切换到宽版
  • 594阅读
  • 0回复

[智能应用]聚焦人工智能数据、算法两大问题 [复制链接]

上一主题 下一主题
离线huozm32831

UID: 329002

精华: 1097
职务: 超级斑竹
级别: 玉清道君
 

发帖
106166
金币
2179
道行
19523
原创
29307
奖券
17275
斑龄
190
道券
10126
获奖
0
座驾
 设备
EOS—7D
 摄影级
专家级认证
在线时间: 20019(小时)
注册时间: 2007-11-29
最后登录: 2024-11-23
只看楼主 倒序阅读 使用道具 楼主  发表于: 2021-12-11
— 本帖被 兵马大元帅 执行锁定操作(2024-02-28) —
           由《银行家》杂志社主办的“中国金融创新论坛”暨2021中国金融创新成果线上发布会在京召开,本次论坛主题为“银行数字化转型:路径与策略”,在主题“中小银行数字化转型的实践探索”的圆桌论坛环节, 品钛首席执行官李惠科进行了专业探讨。

品钛的定位是为金融机构和银行数字化转型提供助力,大体在智能信贷、小微金融、智能财富管理等领域,同时在保险领域也做了很多部署,涵盖了营销智能化、风控智能化、运营智能化等。

关于人工智能,谈下我的基本感受。首先,人工智能中除了数据之外,算法的提高也是一个大问题。在IT行业,我们可以看到有以下两个极端。

一是没有智能,把基本的信息化处理称为人工智能。业务数字化仅是数字化的初级阶段,谈不上数字化转型,数字的业务化才是真正的数字化转型开始。当前一些人工智能算法仅是对一些数据进行采集和分析,做基本的逻辑判断,我们称为信息化,而不是人工智能。技术需要为业务服务,人工智能算法需要为业务提供价值,比如拥有更多的信息从而可以分析得更好。技术如何更好地为业务服务,首先这是一个业务问题,辅助的是算法的分析和技术的实现。

二是将算法用到简单的地方。当前人工智能在智能化营销和智能化客服方面运用得比较成功,品钛在智能风控领域也使用人工智能进行了一些算法、风控的实践。当前对于银行来说,合规很重,反欺诈很重,依据一些基本政策就可以得出可贷、可不贷的结论,再用大量的算法判断还款能力是没有意义的,反而是把一些很牛的算法用到简单的地方了。

其次,分享一下数据。在未来这两年变化过程中,不论是内部数据还是第三方数据,数据的合规使用、数据的存储以及数据的输出方式,都需要高度关注。

最后,分享一下科技公司和银行之间合作的关系。品钛最初进行科技输出的时候也是在资产端合作,连接互联网场景进行数据分析,对互联网公司来说,我们帮它做数据的资产化;对银行来说,我们提供的更多是一些数字化的资产。随着合规、监管的加强,科技公司还是要回归科技的初心,探索如何更好地进行科技输出。比如,刚才很多人提到对银行的咨询,我们输出一种咨询,一种开发服务或者定制化的解决方案。中国相比于国外,缺的是软件公司,与我国的用户习惯、对知识产权的尊重,对软件投入不足等有关。除了技术要服务于业务,作为一家技术公司,我认为还要致力于在未来五年、十年留下一些成果。银行缺少人才,科技公司也缺少人才,从合作关系上来讲,理想的状态是沉淀和抽象一些标准化的,同时又足够灵活、可以定制化满足银行需求的一些软件。
山庄提示: 道行不够,道券不够?---☆点此充值☆