中小銀行人工智能中臺建設

胡金良 張貝旎 張左敏

在大數據、人工智能、云計算、5G等新一代信息技術快速發展的浪潮下，銀行業數字化轉型正迅猛推進。國務院發布的《“十四五”數字經濟發展規劃》及原中國銀保監會發布的《關于銀行業保險業數字化轉型的指導意見》等頂層設計文件，都鼓勵和引導銀行業加強金融科技支持，發揮平臺價值，推動“人工智能+金融”的融合應用。然而，中小銀行在人工智能應用方面仍處于探索階段。相較于國有大行和股份制銀行等頭部銀行，中小銀行在數字化、智能化的道路上仍然面臨著一系列挑戰。

中小銀行人工智能應用現狀

AI能力無法靈活復用且缺乏統一管理。中小銀行面臨著各業務條線對人工智能應用的需求。為了滿足這些需求，中小銀行通常會引入成熟的AI廠商能力。然而，這往往導致人工智能應用場景在各業務系統中較為分散，盡管擁有多場景的AI能力，但無法靈活復用和合理編排，以生成符合業務特色的綜合性、系統性的智能AI應用。隨著人工智能應用場景的增加，還可能存在重復建設的情況。此外，這些人工智能應用分散在行內各個系統中，無法進行統一部署，也缺乏運行監控和集中管理的手段，無法有效合理地管控風險。

業務數據分散造成數據孤島。中小銀行在數據智能應用中面臨一系列的挑戰，包括數據分散、數據質量和一致性問題，以及數據加工時間成本和數據安全性的難題。首先是數據的分散性。由于數據存儲在不同的業務系統中，導致數據難以訪問和共享，需要耗費大量時間和精力來收集和整合數據。其次是數據的質量和一致性。由于數據來源各異，數據的格式、結構和精確性不盡相同，加深了數據分析和建模的困難程度。再次是數據加工的時間成本。在進行數據分析和建模之前，需要完成繁瑣的數據提取、清洗、轉換和加載等步驟，而這些步驟需要耗費大量的時間與人力成本。最后是數據的安全性。分散的數據增加了數據安全性的挑戰，各個業務系統都需要單獨負責數據的安全管理，包括隱私保護、數據備份和災備恢復等方面的工作。這些問題導致了數據可訪問性、質量和效率都不高，從而無法更好地支持人工智能的應用和決策。特別是在精準營銷、風險防控與反欺詐等業務場景中，中小銀行面臨著大量的數據智能應用需求。然而，數據孤島給中小銀行造成了極大困擾。

人工智能研發人才緊缺。中小銀行在數字化轉型過程中面臨科技人才不足的問題，通常由地域限制、品中小銀行通常位于二三線城市，吸引高級技術人才的優勢有限。此外，中小銀行的品牌知名度較低，與知名度高和技術先進的銀行相比，對技術人才缺乏吸引力。目前，金融科技領域競爭激烈，高級技術人才供需失衡，使中小銀行難以吸引和留住這些人才。

中小銀行應用AI中臺的對策

當前，中小銀行運用AI能力面臨的棘手問題主要包括：缺乏協同優化的AI研發環境，難以統一管理和復用異構的AI能力；人工智能應用場景分散，數據資產分布在各業務系統中形成了數據孤島；缺乏高水平的AI建模人員，且人工智能應用開發門檻較高。為解決這些問題，中小銀行應專注于自身的優勢資源，建立適合本行實際情況的AI中臺。通過建立AI中臺，可以夯實AI運用的基礎，并持續迭代提升AI運用的能力。這將有助于解決中小銀行在AI領域所面臨的挑戰。

實現各廠商AI能力的納管與靈活編排。中小銀行可以通過建立AI中臺，提供統一的AI模型和引擎的管理，實現對異構AI能力統一接入、AI能力標準協議制定、AI能力測試功能等，提升AI能力的復用效率?；趫D像識別、語音分析、自然語音處理等多種AI能力，能夠以可視化方式進行串接編排，快速完成AI服務業務流，并以業務流為單位為業務系統服務，增加AI應用開發的靈活性。

建設人工智能數據底座，打破數據孤島。中小銀行可以利用AI中臺的數據加工管理功能來建設人工智能模型指標庫，其中包括基礎指標和衍生指標。通過AI中臺，數據可以從各業務系統關聯整理形成基礎層，然后通過統計算法進行加工計算得到指標層，最后使用統計模型或機器學習模型計算得到標簽層，實現分層管理的效果。通過指標庫，中小銀行可以快速提取AI算法所需的數據，并形成特征寬表，構建AI數據底座。通過AI中臺支持的數據底座，將有助于優化AI模型的訓練過程，提高模型的準確性和性能。通過AI中臺的數據加工管理功能，中小銀行能更好地管理和利用數據，為人工智能應用提供更強大的支持。

