn)客戶在同一旅程中多種模式（包括網(wǎng)頁、移動(dòng)App、網(wǎng)點(diǎn)、呼叫中心、智能柜員設(shè)備等）間的無縫切換，保留并不斷更新互動(dòng)情景。

重構(gòu)AI銀行的互動(dòng)層需要對非銀渠道客戶互動(dòng)設(shè)定好清晰的策略。銀行在其平臺內(nèi)外構(gòu)建客戶體驗(yàn)時(shí)，需要采用設(shè)計(jì)思維，前端互動(dòng)界面接口的設(shè)計(jì)應(yīng)保證靈活性，從而滿足客戶定制化與個(gè)性化需求。后臺流程也需要重新設(shè)計(jì)，并確保將數(shù)據(jù)捕獲漏斗（如點(diǎn)擊流）精細(xì)地導(dǎo)入銀行的互動(dòng)層中并確保消費(fèi)者互動(dòng)數(shù)據(jù)順利采集入后臺數(shù)倉。所有這些都旨在更細(xì)致地了解客戶旅程并持續(xù)改進(jìn)。

打造AI決策層

要在各互動(dòng)渠道中準(zhǔn)確實(shí)時(shí)地向數(shù)百萬用戶和數(shù)千名員工提供個(gè)性化消息與決策支持，銀行需開發(fā)大規(guī)模的AI決策層。AI決策逐步可以完全替代或大幅增強(qiáng)人工判斷，從而顯著改善業(yè)務(wù)結(jié)果（更高的準(zhǔn)確性與速度）、提升客戶體驗(yàn)（更具個(gè)性化的交互與產(chǎn)品）、賦能員工（首先與哪個(gè)客戶聯(lián)系，并給出下一個(gè)最佳營銷建議）以及加強(qiáng)風(fēng)險(xiǎn)管理（更早發(fā)現(xiàn)可能的違約和欺詐行為）。

為建立強(qiáng)大的AI支持決策層，銀行需要制訂在整個(gè)業(yè)務(wù)領(lǐng)域部署數(shù)據(jù)驅(qū)動(dòng)的機(jī)器學(xué)習(xí)（ML）模型和個(gè)性化推薦技術(shù)的全行路線圖。為推動(dòng)大規(guī)模開發(fā)AI決策模型，這些開發(fā)過程需要具備可擴(kuò)展和工程化能力，從而保證解決方案的有效和準(zhǔn)時(shí)交付。除了業(yè)務(wù)團(tuán)隊(duì)和AI人才之間的緊密協(xié)作，還需要部署強(qiáng)大的軟件工具進(jìn)行模型開發(fā)、提高流程效率以及跨團(tuán)隊(duì)分享傳播知識。

除了跨業(yè)務(wù)部門的大規(guī)模AI決策模型開發(fā)，日常業(yè)務(wù)流程中也需要嵌入AI技術(shù)。為了嵌入AI，目標(biāo)業(yè)務(wù)流程可能需要重塑，同時(shí)流程中的AI決策還應(yīng)該具有給最終用戶“解釋”的能力，能夠溯源而不只是算法黑盒。為了驗(yàn)證AI決策模型的有效性，打造數(shù)據(jù)閉環(huán)是必要的，銀行需要打造強(qiáng)大的數(shù)據(jù)采集和統(tǒng)計(jì)的基礎(chǔ)設(shè)施與流程，以強(qiáng)化反饋回路，從而對AI決策模型不斷迭代優(yōu)化。

此外，銀行需要利用新的感知AI技術(shù)（如NLP、MV、虛擬互動(dòng)機(jī)器人、AR/VR等）強(qiáng)化核心業(yè)務(wù)流程中的用戶交流互動(dòng)能力。在上述感知AI能力中，很多都擁有從根本上改變客戶體驗(yàn)/運(yùn)營效率的潛力。如果銀行缺乏相應(yīng)人才或者不愿自行投資開發(fā)上述技術(shù)，則可以通過API支持的系統(tǒng)架構(gòu)，以最快速度從專業(yè)提供商處采購并集成這些新能力，并在沙盒環(huán)境中持續(xù)推動(dòng)對這些技術(shù)的試驗(yàn)，從而測試和優(yōu)化應(yīng)用程序并評估潛在風(fēng)險(xiǎn)，繼而決定大規(guī)模部署哪些技術(shù)。

