“本體智能是將傳統(tǒng)技術(shù)導(dǎo)向的數(shù)據(jù)模型治理，升級為面向業(yè)務(wù)本身的事實模型，精準(zhǔn)解釋自然語言驅(qū)動的業(yè)務(wù)活動。它將客戶、賬戶、交易、風(fēng)險事件、產(chǎn)品等核心業(yè)務(wù)要素定義為‘活的實體’，讓原本躺在表格里的靜態(tài)數(shù)據(jù)，轉(zhuǎn)變?yōu)榭杀粰C(jī)器‘理解、關(guān)聯(lián)、推理’的動態(tài)對象，真正打通技術(shù)與業(yè)務(wù)的壁壘，破解大模型‘不懂業(yè)務(wù)’的痛點(diǎn)。”3月28日，在新金融聯(lián)盟主辦的“金融智能體的業(yè)務(wù)賦能與安全合規(guī)”內(nèi)部研討會上，中科金財(002657)董事長朱燁東在主題演講中表示。
他介紹，基于本體底座構(gòu)建的銀行大腦，可以理解口語化或?qū)I(yè)術(shù)語的提問；通過推理發(fā)現(xiàn)隱形知識；對銀行全部的硅基員工進(jìn)行統(tǒng)一管控和調(diào)度，讓硅基員工利用統(tǒng)一無歧義的業(yè)務(wù)語言交流并執(zhí)行任務(wù)；成立硅基員工專屬HR部門，對其生產(chǎn)、發(fā)放、授權(quán)、監(jiān)督及人機(jī)協(xié)同全流程規(guī)范化管理，實現(xiàn)管理模式的革新。
會議由新金融聯(lián)盟秘書長吳雨珊主持，中國金融四十人論壇提供學(xué)術(shù)支持。國家金融監(jiān)督管理總局科技監(jiān)管司相關(guān)領(lǐng)導(dǎo)也作了主題交流、建設(shè)銀行原首席信息官金磐石。民生銀行(600016)首席信息官張斌、北京銀行(601169)首席信息官明立松、交通銀行金融科技部副總經(jīng)理朱麟也發(fā)表了主題演講。94家銀行、非銀機(jī)構(gòu)與科技公司代表通過線上線下參會。以下為朱燁東發(fā)言全文。
從數(shù)據(jù)驅(qū)動到本體智能——銀行AI的質(zhì)變之路
文| 朱燁東
中科金財董事長 朱燁東
當(dāng)前，銀行業(yè)處于從數(shù)字化向智能化轉(zhuǎn)型的關(guān)鍵階段。若人工智能無法顯著提升銀行效率、改善財務(wù)模型，便稱不上真正的工業(yè)革命，也談不上代際躍遷。在發(fā)展人工智能的同時，必須解決幻覺、不穩(wěn)定、不準(zhǔn)確等問題，這直接關(guān)系到業(yè)務(wù)生產(chǎn)安全和治理安全。目前，我們已與某大型銀行在信貸場景中，落地了“本體”解決方案。在此，我與大家分享我們在企業(yè)大腦、硅基員工及本體論方面的實踐成果與思考。
一、當(dāng)前大模型應(yīng)用的痛點(diǎn)
各銀行在應(yīng)用大語言模型過程中，普遍面臨諸多問題，如大模型“幻覺”與決策“黑箱”、投入大但使用效率低等。這些問題的產(chǎn)生，主要源于以下幾個方面。
第一，數(shù)據(jù)治理不到位。傳統(tǒng)數(shù)據(jù)治理主要聚焦于監(jiān)管報送、內(nèi)部查詢等基礎(chǔ)需求，并未圍繞智能體、人工智能或業(yè)務(wù)運(yùn)營管理升級展開，導(dǎo)致數(shù)據(jù)標(biāo)準(zhǔn)化、一致性難以保障。若數(shù)據(jù)治理無法滿足智能應(yīng)用的要求，后續(xù)將面臨一系列生產(chǎn)安全風(fēng)險及決策偏差問題。同時，靜態(tài)數(shù)據(jù)無法及時反映業(yè)務(wù)動態(tài)變化，導(dǎo)致大模型難以捕捉實時風(fēng)險，最終造成風(fēng)險管控滯后。
第二，語義理解斷層。技術(shù)與業(yè)務(wù)之間存在“語言壁壘”。通用大模型缺乏對銀行業(yè)務(wù)的深度認(rèn)知，無法精準(zhǔn)解讀業(yè)務(wù)真實需求，出現(xiàn)聽不懂、做不對等情況，難以支撐核心業(yè)務(wù)決策。如果語義理解本身是錯誤的，后續(xù)問題就更大。
我們較早與國內(nèi)計量語義學(xué)專家合作，深入研究語義模型。在生產(chǎn)過程中，我們發(fā)現(xiàn)，通用大模型在垂類應(yīng)用做復(fù)雜關(guān)鍵任務(wù)時存在明顯不足，聽不準(zhǔn)，準(zhǔn)確率低。在一線生產(chǎn)問數(shù)過程中，若語義理解出現(xiàn)偏差，后續(xù)行動任務(wù)編排將面臨更大隱患。
