《商业银行AI体系标准化建设.docx》由会员分享，可在线阅读，更多相关《商业银行AI体系标准化建设.docx（8页珍藏版）》请在第壹文秘上搜索。
1、商业银行AI体系标准化建设导语：以“顶层设计、标准接口、统一服务、整合数据”的建设思路来构建商业银行AI体系，不仅能够有效解决多产品引入带来的诸多问题，更能全方位提升商业银行的AI服务能力，有助于Al服务向智能化、灵活化、简便化发展，实现Al对业务场景的赋能。习近平总书记在致第39届国际标准化组织（ISo）大会的贺信中指出：“标准是人类文明进步的成果”“标准助推创新发展，标准引领时代进步同样，标准也是促进商业银行Al体系进步的关键。商业银行Al应用涉及的技术领域广、专业化程度高，往往采取引入外部合作商的模式，以期充分发挥不同产品自身的技术优势。但是，由于各类AI产品之间的特点各异、标准不一，难
2、以实现互联互通，无法进行统一管理。为了实现Al技术的高效应用和快速赋能，亟须针对AI接口、服务和数据进行统一设计和管理。因此，商业银行Al体系标准化建设应运而生。商业银行Al体系的复杂性近年来，随时数字化转型的深入推进，大型商业银行已基本完成了企业级人工智能平台的建设，业务赋能成效初步显现，中小商业银行正在紧跟步伐，加大AI能力建设，智能客服、智能风控、智能营销等应用场景日益普遍。目前来看，各家商业银行主要采取“多厂商引入+自研”的建设模式,这是由于AI体系涉及的技术领域广泛，不同厂商在各自领域各有优势，引入各领域的头部厂商和优势产品，能够帮助商业银行快速提升Al能力赋能业务发展。但是，此种建
3、设模式会增加AI体系在整体架构的复杂性，同时削弱了商业银行对该领域的自主可控力。体系架构缺少顶层设计。Al产品的引入往往与具体业务场景和需求相结合，如身份认证场景引入人脸识别技术、客户服务系统引入语音识别技术，等等，但大部分厂商在自身优势领域之外，还会在产品上附加其他Al技术，由于整体AI体系缺乏顶层设计和统一构建，各类厂商的产品和定制化方案只能简单拼凑在一起，互相之间还可能存在功能冗余。产品之间难以互联互通。随着商业银行AI技术与应用场景深入绑定，其对AI服务的复杂度要求也日益增加，如知识图谱与机器学习技术的结合、语音识别与机器学习技术的结合，等等，跨AI技术领域的组合式服务将会是未来的一个
4、发展趋势。然而，各家AI厂商的产品均具有独特的开发语言和接口格式，互相之间难以兼容，这必然阻碍Al技术在各类业务场景的深入应用。用户使用缺少统一入口。目前，大部分Al产品均向用户提供了模型建设和管理的客户端，但面向多个产品时，用户往往需要在不同客户端中建设不同的模型，且产品间操作风格不同、流程管理不一，不仅降低了用户的操作体验，也难以统一管理各类产品内的模型。数据割裂缺乏有效治理。Al技术与数据密不可分，一般来说，AI产品中的建模过程需要用到大量数据，且会进行加工处理。但由于不同AI产品之间的数据无法直接共享，导致系统间不仅存在数据冗余，还可能在数据加工过程中出现更新不及时、口径不一致等问题，
5、进而影响AI建模的准确度。标准化建设助力商业银行Al能力全面提升以“顶层设计、标准接口、统一服务、整合数据”的建设思路来构建商业银行AI体系，能有效解决多产品引入带来的问题，全方位提升商业银行的Al服务能力。提升Al服务智能化,有助于适应日益复杂的业务场景。实际上，商业银行很早就已经开始使用AI技术，但应用场景相对比较简单。随着大数据时代的崛起，用户行为逐步从线下转为线上，商业银行的业务模式也从简单场景变为复杂的“金融+”模式。此时，单一的Al技术显然已无法满足业务诉求，智能营销、智能风控、智能客服等场景需将多种AI算法进行组合，以提升智能化水平。Al体系的标准化建设通过标准接口和统一服务,可