為實(shí)現(xiàn)上述認(rèn)知AI決策和感知AI功能并與客戶在整個(gè)生命周期互動(dòng)（從獲客到追加銷售與交叉銷售，再到客戶留存與挽回），銀行需建立企業(yè)范圍的數(shù)字營銷機(jī)制。該機(jī)制的關(guān)鍵在于將AI決策層產(chǎn)生的決策與洞見轉(zhuǎn)化為客戶互動(dòng)層一系列協(xié)同行為措施，其中幾項(xiàng)關(guān)鍵要素包括：一是從銀行內(nèi)部（如來自App的點(diǎn)擊流數(shù)據(jù)）和外部（如與電信提供商的第三方合作）的多元數(shù)據(jù)源采集各類數(shù)據(jù)的管道和統(tǒng)計(jì)機(jī)制;二是匯總、開發(fā)和維護(hù)360度客戶視圖、并讓AI模型能夠近乎實(shí)時(shí)運(yùn)行和執(zhí)行的數(shù)據(jù)平臺;三是跟蹤分析用戶歷史行為并在互動(dòng)層全渠道范圍內(nèi)前瞻性協(xié)同推送措施的活動(dòng)平臺。

加強(qiáng)數(shù)據(jù)中臺建設(shè)和數(shù)據(jù)治理

在整個(gè)組織內(nèi)部署AI功能，銀行需要一系列可擴(kuò)展、有彈性且適應(yīng)性強(qiáng)的核心技術(shù)和數(shù)據(jù)功能組件。核心技術(shù)薄弱和數(shù)據(jù)功能欠缺，會(huì)影響上面被支撐的AI決策層和客戶互動(dòng)層。在數(shù)據(jù)中臺建設(shè)和數(shù)據(jù)治理層面主要包含六個(gè)關(guān)鍵領(lǐng)域。

未來技術(shù)和數(shù)據(jù)戰(zhàn)略。銀行應(yīng)擁有與業(yè)務(wù)戰(zhàn)略緊密結(jié)合的統(tǒng)一技術(shù)和數(shù)據(jù)戰(zhàn)略，并就關(guān)鍵問題做出戰(zhàn)略性選擇：哪些資源要素、技能組合和人才應(yīng)自建團(tuán)隊(duì)留在內(nèi)部;哪些則應(yīng)通過合作伙伴或供應(yīng)商獲得。此外，技術(shù)和數(shù)據(jù)戰(zhàn)略需闡明目標(biāo)架構(gòu)各個(gè)功能棧組成部分如何在本層功能上支持銀行轉(zhuǎn)型為AI銀行，以及如何與功能棧的相鄰層進(jìn)行交互。

如何以數(shù)據(jù)治理支撐數(shù)據(jù)驅(qū)動(dòng)AI。銀行數(shù)據(jù)治理必須確保數(shù)據(jù)的流動(dòng)性，即訪問、提取和操縱數(shù)據(jù)的能力，這是AI決策層產(chǎn)生任何洞見與決策的基礎(chǔ)。打破部門孤島可提升數(shù)據(jù)流動(dòng)性，讓多個(gè)部門更好協(xié)調(diào)對同一數(shù)據(jù)的操作。數(shù)據(jù)價(jià)值鏈的起點(diǎn)即從所有相關(guān)內(nèi)部系統(tǒng)和外部平臺中獲取數(shù)據(jù)，這包括將數(shù)據(jù)提取到數(shù)據(jù)湖中，清理并標(biāo)記各類場景和應(yīng)用所需的數(shù)據(jù)，以及對立即用于分析的實(shí)時(shí)數(shù)據(jù)（從現(xiàn)有或潛在客戶處）與待清理標(biāo)記以備未來分析的非實(shí)時(shí)數(shù)據(jù)進(jìn)行分離。此外，在設(shè)計(jì)和構(gòu)建集中式數(shù)據(jù)管理基礎(chǔ)設(shè)施時(shí)，銀行應(yīng)開發(fā)其他控制和監(jiān)控工具以確保數(shù)據(jù)安全性、隱私性和監(jiān)管合規(guī)性。

API架構(gòu)。充分提煉和抽取公共應(yīng)用和功能，形成靈活的樂高式API架構(gòu)，能實(shí)現(xiàn)對銀行內(nèi)外部服務(wù)、產(chǎn)品和數(shù)據(jù)的可控訪問。在銀行內(nèi)部，API可減少形成數(shù)據(jù)孤島，提高技術(shù)和數(shù)據(jù)資產(chǎn)的可重用性。在銀行外部，API可促成建立外部合作的能力、解鎖新商機(jī)并提升客戶體驗(yàn)。API架構(gòu)具有巨大價(jià)值，同時(shí)也要確定其使用領(lǐng)域并建立集中化的治理機(jī)制以支持其開發(fā)和管理。

云戰(zhàn)略。企業(yè)IT系統(tǒng)上云是不同行業(yè)的公司的共同戰(zhàn)略，銀行也不例外，各項(xiàng)實(shí)踐數(shù)據(jù)充分表明云平臺（公有、私有、混合云）可實(shí)現(xiàn)更高的擴(kuò)展性與彈性，這些特征對于數(shù)據(jù)驅(qū)動(dòng)的AI銀行戰(zhàn)略至關(guān)重要。此外，基于云的基礎(chǔ)設(shè)施能夠降低IT維護(hù)成本，并支持開發(fā)團(tuán)隊(duì)的自助服務(wù)模式，從而通過提供托管服務(wù)（例如，在幾分鐘而非幾天內(nèi)設(shè)置新環(huán)境）加快創(chuàng)新周期。