二、本體論：銀行AI落地的核心方法論
全球領(lǐng)先銀行在智能體與硅基員工方面進(jìn)展迅速，部分銀行已部署數(shù)萬個硅基員工進(jìn)行復(fù)雜任務(wù)編排。我們通過實踐探索，得出結(jié)論：數(shù)據(jù)本體論或知識本體論是解決硅基員工業(yè)務(wù)落地、滿足監(jiān)管AI安全治理要求及保障生產(chǎn)安全的關(guān)鍵。
當(dāng)前，AI應(yīng)用已向“認(rèn)知層” 深度演進(jìn)。在當(dāng)代全球金融體系中，數(shù)據(jù)治理的內(nèi)涵正從“技術(shù)資產(chǎn)管理”向“業(yè)務(wù)知識管理”發(fā)生根本性轉(zhuǎn)變。傳統(tǒng)數(shù)據(jù)管理手段已顯捉襟見肘，國際大行已開始實踐新的解決方式——語義治理。
經(jīng)過對全球多個大模型在垂直行業(yè)落地方法論的研究，我們認(rèn)為，本體論是當(dāng)前金融行業(yè)落地實踐中行之有效的方法論。盡管未來可能出現(xiàn)更優(yōu)方案，但現(xiàn)階段尚未發(fā)現(xiàn)超越本體論的方法。
什么是本體？“本體”（Ontology）是銀行業(yè)AI突破瓶頸的破局之道，是銀行AI大腦的神經(jīng)元網(wǎng)絡(luò)，也是驅(qū)動大模型與智能體的核心操作系統(tǒng)。本體是由數(shù)據(jù)模型、流程模型、規(guī)則模型、組件模型、元數(shù)據(jù)模型等構(gòu)成，既能精準(zhǔn)理解自然語言，又能借助大模型對復(fù)雜業(yè)務(wù)問題進(jìn)行深度推理，堪稱“全才銀行業(yè)務(wù)專家”。
本體不是數(shù)據(jù)庫，而是將傳統(tǒng)技術(shù)導(dǎo)向的數(shù)據(jù)模型治理，升級為面向業(yè)務(wù)本身的事實模型，精準(zhǔn)解釋自然語言驅(qū)動的業(yè)務(wù)活動。它將“客戶”、“賬戶”、“交易”、“風(fēng)險事件”、“產(chǎn)品”等核心業(yè)務(wù)要素定義為“活的實體”，讓原本躺在表格里的靜態(tài)數(shù)據(jù)，轉(zhuǎn)變?yōu)榭杀粰C(jī)器“理解、關(guān)聯(lián)、推理”的動態(tài)對象，真正打通技術(shù)與業(yè)務(wù)的壁壘，破解大模型“不懂業(yè)務(wù)”的痛點(diǎn)。
正如Palantir CEO 所言，如果沒有本體底座，AI智能體只不過是昂貴的玩具。若缺少本體論構(gòu)建的業(yè)務(wù)模型、行動模型與語義理解模型，系統(tǒng)極易出現(xiàn)各類問題，難以真正投入實際業(yè)務(wù)應(yīng)用。
基于本體底座構(gòu)建的銀行大腦，可以理解口語化或?qū)I(yè)術(shù)語的提問；通過推理發(fā)現(xiàn)隱形知識；對銀行全部的硅基員工進(jìn)行統(tǒng)一管控和調(diào)度，讓硅基員工利用統(tǒng)一無歧義的業(yè)務(wù)語言交流并執(zhí)行任務(wù)；成立硅基員工專屬HR部門，對其生產(chǎn)、發(fā)放、授權(quán)、監(jiān)督及人機(jī)協(xié)同全流程規(guī)范化管理，實現(xiàn)管理模式的革新。實踐數(shù)據(jù)顯示，硅基員工的成本僅為真人員工成本的1/16，成效顯著。
三、中科金財?shù)谋倔w建設(shè)規(guī)劃與核心能力
我們采用本體論構(gòu)建業(yè)務(wù)模型，分成五個級別，最高級別為數(shù)字孿生，能大幅提升敏態(tài)和穩(wěn)態(tài)，同時兼顧敏捷與生產(chǎn)治理安全。在這兩年的摸索實踐中，我們總結(jié)了一系列的方法論和模型，包括：本體構(gòu)建方法論、工藝過程設(shè)計方法論、知識框架構(gòu)建，以及術(shù)語建模、數(shù)據(jù)建模、流程建模、規(guī)則建模等具體模型，同時配套了數(shù)據(jù)提取等相關(guān)工具。
在實踐中，我們積累了四大優(yōu)勢。
第一，理論優(yōu)勢。公司團(tuán)隊由數(shù)學(xué)、哲學(xué)、語義學(xué)科學(xué)家構(gòu)成。我們認(rèn)為，缺乏哲學(xué)基礎(chǔ)，便無法構(gòu)建對業(yè)務(wù)模型和世界規(guī)則的認(rèn)知。在本體認(rèn)知領(lǐng)域，我們構(gòu)建了“記憶認(rèn)知”、“詞匯表征”、“形式幾何”三大模型。
