近日，国美金融智能投顾首席顾问、中国银行业协会金融AI专家顾问王蓁博士应邀出席并讲授中原银行高管培训，从渠道数据化、业务生态数据化、组织架构匹配、核心业务和运营能力的数据化四大维度，分别阐述和讨论国内商业银行数字化和开放银行转型，并讨论金融人工智能技术的场景化落地实践。
通过对国内外各个金融机构的案例分析，王蓁认为：
首先，渠道数据化。广大中小银行线下渠道极其传统，线上渠道各家发展差异极大;大部分银行获客成本高昂，缺乏营销工具，缺乏对潜在客户认知;对存量客户挖掘不够深入，对客户潜在价值提升薄弱;有的机构没有合理的评价体系，只是简单线上导流。
其次，业务生态数据化。包括银行在内的金融机构，普遍分不清金融科技和 IT科技部;金融机构尤其是中小机构，缺乏对高层次人才的吸引政策和激励措施，产品能力和系统能力薄弱;跨业务、跨系统之间的整合难度大，数据、建模、风控基础薄弱;零售运营效率低，同业难度大且慢;本地特色生态运营尝试是当前中小银行突破全国性大行的特色“武器”，先做点突破，先做特色服务。
第三，组织架构匹配是知易行难的重点。设立独立的金融科技一级部门，并由相关领导直接统管是先进大行的成功经验;金融机构需要制定对管理人才、科技人才、大脑人才全方面的吸引和激励措施;核心团队应该按照 “一个大脑+99个流水线研究员”模式组建。
王蓁提出，好的金融人工智能专家，不但要精通各个人工智能模型算法，而且一定需要兼备对具体业务的深刻理解和各个算法模型的熟练掌握。作为一个大脑，构建解决具体业务问题的解决方案流程框架和大体思路，然后对框架拆分的各个子系统和子模型，配备99个“流水线”研究和建模人员，辅助完成具体建模细节和调参等工作。然而，当前在国内，具有一个大脑能力的金融人工智能专家是极其稀缺的。
第四，核心业务和运营能力的数据化。
王蓁在总结商业银行在实践落地中的核心要点时表示，首先，金融人工智能产品的“没有免费午餐”定理，他强调了纯平台性的人工智能算法模型不具备跨行业和跨业务的普适性，对任务和数据本身的深入认识很重要，对行业的认知和对数据产生的过程认识很重要，对待业务问题，需要具体问题具体分析。
其次，智能金融产品设计的“应用场景分析”法则。银行设计智能产品时，需要具体设想和分析用户使用的具体场景，并充分考虑当前人工智能技术不能完全覆盖的功能，导致用户使用的潜在不足，并通过产品设计和业务折中方案，达成最后的完整使用体验。
据了解，国美智投是国美金融旗下专注于金融领域的AI研究及应用的创新团队，为金融机构提供专业智能投资顾问系统服务和解决方案，致力于成为金融机构财富管理的AI赋能者。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
