场景跃迁中的进化力才是AI创业组织的核心|TEDxZhichunRd

TEDxZhichunRd秉承TED理念“Ideas worth spreading”，传播科技创新成果，以TEDx演讲为核心价值，通过多种衍生形态为汽车、汽车金融、科技等行业同行、专家学者提供平台。为了打造全国最大的创新者发声平台，TEDxZhichunRd联合爱分析，对行业内创新人物进行采访，了解公司发展，树立品牌形象。

本期采访到的是文因互联创始人兼CEO鲍捷，他将就智能金融行业及文因互联业务发展情况与各位读者进行交流。（内容转自爱分析）

以下为访谈实录：

问题：人工智能技术能够对金融产生多大影响？

鲍捷：计算机能对金融产生多大影响，人工智能就能产生更大的影响。金融可能是所有人工智能应用领域里面最好的，因为本质上来说，金融的核心就是处理信息。信息的处理有传感器，有行动器，有分析器，现在的效率还是非常低的。传统的信息处理都是人工来做，但未来一定会用机器来替代人工。

今后十年，人工智能技术会不停地渗透各个领域，会成百上千倍地提高各个环节的效率，这是必然会发生的事情。这可能会分成两个阶段，第一个阶段就是大家看到的提高效率，而效率提高之后就会使组织产生巨大的变化。

问题：如何看待大数据加AI在风控领域的发展？

鲍捷：大数据风控到最后还是拼数据和运营能力，与技术关系不大。各个细分领域的风控都不一样，很重要一点就是切入业务场景的能力和进入系统的能力，因为风控是金融机构最核心的业务环节，相当程度上需要驻场到里面去。

我把Fintech分为上半场和下半场。这种工作还是我所称为的Fintech上半场工作，就是原有业务的延伸，相对而言更容易；而下半场是原有业务的重构和新场景的构造，难度会更大。

所以不管是支付也好，B2B也好，甚至所谓早期的风控也好，其实都是对原有业务做增量的改进，而不是本质的改进。

问题：想要有所突破应该如何切入？

鲍捷：早期切入有两点，一个是自上而下，一个是自下而上。这两点是最有可能突破的，反而不是中间的。

先说中间层，比如国有四大银行之类的，未必是最早能够实现业务突破的地方，包括所有大家熟悉的传统业务。比如银行的风控、获客，比如券商、私募的投研，这些都大概率不是人工智能最早突破的地方，尽管这些地方是最有钱的地方。

真正实现突破的，第一个是自上而下，在监管合规和系统体系构造上，因为这是强刚需。

十九大以来，从各大金融机构、监管机构发言中，可以看到核心的两个字，监管。这其实是一个蛮正面的事情，因为美国也是这样的，美国金融业历史，每一次大的突破，每一次行业的跃迁，其实都是国家意志推动。

靠金融机构自发来实现这种突破都是不可能的，中国金融业也是这样的。只有国家做，但国家做这件事情的目的不是挣钱，而是从国家层面上保障最优的资源配置。

所以从金融智能系统的演化来说，不管是开放数据还是统一数据，相信会在今后两三年内不断渗透下去。五年十年之后，现在的信息披露流程，信息处理流程，全都会变。

现在从结构化数据到非结构化数据，然后再到结构化数据，中间浪费了太多人力，以后不会再有这样的事情。企业从财务科开始，到投资者那里，一条财务高速公路打过去，这才是金融，这才是优化资源配置。

另一方面是从下往上去，可能所有变革都会是这样。

目前最舒服的那些机构，或者最主流的机构，它的变革意愿是不强的，即使意愿强，想搞定内部所有部门简直不可能。即使是一个小银行，内部协调成本都是很高的，更不用说大银行，三年五年都很难做成事情。

不过，全国有800个农商行，可能很多人看不起这些小银行，但这些银行是最愿意做技术革新的，我觉得希望在他们身上。越小的机构越具有突破性，新的业务，越没有历史积淀的业务，越容易突破，而传统的这种获客、风控，我不认为是这一轮突破的关键。

问题：自上而下的突破可以理解为是监管科技吗？

鲍捷：对，当然比监管科技的范围可以再广一点。

最近银监会发文，提出银行数据治理。中国的银行中除了十几家上市银行的财报是规范的，其他将近4,000家都是五花八门。不解决这个问题，再往下根本无法做数据治理，无法实现行业互通。现在证监会、银行业协会都很难从看到的数据去判断一家银行。