第二，工具支撐。我們具有完整的從“學(xué)術(shù)到實踐”的工程化方法和軟件工具技術(shù)棧，正協(xié)助銀行從被動數(shù)據(jù)治理轉(zhuǎn)變?yōu)橹鲃颖倔w語義運(yùn)營。
第三，實施經(jīng)驗。運(yùn)用“金融本體語義底座”為大型商業(yè)銀行落地AI場景，效果良好。
第四，成熟的“本體”模型。我們擁有經(jīng)過銀行驗證、適配國內(nèi)金融機(jī)構(gòu)且自主可控的本體語義模型。
四、典型落地場景
信貸場景
基于金融本體語義底座，我們實現(xiàn)了信貸全流程的“本體”落地。SinoOntology以統(tǒng)一業(yè)務(wù)語義層為基礎(chǔ)，通過Agent+本體雙輪驅(qū)動，重構(gòu)授信盡調(diào)全流程：自動穿透多源底層數(shù)據(jù)庫，精準(zhǔn)抓取企業(yè)征信、財務(wù)、訴訟等真實數(shù)據(jù)源；對多元數(shù)據(jù)進(jìn)行交叉驗證與研判；自動完成企業(yè)流水鑒真、合規(guī)校驗與盡調(diào)報告生成，大幅提升報告生成效率。
在風(fēng)險分析模塊，Agent調(diào)度本體網(wǎng)絡(luò)進(jìn)行深層關(guān)聯(lián)推理，穿透表象數(shù)據(jù)，精準(zhǔn)挖掘企業(yè)的隱性風(fēng)險，消除人工摘抄錄入的差錯風(fēng)險，統(tǒng)一全行風(fēng)控標(biāo)準(zhǔn)，提升客戶滿意度。
業(yè)務(wù)元數(shù)據(jù)治理
依托大模型智能提取與本體論語義約束，提供新一代業(yè)務(wù)元數(shù)據(jù)治理服務(wù)。以動態(tài)業(yè)務(wù)本體為統(tǒng)一語義底座，自動化梳理術(shù)語、指標(biāo)、規(guī)則與數(shù)據(jù)血緣，實現(xiàn)異構(gòu)系統(tǒng)元數(shù)據(jù)對齊、智能補(bǔ)全與合規(guī)校驗，從根源解決口徑?jīng)_突、數(shù)據(jù)不可信、溯源難等痛點(diǎn)。業(yè)務(wù)人員無需參與繁雜的標(biāo)準(zhǔn)梳理工作，我們可獨(dú)立完成元數(shù)據(jù)治理，降低協(xié)同成本。
電話催收場景
本體技術(shù)已在銀行電話催收場景落地應(yīng)用。通過構(gòu)建催收知識網(wǎng)絡(luò)，整合賬戶、逾期、合規(guī)等全維度信息，實現(xiàn)話術(shù)精準(zhǔn)匹配、客戶意圖實時解析與個性化方案推送，在提升催收效率與資產(chǎn)回收效果的同時，嚴(yán)控合規(guī)風(fēng)險、優(yōu)化客戶體驗。
五、未來展望
中科金財將持續(xù)深耕本體建模與金融語義層的工程化建設(shè)，深化安全合規(guī)治理在本體中的應(yīng)用，以全面驅(qū)動大模型及“硅基員工”的應(yīng)用效能與運(yùn)行安全。期待與大家共同探索企業(yè)大腦、上萬硅基員工的復(fù)雜任務(wù)編排與人機(jī)協(xié)同。
未來銀行的核心競爭力，不再取決于掌握多少數(shù)據(jù)，而在于能否深刻理解數(shù)據(jù)背后的業(yè)務(wù)本質(zhì)，精準(zhǔn)預(yù)見風(fēng)險與機(jī)遇。讓我們攜手推動銀行業(yè)從“數(shù)據(jù)驅(qū)動”邁向“本體智能”的全新跨越——不僅記錄歷史，更能模擬未來、把握未來。
最后，我們希望在知識本體、行業(yè)標(biāo)準(zhǔn)，以及面向AI原生的金融元數(shù)據(jù)標(biāo)準(zhǔn)方面，形成行業(yè)共識與標(biāo)準(zhǔn)，助力行業(yè)安全發(fā)展。
本文首發(fā)于微信公眾號：新金融聯(lián)盟NFA。文章內(nèi)容屬作者個人觀點(diǎn)，不代表和訊網(wǎng)立場。投資者據(jù)此操作，風(fēng)險請自擔(dān)。
【免責(zé)聲明】本文僅代表作者本人觀點(diǎn)，與和訊網(wǎng)無關(guān)。和訊網(wǎng)站對文中陳述、觀點(diǎn)判斷保持中立，不對所包含內(nèi)容的準(zhǔn)確性、可靠性或完整性提供任何明示或暗示的保證。請讀者僅作參考，并請自行承擔(dān)全部責(zé)任。郵箱：news_center@staff.hexun.com
最新評論