6、以对各类Al能力进行快速组合，实现对复杂场景的支持。提升Al服务灵活化,有助于紧跟快速发展的技术趋势。我国AI技术起步较晚但是发展迅速，目前专利数量以及企业数量等指标均处于世界领先地位。面对日新月异的技术发展和业务需求，商业银行AI体系必须支持快速引入和对接新Al技术。通过Al体系的标准化建设，可实现各个算法模块的可插拔式集成，对于具有前沿新技术的AI厂商，可以根据接口标准引入，快速融入到商业银行AI体系中体现业务价值。提升Al服务简易化,有助于加快业务人员的参与力度。Al建模的专业化技能要求比较高，因此，在商业银行内部一般由专门团队负责实施，业务人员作为需求方参与。随着Al技术应用的普及，以
7、及与业务的融合越来越紧密，更多的业务人员需要参与到Al建模过程中，因此，简单易用的Al工作平台显得尤为重要。Al体系的标准化建设实现了统一的建模操作界面，通过可配置化模板帮助业务人员快速建模、快速发布，简化了业务的操作难度，使更多业务人员能够参与至IAl建模中。商业银行Al体系标准化建设的思路结合数字化转型战略，提前布局AI体系顶层设计。商业银行AI体系建设离不开顶层设计，应根据自身的技术和业务特点，结合Al技术的发展趋势，确定Al体系所涵盖的技术领域、建设路线、架构规范以及产品引入原则，等等，并在此基础上根据业务诉求的轻重缓急，明确实施路线。另外，AI体系规划还必须遵循商业银行总体技术架构与
8、技术路线，尤其在各家商业银行数字化转型工程中，Al体系规划应当作为一项基础性工作提前规划布局。建立统一标准服务接口，实现互联互通。尽管各类AI产品的核心算法门槛较高，商业银行难以在短时间内完全掌握，但其与外部交互的服务接口可以开放并可实现个性化改造。因此，针对不同的AI产品，商业银行应当设计并建立一套统一的接口服务标准，既能用于AI体系内部各产品模块之间的互联互通，也能用于AI体系与外部系统之间的互联互通，从而保证该体系很好地融合于商业银行IT架构体系中。实现统一服务管理，为用户提供简单高效的Al使用环境。首先，要建立服务标准。由于不同产品的服务方式不同，从用户层面，各个产品提供的Al服务是互
9、相割裂的，因此，要建设统一的AI服务标准，并实现产品间的服务串接。比如，在建模过程中，按照设计的服务标准，通过建模工作流将语音识别、自然语义理解、机器学习等不同产品中的核心算法进行串接，通过服务间的组合与协作来赋能复杂场景。其次，要实施服务治理。服务治理包括统一用户入口、统一模型管理、统一建模流程、统一服务发布等，通过服务治理，对用户屏蔽产品之间的差异，并提供简单、高效、可管控、可共享的Al使用环境。打好数据整合基础，实现统一存储和加工。数据整合主要解决数据冗余与加工口径不一致等问题，包括统一存储和统一加工。统一存储是指所有AI产品用到的数据应当来自于同一个数据基础，不需要重复传输和存储。很多
10、商业银行都在建设企业级数据中台，AI体系也可将数据中台作为统一的数据源。统一加工是指Al建模过程中用到的特征数据等，应当进行统一加工，形成特征宽表，保证不同产品、不同模型所用的数据，在业务口径、加工逻辑等方面均保持一致,确保AI建模过程的有效性与模型结果的可靠性。Al体系标准化建设的实施路径大部分商业银行已经启动了AI体系的建设，因此，AI体系标准化建设应与之结合，并根据自身的技术能力、业务诉求等制定相应的实施路径。因地制宜，选择相契合的顶层设计。Al体系标准化建设的第一步就是要完成顶层设计，即明确AI体系在商业银行整体架构中的定位、AI体系内部的架构规划、AI技术所涉及的领域、各类Al产品的
