Gartner分析师吕俊宽：许多金融机构面临陷入投资回报率的迷失 找不到投资AI的理由

（图片来源：全景视觉）

经济观察网 记者 陈伊凡  CIO（首席信息官）面临的问题，是很难从ROI（投资回报率）的角度向其主管解释 投资AI是有回报的 。Gartner最新的调研预测，2019年全球IT支出较2018年增长1.1%，预计将达3.79万亿美元。Gartner高级研究总监吕俊宽指出，AI如今在各个行业 多点开花 ，作为实现金融科技（Fintech）的手段，AI在金融行业的落地应用越来越多。但企业对于AI仍处于投资阶段，前者面临的问题是， 如果陷入投资回报率的迷失，会找不到投资AI的理由。  

吕俊宽表示，2018年下半年，由于监管问题，AI在金融领域最火的应用是反欺诈和风控。随着欺诈行业复杂升级，利用人工补漏远比不上欺诈的变化速度。AI可以通过对上千条甚至上万条规则的分析，定义一个欺诈行为。投射到银行上，与其投入更多人力进行反欺诈，不如采用AI技术更加划算，还可以将人力投入到更多项目中。另外，一些银行开始进行精准营销，文字识别也是目前银行运用AI解决最多的问题。

金融机构运用AI的问题与挑战

Gartner的报告显示，企业投资AI的三大动机分别为利用自动化取代繁琐的人工、提高客户体验以及降低成本。

金融机构在使用AI时，面临的第一个问题是对于商业价值的评估，例如过去两年最火的客服机器人。但吕俊宽表示，他们很少观察到有企业通过客服机器人实现投资回报率，其原因就在于使用客服机器人并不代表可以裁掉员工。

其次，数据管理的挑战很大。银行中很多数据都是分散的 也许在分行中、也许在数据中心里，因此金融企业需要考虑如何将分散的数据进行集中管理。

再次，人才方面也存在挑战。过去IT人员更多是从事运营维护和数据中心管理的相关工作，因此没有足够的能力在AI时代发挥专长；另一个问题是一些业务方面的专家尽管对业务了如指掌，但可能并不了解AI技术如何与业务相结合。根据Gartner的调研，人才方面的挑战占据所调研企业全部挑战的56%。

另外，银行当前正在讨论是否应该选择PaaS（平台即服务），而非SaaS（软件即服务）来实现企业的AI转型 即自建一个AI平台，然后在这个平台上开展不同的AI服务。由于此前更多的AI应用是以SaaS（软件即服务）为导向，例如银行App中部署人脸识别技术 耗费6-12个月的部署只能解决单一的应用，因此若未来有上百个AI应用，就会耗费巨大的时间。

Gartner调研发现，金融企业应用AI还有一个挑战是采购决策，一个最能说明问题的例子是客服机器人。 许多金融机构在采购客服机器人时，最初想到的是客服。但当他们想要把客服应用在营销或者外呼服务时就会发现，原本采购的机器人并不具备这两种能力，最终导致投资的浪费。

吕俊宽和他的团队调研后发现，在应用AI方面，一个很大的挑战是人力资源管理。AI将会对金融机构的人员结构带来根本性的改变， 如何将原有的IT运维人员转化成AI时代的可用人才 不只是金融企业，也是众多企业面临的问题。

AI技术规模化落地的三点建议

我们建议企业不要刻意用财务上的投资回报率来衡量AI投资的成功与否。相反，企业应首先看的是效率，即通过AI项目可以帮助企业提高多少效率，其次看AI对客户体验的提高有多少帮助。

规模较小的银行虽然业务场景不复杂，但可能没有足够的资金对AI进行投资，因此它们可以以业务为导向，同时和大银行已有的服务相匹配。 中型银行由于业务场景比较复杂，AI是一个机会点。与头部银行相比，中型银行规模较小，因此更加灵活，一个好的AI应用可以帮助中型银行升到第一梯队。 头部银行的优势在于能够对AI进行持续投入，而面临最大的问题是文化和创新。头部银行不仅要面临业内竞争的巨大压力，还要和互联网金融公司展开角逐。因此，头部银行所要做的是从项目到产品的文化改变和公司治理。

对于AI带来的人力资源管理挑战，吕俊宽并不认为引入AI之后就要进行裁员， 这太过激进。 未来三至五年之内，企业更需做的是将原有的人才培养计划转成引入具有AI能力的人才。

最后，吕俊宽表示，由于监管问题，企业大部分的AI应用是在数据中心、本地部署。但从全球角度看，在AI部署过程中，企业一定要考虑未来AI应用有无上云的可能性、要考虑本地和云之间切换的问题。