产品中心

数字金融迈入新阶段 工程化平台助力AI原生银行——​访微众银行科技创新产品部负责人姚辉亚

随着全球新一轮科技革命和产业变革的深入发展,以大数据、云计算、人工智能、物联网、区块链等新一代信息技术为核心驱动的数字经济正在成为经济增长的新动能。数字金融作为数字经济的“血脉”,当下对促进我国经济高质量发展发挥着重要作用。2023年中央金融工作会议对数字金融高质量发展提出了新要求。

微众银行在以数字化技术支撑破解普惠客群金融服务难题方面积累了丰富的实践经验。新阶段,针对商业银行如何推进数字金融布局、推动产业数字化转型等问题,微众银行科技创新产品部负责人姚辉亚接受了《中国经营报》记者采访。

在姚辉亚看来,数字金融主要包括内在业务升级和外在技术赋能两个方面。在全面数字化的新阶段,AI浪潮是未来的重要方向,未来的银行业务创新将会由AI等新技术驱动,而AI也将是产品、体验的一部分。

《中国经营报》:何为数字金融?从商业银行角度来看,数字金融发展体现在那些方面?

姚辉亚:在我看来,数字金融主要包括两部分:一是如何通过数字技术和数据等新型要素来推动银行的业务升级,解决我们自身生存和竞争力的问题;二是如何运用数字金融的手段服务实体经济,助力数字化转型和数字经济的发展。

作为以普惠客群为主要服务对象的数字银行,微众银行从成立之初就带有浓厚的“科技”基因。我们基于自主研发的分布式架构搭建了新型核心银行系统,以解决传统集中式架构下IT成本高、效率低等难题。

经过多年的升级迭代,现在我们单日处理金融交易笔数最高已经超过了10亿笔,处理能力达到大型银行水平;全年关键产品可用率达到99.999%以上,一年中系统受影响的时间不超过5分钟,保障服务24*7在线。

同时,通过分布式架构的支撑和对AI、区块链和大数据等技术的应用,我们服务普惠金融的成本结构也出现了明显改变,单账户每年的IT运维成本降至2元,这对以小额高频为特色的普惠金融业务实现规模化发展及商业可持续尤为重要。

在解决自身业务发展的基础上,我们也探索将实现自主可控的科技成果开源出去,以推动实体经济的发展。到目前为止,我们发起了36个开源项目,覆盖了ABCD等诸多领域。这些技术在市场上为很多机构所采用,切实助力了产业的数字化转型。以区块链为例,微众银行牵头研发了区块链底层平台FISCO BCOS并于2017年将其开源。最新数据显示,已经有10万多个开发者和5000多个机构活跃在我们的FISCO BCOS开源社区。几年来,来自各行各业的社区合作伙伴基于FISCO BCOS在数十个场景中落地了超过400多个标杆应用,其中也不乏像珠三角征信链、粤澳/深港跨境数据平台、国家海洋科学数据开放共享与流通隐私计算平台等国家级、行业级数字化基础设施。

《中国经营报》:与以往相比,从金融科技到数字金融,当前金融机构的数字化转型的重点是什么?有哪些新的特点?

姚辉亚:原来讲金融科技,更多是落在工具和手段层面,而现在讲数字金融则是更多的关注目的,需要解决怎么用新兴的生产要素来解决以客户为中心的问题,这一点很重要。

以客户为中心的理念下,数字化不等于简单的线上化,也不意味着一定要摆脱人的存在。以微众银行为例,虽然我们是一家数字原生银行,业务也都是数字化的,但服务客户时,有时也会需要人的介入。比如针对聋哑客群,我们也会提供更有温度的真人手语客服服务。数字金融最终要解决的还是以人为本的问题。

姚辉亚:AI浪潮是一个非常重要的未来方向。过去我们做的很多产品创新,都是由数字技术和数据要素驱动的,体验和运营也都是数字化的,所以也叫做数字原生银行。未来随着数字技术和数据要素应用的进一步深入,行业必然会迈入一个新的阶段,届时AI模型的应用将无处不在。AI不再是产品的补充或是附加组件,而将是产品、体验的一部分。

未来产品设计、研发、部署、运维等过程都将基于AI无处不在的理念进行,AI是功能的自然组成部分。这种范式就是AI原生。微众银行正在为从数字原生迈向AI原生做积极准备。

AI原生范式会带来很多改变。一方面在用户交互方式上就会发生很大变化,可能不再依赖目前触摸屏的模式,而是越来越会转向自然语言交互的模式,因此未来产品的交互设计也会随之变化。与此同时,企业内部的生产方式也会随之而变。原来我们很多设计都是靠人,而在AI原生阶段,随着生成式AI(GenAI)的发展,AI未来能帮助人们做很多事情。

从技术和应用层面来看,大模型(LLM)和生成式AI最大的强项在于创造力,副产品是不可避免地带来幻觉现象。而金融行业的大多数场景往往需要追求准确性和可解释性,如要求能对风险进行精准定价与管理,向客户推荐适当性的产品和明确地揭示风险等。基于两者特性的交集,适配的应用场景是让大模型和生成式AI成为员工的助理(Copilot),赋能员工提高效率和创造力的同时做好兜底判断,而非直接让大模型直面客户提供服务。

基于Copilot理念,我们内部已经做了很多尝试,比如辅助生成代码、生成测试案例、以文生图、检查代码的规范性等。同时,分析型AI和生成式AI这两种能力不是非此即彼的,应该充分结合分析型AI和生成式AI各自的优势来使用,比如我们会让大模型根据过往的客户提问归纳生成知识库中的问题,回答问题仍然交给原来的分析型AI模型。

AIGC范式下,AI将无处不在,会成为我们能力甚至产品体验的重要部分,但也会对银行的现有能力造成挑战。以大模型为例,金融机构在大模型领域的核心竞争力集中在应用层,通常是基于内部的专有数据,选择合适的基础大模型基座进行精调(Fine-tuning),形成垂直行业场景的大模型应用。由于基础大模型的技术迭代较快、不同场景适用不同路线的基础大模型、硬件的国产化兼容性不足等挑战,目前较缺乏能支持一站式工作、模型可插拔的工程化平台。

目前,我们正在集中力量,打造全行统一的AI工程化平台,构建AI原生科技能力,期望实现模型可插拔、成效可度量、模型生命周期可管理、运算资源可调配、编程可视化(低代码)等特性,赋能内部各业务团队在应用层百花齐放,提升自动化与智能化水平。

《中国经营报》:从业务层面来看,随着AI等新技术场景应用的持续深入,金融机构在客户精细化运营上有哪些新的变化?

姚辉亚:之前一个阶段,随着普惠金融的发展和金融服务的不断渗透,银行的客户量实现了快速地增长;未来增量市场竞争正转向存量竞争。因此,很多银行也在进行组织架构调整,围绕子客群为中心,进行客户的精细化运营。

与以往产品主导的模式不同,现在更注重具体细分人群的需求是什么,进而再匹配、设计不同的产品。比如微众银行的理财业务、信贷业务,目前都是依据不同客群进行细分化运营,不同的团队在运营不同的客群,根据客户需求提供针对性的产品。

以前的精细化更多是按照地域、年龄等标签进行大范围分类。而现在的精细化运营是真正的技术和数据驱动,可以根据不同的标签组合不断细分,最终实现千人千面的差异化服务效果。未。

留言

您的电子邮箱地址不会被公开。 必填项已用 * 标注