监管的核心还是通过监管行为来促进标准件建设，也就是统一。另外一方面，监管往下会涉及到信息披露督导，然后评级体系等，都会随着监管发展发生变化。

再深一层，它可能真的会引发一个新的行业出现，金融情报分析。美国的金融信息服务大头都在情报这一块，中国这块市场几乎没有。

问题：技术能为监管做什么？

鲍捷：现在很难判断做什么，但是监管科技早期肯定是要跟核心机构，包括政府在内，做很多服务工作。

现在还在早期，金融机构真正开始用人工智能来做监管，也就是最近12个月的事情。大家在各个层面上都在尝试，包括最早的公告结构化，其实是好几家都在做的事情。

然后企业层面就是把公告内容打通，包括建立所谓的企业画像，也是很多人在做的事情。还有一些跟学校的合作，包括市场微观结构的分析，通过交易数据来发现里面可能出现的风险点等。

传统舆情公司没有把这块服务好，这也是新兴的人工智能技术才能够做到的事情。直接从数据准备开始，到信息披露标准化，再到这种所谓的情报分析。

比如说要打通一次并购事件，信息可能分散在几十个不同的公告里，情报分析能够实现不通过人工阅读，快速发现里面的脉络。所以中国市场还是蛮需要像Palantir那样的公司，但现在还没有。

问题：监管科技的市场规模有多大？

鲍捷：这分为广义的和狭义的。如果看狭义的，给政府做项目可能只有几个亿，不是很大，但是要看到监管是有波动效应的，是有巨大的乘数效应的。当它扩散到券商的时候，可能就是几十个亿了；当它扩散到所有上市公司和新三板公司的时候，可能就是几百个亿了；再往下扩展，财报结构化之后，后面审计就可以自动化了。

当这些一级一级地传导下去，传导到最终2,000万会计那里的时候，市场规模恐怕就不是几百亿了。所以，当一件事情被标准化以后，所能产生出来的新兴业务是现在难以想象的。

从标准件到情报网络，再到金融的神经系统

问题：如何理解打造标准件的概念？

鲍捷：包括文因互联在内，现在所有的哪怕是一线的人工智能公司，对金融场景的理解还是远远不够。我们能够提供的价值，实际上是在某些关键的地方进行服务。

比如他的关节有点问题了，帮他换一个关节，当然一步步升级技术能力后，帮他换一个人工心脏，也是有可能的，但是早期需要从一些他迫切需要的标准件开始做。比如说他需要搜索，给他一个搜索，但搜索可能不是他最核心的业务。比如他需要产品文档结构化，就给他做个产品文档结构化。

知识图谱相当于是发动机，但是从发动机到轮胎那里要把力量传送过去，需要新时代的各种传动装置，文因互联也提供这样的传动。

收集数据就是传感器，把数据应用到各个领域里发挥作用，其实就是各种作用器。在具体的场景里，这些作用器基本上就是各种各样的规则，监管、信贷、审计等等。

给金融机构提供服务时，我不太爱谈技术。客户关心的是你能帮我解决什么问题，都是很现实的事情，未必要一个机器学习平台。提供一些标准件解决这些问题，才是这个时代我们该做的事情。

所以文因互联的公告、年报、图表的提取，图表搜索，一些简单的市场监控，是这个阶段去切入市场比较正确的姿势，提供一个标准件给他。他本来要一年时间才能完成的事情，现在两星期就做了，这才是切切实实能为客户做到的事情。

问题：文因互联下一步会做什么事情？

鲍捷：往前走，文因互联真正的使命是要做金融的神经系统，监控市场上、社会上发生的各种各样的经济情报。如果五年之后文因互联还屹立在市场上，肯定是这样一个身份，就是金融的神经系统。

到那个时候，各级政府，各种企业，总共几百万家企业，要做一个经济决策，肯定要看文因互联的市场情报分析，经济情报分析。这种动态分析可能做得比某些政府部门还要好，因为文因互联有最先进的技术，这是我真正想做的事情。

现在我们监控的只有1.5万家公司，那么可能以后是监控1亿个不同的单位。那个时候文因互联是一个多大体量的公司，我不敢说，但我们心中还是怀了一个很大的梦想。

问题：第二阶段与第一阶段最大的差别是什么？

鲍捷：实际上在第一个阶段，文因互联是一个点，客户是一个点，然后文因互联给客户提供一些东西，这是一对一的关系。到了情报阶段，可能经历过一对N的关系，然后是N对N的关系。

文因互联构造了情报网络，最终卖的不是数据，卖的是这个关系。实际上是要构造一个高速公路公司，而不是一个收费站。

我希望高速公路上跑的东西越多越好，文因互联不需要提供所有数据，不需要知道所有事情。我希望构造的是一个情报川流不息的，但能让每一个人看到最精准的东西，这样的网络。

效率提升与链条延伸带来客户价值

问题：现在文因互联有哪几条业务线？

鲍捷：这个问题要从客户角度来说，我们目前可以提供四大类服务。

自动化报告，一键按需生成取新三板、A股企业的PPT版报告，也可根据企业需求定制化开发，比如券商、私募基金、信托等通过企业自动报告快速筛选标的，提高投资业务效率。

智能数据，利用人工智能技术从Word、PDF、HTML等文档中自动提取关心的数据点，包括但不限于公告数据、研报数据、年报数据等。处理100页的PDF只要10秒钟，降低了从文档中摘数据的人力成本。

