SBS首席执行官：银行人工智能试点项目停滞的原因在于数据而非模型

正文：

在一次采访中，SBS的首席执行官Eric Bierry阐述了银行人工智能试点项目成功与全面推广失败的缘由，并探讨了在2027年全面推广之前需要进行的必要调整。

《金融科技时报》向Bierry提出了七个问题，讨论了为何仅有少数银行能够将人工智能推广至试点阶段之外，监管机构在企业级推广中的路径，以及该技术在某些方面仍然被高估的现状。此外，Bierry还谈到从现在到计划于2027年初全面推出的平台之间可能发生的变化。

1. 尽管银行投入了大量资金，但成功将人工智能应用于核心流程的银行仅占约三分之一。这一现象的根源何在？

技术本身并不是主要障碍，或许这一观点会让很多人感到意外。真正的瓶颈在于数据。虽然银行处理着海量数据，但这些数据分散在设计上并不兼容的系统中。同时，合规要求使得数据传输异常复杂，且缺乏时间和授权去妥善解决这些问题。

在缺乏系统化数据的环境中运行人工智能几乎会立刻面临障碍。虽然试点项目看似光鲜，但大规模推广时却因底层数据混乱而失败。我们屡次遭遇这样的情况，因此在推出人工智能基础设施之前，我们花费数年时间来整理数据基础。

2. SBS选择将人工智能直接整合进现有的核心银行、贷款和数字银行平台，而非单独提供产品供用户集成，原因何在？

我们观察到，银行购买人工智能产品后常常以失败告终。引入新产品通常需要长达十八个月的集成时间，而随后的维护工作往往是昂贵且不被理解的。我们希望避免我们的解决方案重蹈覆辙。

我们的客户长期以来使用SBS系统，信任这些系统并熟悉其操作，更重要的是，他们的数据已经存储在这些系统中。因此，我们想，如果让这些系统更智能化，会产生怎样的效果？虽然听起来简单，但这完全改变了系统的采用方式。合规官无需学习新平台，只需从他们熟悉的系统中获得更好的信息。

3. 如何利用各机构内部已管理和保护的数据，改变围绕人工智能的监管讨论？

当银行与监管机构沟通时，关于数据存储位置和控制权的回答至关重要。如果数据传输至第三方系统，即便是短暂的，也会引发一系列所有权和控制权的问题。

如果模型仅在机构内部运行，您可以向监管机构展示模型分析的内容、输出结果的原因及完整的审计记录。这使得在严格的合规要求下，银行可以顺利部署。以往，许多银行无法接受这种解决方案，正是因为缺乏可行的方案。

4. 在受监管的机构中，人工智能从试点到企业推广的现实路径是什么样的？需要多长时间？

从零开始构建数据基础需要数年时间。要统一、管理并确保分散的数据足够可靠，以支持人工智能决策，没有捷径可走。我们的工作就是为客户解决这一难题，因为SBS的基础设施已经搭建好了一切。

即便有了这样的基础设施，银行仍需认真验证各种应用场景。例如，如果银行无法充分解释人工智能生成的洞察结果，就不应将其作为贷款决策或合规文件的依据。但这项工作所需的时间已从数年缩短至数月，对于那些期待人工智能投资回报的客户而言，这是显著的进展。

5. 人工智能目前在核心银行业务中能带来哪些可衡量的价值？哪些方面又被夸大了？

人工智能最显著的应用在于提升效率和优化决策。例如，过去一位高管需要等待五天才能获得数据报告，而现在几分钟就能得到答案。合规团队的证据收集时间也从两天缩短到几个小时。这些案例虽然不够引人注目，但它们的累积效益却极为显著。

我认为，银行在自主决策方面仍显得有些急功近利。信贷决策、复杂的客户关系以及任何需要判断和责任的领域，短期内人工智能难以取代这些环节。

6. 为了做好准备，银行的技术领导层在未来十二个月内应采取哪些措施？

不必再纠结于选择哪个模型，因为模型几乎从未是制约因素。我观察到，真正阻碍银行发展的始终是他们的数据。这些数据缺乏管理，支离破碎，并存放在无人问津的旧系统中。在接下来的十二个月中，那些认真对待数据问题并积极解决的技术领导者，将在人工智能技术的进一步成熟中占据有利位置，而那些不采取行动的人只能眼睁睁看着他们的试点项目停滞不前，无从得知原因。

这里并不涉及他们所有的数据，而是指那些影响人工智能结果、被用作其基础的数据。这种情况与金融服务机构传统数据处理方式截然不同。

来源：移动支付网