11、定位，等等。一般来说，Al体系建设可以采用两种实施模式：一种是由商业银行自行建设统一的AI服务框架，仅引入外部厂商产品的核心算法作为补充，这种模式下商业银行对AI体系的技术掌控力较强，与自身整体的IT体系融合较好，适用于技术能力较强的大型商业银行。另一种是以某一家行业领先企业的AI产品为基础，在其产品框架下补充和引入其他产品的核心算法，这种模式的建设速度快，技术要求低，但未来的扩展性相对较弱，且对于厂商的依赖比较重，适用于技术能力相对薄弱的商业银行。完成顶层设计之后，应当基于商业银行自身的技术标准制定统一的Al接口标准。实施数据整合，构建数据底座。AI体系标准化建设工作启动之前，还应构建统一整
12、合的数据底座，因为数据作为Al技术的重要基础，必须先行完成。根据商业银行IT系统的建设情况，Al数据底座的构建有两种模式：一种是与数据中台相结合，借助数据中台构建AI数据底座。数据中台建设已经完成了对企业级数据的整合、清洗与加工，因此基于数据中台，可以快速提取Al算法所需的数据，形成特征宽表，构建Al数据底座。另一种是搭建独立的Al数据底座。对于还未建设数据中台的商业银行，必须从各类数据系统中抽取Al相关数据，并对这些数据进行清洗与加工，形成Al数据底座。改造现有AI产品，落地服务标准。一般来说，标准化实施都需要对现有AI产品进行改造，改造的优先顺序可以与商业银行实际业务诉求相结合，比如，机器
13、学习、知识图谱两类技术的应用非常广泛，且与其他AI技术的场景结合较多，可以优先进行改造，快速支撑智能营销、智能风控等业务场景；语音识别、自然语义理解这两类技术经常结合使用，可以同步改造，用来满足智能客服等场景诉求。另外,对于新引入的AI产品，则在引进过程中需要按照既定的标准进行建设。当然，Al体系的标准化建设是一项系统工程，除了技术开发工作之外，还应当同步推进其他相关工作。实现硬件资源的统一管理。一般而言，在引入AI产品时，商业银行都会根据厂商建议或产品要求来申请其所需的硬件资源，但各AI产品资源相互独立，无法复用，造成了一定的资源浪费。因此，商业银行在标准化建设过程中应当同时考虑对于硬件资源
14、的统一管理，将AI产品部署纳入内部IaaS等统一的硬件管理体系，便于资源的有效利用。建设复合型专业人才队伍。在AI体系标准化建设的过程中，既需要熟悉AI算法的建模专家，也需要熟悉数据开发的技术专家；既需要了解AI场景的业务专家，也需要擅长云服务开发的技术专家。因此，建议组建联合专家团队,共同参与到Al体系标准化建设中。改变传统的需求开发模式。传统的开发模式以需求为驱动，需求明确后实施开发，但这一模式并不适用于Al场景。一般来说，Al应用以课题为驱动，通过专家团队的探索、研究，才能逐步明确需求并付诸实施。不仅如此，Al算法在投入使用后，仍需不断进行反馈优化，以提升其准确性。因此，对于AI应用场景，商业银行应当创新开发模式，以适应其特点。加大业务人员宣传推广度。Al体系的标准化建设是为了赋能业务，因此，建设过程中必须加大宣传和推广力度，只有业务人员充分了解、认可AI能力之后，才会更好地在业务场景中融入AIo“车同轨、书同文”，商业银行Al体系的标准化建设，不仅可以解决其引入多家AI产品所带来的种种问题，更有助于AI服务向智能化、灵活化、简便化方向发展。当然，Al体系标准化建设工作绝非一蹴而就，需要各家商业银行根据实际的技术能力、业务发展久久为功系统化推进。