降低人工智能開發與應用的門檻。中小銀行建立AI中臺，可以集成主流深度學習框架，如MPI、Horovod、PyTorch、TensorFlow、MXNet等，實現從數據加工、數據標注、數據特征生成到模型訓練、模型評估和模型優化的全流程標準化，實現人工智能模型的自動生成。通過構建結構化數據平臺，支持自動特征生成、特征加工和自動調參等多種技術。結合AutoML技術，可以自動選擇出較優的算法及對應的優化配置參數，快速生成人工智能模型，在效率和精度之間取得平衡。建立AI中臺將為中小銀行提供強大的功能，在人工智能模型的開發過程中實現標準化和自動化，提高效率和精確度。同時，它還能為中小銀行提供一種可靠的方式來應對復雜的深度學習任務，促進人工智能技術在銀行業務中的廣泛應用。

中小銀行AI中臺建設方案

中小銀行面對人工智能的迫切應用需求，通過建立企業級AI人工智能中臺，可為不同的業務場景提供標準化、一體化的人工智能服務，從而降低人工智能使用門檻，提高人工智能應用場景的實現效率。通過運營、營銷、風控等業務領域定制化人工智能應用的落地與技術手段、服務模式的創新，有效促進經營管理水平提升。

中小銀行應遵照科技創新賦能業務的理念，根據自身實際情況，積極提升以下八個方面的AI能級：一是數據集成和管理。用于整合和管理分散在不同業務系統中的數據，提供數據訪問和共享的功能。二是數據質量和一致性控制。用于統一數據格式、結構和提升精確性，確保數據的質量和一致性，并提供數據清洗和校驗的功能。三是數據加工和處理。包括數據提取、轉換、加載和預處理等步驟，以便進行后續的數據分析和建模工作。四是模型開發和管理。用于構建、訓練和優化機器學習模型，提供模型版本管理、調試和監控等功能。五是分析和可視化。用于對數據進行分析、挖掘和可視化展示，幫助用戶理解數據和模型的結果。六是安全和隱私管理。包括數據安全保護、權限管理、隱私保護和災備恢復等功能，確保數據和模型的安全性。七是自動化和智能決策。通過使用人工智能算法和技術，實現自動化的決策支持和智能推薦功能。八是用戶界面和交互。提供友好的用戶界面和交互方式，使用戶能夠方便地使用平臺的各項功能。

中小銀行通過建構整合以上AI能力，可以打造一個完整的企業級人工智能管理服務平臺，從而更高效地管理數據、開發模型，并應用人工智能技術來支持業務決策和創新。

如圖1所示，中小銀行AI中臺建設應包括基礎算力資源、數據管理平臺和模型訓練平臺。數據管理平臺提供豐富的數據接入功能，打破數據孤島，實現數據的標準化與生命周期管理。平臺應具備高效快捷的數據查詢和強大的數據開發能力，為各類上層應用提供高質量的數據服務。在數據管理平臺之上是研發平臺，主要包含深度學習與機器學習模型訓練平臺。深度學習平臺提供“一站式”服務，從數據標注、數據處理到模型訓練，可極大地減少算法工程師的工作量。平臺應支持圖像識別場景的零代碼訓練，只需少量數據標注即可訓練出高質量模型。機器學習平臺則是一個可視化的建模環境，主要為銀行風險人員提供自動化數據建模功能。平臺集成數據處理、特征工程、機器學習及統計分析等算法，并可通過拖拽和參數配置的方式，使評分卡等模型的開發變得簡單易行。

在研發平臺之上是服務平臺，提供全系列AI服務，包括計算機視覺、語音識別、NLP自然語言處理等，平臺通過可視化和動態管理的方式進行靈活的加載應用，提升模型部署的快捷性和易用性，能夠將各種AI引擎和應用解耦，實現AI能力的動態升級。AI中臺整體集成框架作為中臺外層框架，提供整個AI中臺權限管理、運維監控、服務部署、節點管理、租戶管理、API計量、AI能力注冊等整體管理功能。同時，還提供AI業務流功能，對于一些需要批量處理的AI使用場景，如離線視頻稽核，需要多個環節的處理，包括AI解析、數據檢測和發送告警信息等。通過構建以上三層架構AI中臺，中小銀行可以充分利用基礎算力資源，實現數據的標準化管理和高質量的數據服務，同時，通過可視化拖拽方式，實現靈活且低代碼方式的AI處理定義，最終形成AI業務流。

