AI下半场,最根本的是创造价值,而不是算

特约观察员

中国平安集团首席科学家肖京、北高峰资本创始人兼CEO闵万里、阿尔法公社创始人兼CEO许四清（主持人）

核心提示：

1.解决业务痛点，关键在于运用人工智能技术重构生产流程，实现我们所谓的“三提两降”——提效率、提效果、提用户体验、降风险、降成本。

2.AI实际上是在不确定性场景下，对综合技术、情报的应用。

3.这些AI应用案例给我们指出了一个非常简单的公式，价值=f(数据,科学技术,行业知识)。

4.AI在传统产业当中能够创造新的价值增量，它的威力，远远超出了我们在实验室所能想象的。

编者按：本期文稿由3月21日「新基建展望」第1/2期直播整理。本期直播由中国科大校友创业投资论坛主办，阿尔法公社、云岫资本、36氪等联合主办。内容有删减。

肖京：金融业四大痛点，平安是怎么解决的？

金融行业的四类场景主要有以下痛点：风控（风险杂+欺诈多）、获客（频次低+转化弱）、服务（模式重+体验差）、运营（效率低+成本高）

风控场景，以风险杂、欺诈多为显著特征。比如单个交易看似没有问题，但是多次交易合一起看就有欺诈风险。一个个体看似正常，多个人形成的小团体可能就存在风险。扩展到一个企业，或看中观某个产业，或看宏观市场，各个方面都可能存在潜在的风险。如果全依赖人工监测管控，很容易出现误判或遗漏。

获客场景，传统的金融营销手段包括实体网点、电话短信、地推沙龙等方式，将标准化产品推送给所有客户，这种方式获客成本高、渠道频次低且用户体验有待提高。金融业务大部分交互频次较低，对客户理解有限，在这种条件下如何更好的理解客户需求，提升客户粘度、忠诚度、及交叉销售向上销售的成功率，是个现实的难题。

服务场景，传统服务模式较重，消费者行为和需求的不断变化，使传统的金融服务面临各场景各链条上的重构。同时，在人口红利逐渐消失的背景下，传统人工客服存在培训成本高、流动性大、服务效果参差不齐等特点，影响服务质量和用户体验。如何让客服模式变得更轻便且同时提高服务的质量，在目前市场竞争越来越激烈的情况下，也是亟待解决的痛点问题。

运营场景，金融行业的业务运营中存在大量手工操作，且往往是简单重复性的，急需降低运营成本，提高管理及运营效率。以平安为例，如果我们提高1%的效率，每年可以增加多亿元利润。因此，实现业务运营管理的降本增效也是极其重要的痛点需求。

如何运用科技手段解决金融业的痛点

真正提升产品服务的质量和生产效率，解决上面提到的业务痛点，关键还是在于智能化，运用人工智能技术重构生产流程，实现我们所谓的“三提两降”——提效率、提效果、提用户体验、降风险、降成本。然而生产重构比线上化要困难很多，需要既有强大技术能力，又对传统业务流程非常熟悉，这样才能将技术和业务流程深度融合，实现生产重构的目标。因此我们不仅要在IT系统方面完成信息化和数据化基础建设，具备智能化建设的算法技术和计算能力，还要在行业专家的深入合作指导下，在实际业务场景中不断迭代，最终形成完整的智能化业务解决方案，有效达成智能化经营的目标。

智能化经营是平安的重要战略方向，其第一步要打造底层的大数据平台。我们花了近一年时间，把一万七千多营业部的数据孤岛完全打通，将数据整合到一个统一平台，并建立了自动清洗、整合、更新、质量管理、标准化、脱敏安全等机制，建立严格的权限管理、隐私保护等管理规范。在大数据平台上遵照合规要求进行统计分析，得到脱敏的画像标签。然后打造人工智能基础技术能力，包括看、听、说和读等方面的能力，如人脸识别、微表情识别、医疗影像分析、语音识别、声纹识别等技术。接着再构建专业的知识图谱，包括汽车、企业、医疗、教育、农业等多个领域，这是传统行业相对互联网和高科技行业最大的壁垒。最后再围绕业务需求，技术深度融合业务，共同构建完整的智能化解决方案，并不断丰富和完善可以规模化应用的智能化业务方案中台，全面覆盖金融、医疗、智慧城市等核心业务领域。所有这些工作共同构成了我们的平安脑智能引擎，推动平安快速有效实现各业务环节的智能化，持续夯实关键技术和业务壁垒。

具体的AI应用案例

身份认证：多模态，包括人脸声纹唇语等，应用在金融领域银行保险的开户时录音录像等，避免业务人员误导客户以及确定客户是本人。

小额信贷：原来我们有多个门店，贷款要在门店判断违约风险。现在进行人脸识别、微表情识别，可以在线上实现三分钟放款，这些大数据设计等风控手段让违约率也下降很多。

企业投资和信贷：通过底层数据，静态菜包、动态舆情，企业之间的投资关系，三类数据形成知识图谱，建立债券违约模型，投资风控模型。大部分公司可以在6-9个月提前预测风险维度，详细的介绍帮助业务可以快速定位，判断是否误报。

图像识别自动定损：平安现在是唯一一个大规模实现识别定损的公司，通过好车主APP，拍照上传，几分钟就可以定损确定维修，几千块以下就可以很快完成流程。提升效率解决问题。要求后台要有完整的知识图谱，不同车型，不同损失程度。同时车险是薄利领域，经常会有欺诈，运用反欺诈引擎之后节省了几十亿的运营费。

另外运营领域，如大型法律诉讼，人工智能模型判断证据是否充足；服务领域，原来我们有十二万五千客服，机器人助手可以自动地帮助解决客户的一些问题。

闵万里：重新拆解AI，规模协同背后的效应

从中科大毕业到IBM研究生，再到谷歌、阿里巴巴一直到去年做产业投资，我的职业道路方向很简单：把数学公式写到产业当中去创造价值。

重新拆解AI：Lessartificial,moreintelligence.A代表Actionable,Accessible,Affordable

案例一：

AI不仅仅是图像识别，往往是多种技术的融合，尤其是在产业中有多种不确定性。例如，这个场景有左转划线又有禁止牌，这种如何裁判，当出现有冲突性的信号的时候怎么处理？这些在实验室中无法得到，必须要有

转载请注明：http://www.abuoumao.com/hyls/4157.html