向平臺運(yùn)營模式過渡

未來的AI銀行需要采用新的運(yùn)營模式，從而在企業(yè)運(yùn)轉(zhuǎn)的各個(gè)層次上實(shí)現(xiàn)必要的敏捷性、速度和獨(dú)創(chuàng)性。傳統(tǒng)銀行團(tuán)隊(duì)的運(yùn)作模式仍然是基于垂直條線和部門制的，這很難適應(yīng)數(shù)據(jù)驅(qū)動(dòng)的AI銀行運(yùn)行特點(diǎn)，轉(zhuǎn)向平臺運(yùn)營模式是AI銀行的更好選擇。

在平臺運(yùn)營模式下，跨職能的業(yè)務(wù)和技術(shù)團(tuán)隊(duì)依托不同的平臺形成阿米巴組織。每個(gè)平臺阿米巴團(tuán)隊(duì)都控制著自己的資產(chǎn)（例如基礎(chǔ)設(shè)施、技術(shù)解決方案、數(shù)據(jù)資源等）、預(yù)算、關(guān)鍵績效指標(biāo)以及人才。另一方面，這些團(tuán)隊(duì)向銀行的最終客戶或銀行內(nèi)的其他平臺提供一系列產(chǎn)品或服務(wù)。這些平臺團(tuán)隊(duì)大致可分為三類：業(yè)務(wù)應(yīng)用平臺是面向客戶或合作伙伴的團(tuán)隊(duì)，致力于存款理財(cái)、企業(yè)貸款和交易銀行等業(yè)務(wù)領(lǐng)域創(chuàng)造業(yè)務(wù)成果;業(yè)務(wù)功能平臺提供專業(yè)化能力/共享服務(wù)，在整個(gè)組織中建立標(biāo)準(zhǔn)和提供標(biāo)準(zhǔn)功能，如催收、支付基礎(chǔ)設(shè)施、人力資源和財(cái)務(wù)等;基礎(chǔ)平臺則讓應(yīng)用和功能平臺能夠獲取各類底層技術(shù)功能，如網(wǎng)絡(luò)安全與云架構(gòu)、加解密、跨系統(tǒng)登錄/認(rèn)證等。通過跨職能的阿米巴團(tuán)隊(duì)的平臺運(yùn)營，銀行可以打破組織孤島、提高敏捷性與速度，并讓全行在目標(biāo)和重點(diǎn)上實(shí)現(xiàn)統(tǒng)一。

小結(jié)

綜上所述，向AI銀行的成功轉(zhuǎn)型需要在上述功能棧四個(gè)層次都開始實(shí)施轉(zhuǎn)型。忽視任何一層的挑戰(zhàn)或?qū)θ魏我粚油度氩蛔愣紩?huì)波及全局，導(dǎo)致功能棧欠佳而無法實(shí)現(xiàn)銀行的業(yè)務(wù)目標(biāo)。

務(wù)實(shí)的做法是，先評估銀行的戰(zhàn)略目標(biāo)和KPI（如增長、盈利、客戶互動(dòng)、創(chuàng)新等），以及如何通過嵌入融合一系列AI技術(shù)切實(shí)實(shí)現(xiàn)該目標(biāo)，并確保AI目標(biāo)與銀行戰(zhàn)略目標(biāo)吻合。在確保一致性后，可以對銀行在四個(gè)層次的現(xiàn)狀做全面診斷，以確定所需的關(guān)鍵轉(zhuǎn)變、額外投資和新型人才，之后將這些認(rèn)知轉(zhuǎn)化為涵蓋業(yè)務(wù)、技術(shù)和分析團(tuán)隊(duì)的轉(zhuǎn)型路線圖。

針對組織特點(diǎn)量身定制執(zhí)行方案同樣重要。為確保轉(zhuǎn)型的可持續(xù)性，可以采用雙軌制，在能產(chǎn)生業(yè)務(wù)價(jià)值的短期項(xiàng)目與迭代構(gòu)建長期能力之間取得平衡。此外，要有融合共生、協(xié)同天下的合作精神，可選擇將差異化的核心能力保留在銀行內(nèi)部并從技術(shù)供應(yīng)商與合作伙伴處獲取非差異化的功能。

對許多銀行而言，在全行范圍內(nèi)大規(guī)模采用AI技術(shù)已成為戰(zhàn)略必需，而能否在上述四個(gè)層次全面成功轉(zhuǎn)型將決定AI銀行戰(zhàn)略轉(zhuǎn)型的成功與否。

（作者系浙江大學(xué)摸象金融智能實(shí)驗(yàn)室主任）