中小銀行基于AI中臺的應用成果

近年來，中小銀行積極開展AI中臺項目建設，在數據處理、建模開發、模型管理、AI能力納管、編排與管理監控能力上都有了較為顯著的提升。以AI中臺為基礎，各家中小銀行在客戶營銷、反欺詐與風險管控、運營管理等業務場中，開發了一系列滿足數字化、智能化的AI應用。

蘇州銀行

蘇州銀行加強AI數智賦能提升金融服務質效和客戶體驗。通過搭建RPA（機器人流程自動化）、生物識別、智能OCR等AI技術平臺，向運營管理、風險管控、渠道建設、產品營銷等多領域輸出AI能力，不斷提升金融服務的智能化、數字化和精準化水平。該行圍繞“以客戶為中心”的經營理念，梳理覆蓋公司、零售和同業客戶的標簽管理體系，實現了標簽管理、客群洞察、客戶查詢三大主體功能，以及標簽客群分析及可視化、標簽接口等12項擴展功能。依托工商、稅務、海關、法院、輿情、地方征信等數據，建立起AI審批模型、反欺詐模型和大數據預警模型。落地了標簽體系建設項目、基于RPA的智能自動化平臺、基于大數據的數智運營管理平臺、基于深度學習的智能OCR識別平臺等一系列數智平臺及AI應用項目。

青島銀行

青島銀行完成了全行級企業知識AI中臺的基礎建設，實現了行內、行外數據整合分析，建成了面向營銷、風控、監管的三大基礎數據集市，初步實現了面向客戶的AI營銷體系。該行將風險AI決策及AI預警嵌入到信貸業務的全生命周期，建設了“集團智能化預警項目”和“智慧信貸二期項目”。同時，重點升級了“大數據集群產品”，全面夯實大數據集群底座，實現多套AI應用及一百多套數據源的接入，有效盤活了全行數據資產?；贏I中臺發力移動場景建設，將銀行業傳統的經營服務向互聯網模式下的主動服務轉變，為客戶提供個性化、智能化服務。通過完善全行大數據平臺，投產“集團AI智能化預警”“鷹眼360智能風險監控平臺2.0”等項目，全面提升AI風控管理能力、數據分析決策能力。

齊魯銀行

齊魯銀行基于AI中臺，將語音分析和自然語言處理應用于營銷外呼語音全量數據的質檢分析，解決營銷過程管理抽樣質檢覆蓋率低，人工質檢主觀性強、效率低，缺乏數據分析等問題。目前，日處理語音數據達5000余條，節約了管理及運營成本。此外，在金融票證識別方面，齊魯銀行智能中臺可由客戶自行上傳票證，替代了傳統的手工錄入，日識別量達1000余張，不僅節省人工錄入成本，還大幅提高了業務辦理效率。提供全行統一的客戶身份核驗，全面輔助公司、普惠、個人客戶各類線上貸款業務，在貸款申請流程中輔助客戶完成信息錄入、證件識別、身份驗真、生物特征核驗，大幅提高了客戶業務的辦理效率。通過客戶交易渠道、頻率、金額、時間段等信息，構建異常交易反欺詐模型體系，模型預警準確率較專家類模型提升12倍，提升了銀行識別涉賭涉詐賬戶的能力。

綜上所述，AI中臺的建設可以有效地解決中小銀行AI研發能力不足、AI應用場景分散、異構AI能力無法統一管理復用、數據資產分散難以快速應用等一系列問題。AI中臺作為智能服務的基礎設施，提供了一套完整的人工智能模型應用于全生命周期管理與服務的體系，通過業務、技術、數據的融合聯動讓人工智能技術具備更強的業務定制能力，為中小銀行數字化轉型提供了一條便捷之路。中小銀行應充分發揮平臺價值，力爭在金融風險防控、精準營銷、智能反欺詐等方面取得豐碩成果，不斷提升金融服務能力，更好地支持實體經濟和數字經濟的融合發展。

（作者單位：齊魯銀行董事會辦公室，其中胡金良系齊魯銀行黨委委員、董事會秘書，張貝旎系齊魯銀行董事會辦公室總經理）

責任編輯：董?治