SBS（一家全球性金融科技公司）首席执行官Eric Bierry谈到了银行人工智能试点项目为何能够成功而推广项目却失败的原因，以及在2027年全面推广之前需要做出哪些改变。

《金融科技时报》向SBS首席执行官Eric Bierry提出了七个书面问题，探讨了为什么只有极少数银行将人工智能应用到试点阶段之外，受监管机构内部实现企业级推广的现实路径是什么样的，这项技术在哪些方面仍然被过度推销，以及从现在到计划于2027年初全面推出的平台之间会发生什么。

1.尽管投入巨资，但只有大约三分之一的银行成功地将人工智能应用于哪怕一个核心流程。究竟是什么阻碍了它们？

技术本身并不是真正的问题所在，我想当我这么说的时候，很多人都会感到惊讶。真正阻碍银行发展的是数据。这些机构拥有海量数据，这些数据分散在原本设计为可以相互通信的系统中。此外，银行还面临着合规方面的种种要求，这使得数据传输变得异常复杂，而且一直没有人有时间或授权来妥善解决这个问题。

当你试图在一个没有系统化数据的机构中运行人工智能时，几乎会立即遇到瓶颈。试点项目看起来很棒，因为有人精心整理了数据，但大规模推广却失败了，因为底层数据一团糟。我们一次又一次地看到这种情况，这也是为什么我们在推出人工智能基础架构之前，花费数年时间完善数据基础的原因。

2.SBS已将人工智能直接集成到各机构已运行的核心银行、贷款和数字银行平台中。为什么不将人工智能作为单独的产品提供供用户集成，而选择这种方式呢？

我们目睹过银行购买人工智能产品，也知道这些产品往往最终都以失败告终。通常情况下，引入新产品需要长达十八个月的集成工作，而之后几个月甚至几年的时间里，总会有人在维护一个昂贵却无人真正理解的产品。我们不希望我们的解决方案重蹈覆辙。

我们的客户长期以来一直在使用SBS系统。他们信任这些系统，他们的员工也熟悉这些系统，更重要的是，他们的数据已经存储在系统中。所以我们想，如果我们让这些系统更智能会怎样呢？说起来似乎太简单了，但它彻底改变了系统的采用方式。你不需要合规官学习一个新平台，你只需要让他们已经在使用的系统提供更好的信息。

3.利用各机构自身环境中已经受到管理和保护的数据，如何改变围绕人工智能的监管讨论？

当银行与监管机构面谈，监管机构询问银行数据存储在哪里以及由谁控制时，银行的回答至关重要。如果数据被传输到第三方系统，即使是暂时的，也会引发一系列关于所有权和控制权的问题。

当模型仅在机构内部运行时，您可以向他们展示模型分析了哪些内容、为何生成了这些输出结果以及完整的审计跟踪记录。这使得在严格合规要求下，银行也能进行部署。过去，许多银行之所以束手无策，正是因为他们无法接受这种解决方案。

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

如果从零开始构建数据基础，那将耗费数年时间。要将分散的机构数据统一、管理并使其足够可靠以支持人工智能决策，没有捷径可走。我们所做的，就是为客户解决了这个问题，因为SBS基础设施已经构建好了一切。

即便有了这样的基础设施，银行仍然需要仔细验证各种应用场景。例如，如果银行没有十足的把握能够解释人工智能生成的洞察结果，就不应该将其作为贷款决策或监管文件提交的依据。但这项工作所需时间从数年缩短到数月，对于那些长期以来一直期待看到人工智能投资回报的客户来说，这是一个显著的进步。

5.人工智能目前在核心银行业务中哪些方面能带来可衡量的价值？哪些方面又被过分夸大了？

它最能发挥作用的地方在于提升效率和优化决策。例如，一位高管过去需要等待五天才能拿到数据报告，现在几分钟就能得到答案。另一个例子是，合规团队将过去需要两天才能收集到的证据流程缩短到了几个小时。这些应用案例或许并不引人注目，不足以成为会议上激动人心的讨论话题，但日积月累，它们带来的效益却十分显著。

我认为银行业在自主决策方面仍然有些操之过急。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，人工智能短期内都无法取代银行业中的这些环节。

6.为了做好准备，银行的技术领导层在未来十二个月内应该做些什么？

别再纠结该用哪个模型了，因为模型几乎从来都不是制约因素。我看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，而且存放在十五年无人问津的系统中。未来十二个月里，那些认真对待数据问题、真正着手解决的技术领导者，在人工智能技术进一步成熟时，将会处于截然不同的地位。而那些不采取行动的人，只会眼睁睁地看着他们的试点项目停滞不前，却不知其所以然。

这并非关乎他们全部的数据，而是关乎人工智能所使用的、并影响人工智能结果的数据。这与金融服务机构传统的数据处理方式截然不同。