智能资讯，希望能帮企业做舆情监控，也能提供新闻推送、摘要、自动化写作。

智能监管与审计，根据设定的规则，对Word、PDF文档内容进行自动检查，包括内容完整性检查、数据前后一致性检查、数据点之间的关系检查等等。如果是监管机构，能帮助节省人力检查成本，提高检查结果的可靠性；如果是文档撰写机构，可以帮助避免低级错误，提高文档过审率。

其实这个分类比较粗，我们内部还整理了一个比较细的菜单出来，很有意思。

其实要把人工智能的技术和客户讲清楚很难，大多数客户走进饭店的那一刻不一定知道自己想吃什么，那就看看菜单，能提供什么样的服务，服务的具体内容是什么，如何部署，价格是怎样的，一目了然。

问题：智能问答相当于智能投顾吗？

鲍捷：文因互联在推智能投顾3.0概念，会提出一整套解决方案，几个大的模块，但传统的智能选股、智能诊股，大家都看得太多了，但后面最重要的可能是智能资讯、智能陪伴，这才是未来的智能投顾，未来服务质量的差距都会体现在这里。

因为靠所谓的诊股来提供高额收益，已经被事实证明是不可能发生的事情，最多是安慰剂。但是如何让用户在该有的机会发生时不错过，当他产生恐惧的时候去安慰他，让他发现希望，在发生变化的时候对他进行解释，这些事情以前都是要人才能做的，而现在80%的工作机器也可以做。这就是文因互联将来能够给未来的投顾带来的价值。

问题：文因云包含哪些功能？

鲍捷： 文因云实际上是我们的过渡产品，它的本质还是对当前技术能力的展现，更好地满足客户的需求。

我们能利用人工智能技术从Word、PDF、HTML等文档中自动提取关心的数据点，处理100页PDF只要10秒钟，并且基于此构建一个图谱数据库，进一步对知识图谱挖掘，利用规则引擎，针对实体属性或关系进行挖掘，用于发现未知的隐含关系。

问题：这项技术如何满足客户的需求？

鲍捷：从我们这两年多的实践来看，这一技术的应用范围比较广泛，能够满足研究报告结构化，公告数据结构化，财务报表数据提取与校对等需求。

比如，券商研究部希望能提高上下游产业链梳理效率，提高研究报告生产效率；审计机构需要针对财务报告内数据进行自动数学运算结果核查、一致性检查。这一些是需要和企业沟通，做技术的远程内部部署的。

另一块，就是提取以后的数据。基础数据包括但不限于公告数据、研报数据、财报数据等，我们当前对外发布了19种公告的数据，估计今年到年底之前会发布50种公告数据，而且保证了quality insurance，可以满足机构对数据采购的需求，而且根据不同级别付费。比如核心机构客户，保证在十秒钟之内给他一个结果，目前在中国其他各家应该没有人敢做保证。

另外就是分析能力，包括现在各种财务造假模型，财务分析模型，财务勾稽模型，中国财务标准财务模型，文因互联都已经把它知识图谱化了，13种财务造假模型，50多种财务风险点分析，搜索技术包括公告搜索和研报搜索，目前都是有实际客户落地的。

问题：在客户看来，文因互联给他们带来了什么样的价值？

鲍捷： 第一是解决效率问题，再有解决业务扩展问题。

效率问题就是之前每天工作到深夜才能够做完事情，现在虽然还是要工作很长时间，但是可以做更多的事情。因为以前公告的处理覆盖率不到5%，现在扩大覆盖率了。

第二是链条又加深了，比如说公告摘要项目就是最典型的。文因互联要做公告的结构化，是因为要做后面的自动化，这才是最有价值的事情。

现在上市公司的报告，里面出现的错误匪夷所思，而且监管机构还不能第一时间发现。这种错误以前用人力很难从几十万份报告里面发现出来，做了结构化以后就可以自动化审核。不管是国家也好，企业也好，券商中介机构也好，这都是大家喜闻乐见的事情。

还有一点，这也和我们的战略选择有关，我们不选择做那种动辄几千万的大项目，而是扎扎实实地打造一个一个快速部署便能看到效果的标准件。对大多数金融机构来说，不用一上来就烧掉几百上千万，能够用最小的成本就加上一点人工智能红利，我想这也是一种价值。