摩根大通的AI之旅：广度、深度以及变革

目前，大部分美国大型银行都在努力发掘AI技术中的潜能，但凭借着极具深度的技术承诺、广泛的项目覆盖范围以及对利用AI推动实际业务变化的高度关注，摩根大通成功从同侪当中脱颖而出。在总资产方面，摩根大通是美国最大、全球第六大银行，且已经在全部常规银行业务领域当中引入AI项目或者生产级应用，具体包括：风险、欺诈预防、市场营销、投资银行、理财建议、交易、后台办公自动化以及客户参与(特别是目前的企业银行业务领域)等等。更重要的是，摩根大通在投资水平、聘请AI学术大师以及协调管理AI与分析等方面，也采取了与其他企业有所不同的探索之道。

大通银行的大规模投资、深度AI与分析

摩根大通每年在技术方面的开销高达110亿美元，其中约一半用于研究新兴技术，投资方向涵盖广泛的领域，例如支持AI初创企业以及参与基于AI的对冲基金等。

为了了解摩根大通旗下消费级部门大通银行的AI应用情况，我们与大通银行首席数据与分析官Sandra Nudelman进行了交流。Nudelman主要负责数据与分析工作，包括建立数据生命周期的全面视力。她目前的主要精力集中在创新议程之上，即在AI技术的背景之下，大通银行应如何构建AI模型以改善各方面绩效以及与客户之间的关系。

Nudelman的团队建立起持续改进的文化，力求随着时间推移能够不断提高简略与绩效水平。他们的努力已经为业务带来了重大提振，但仍在不断寻找更多值得发掘的优化空间。Nudelman指出，“我们运行有一套预测建模引擎，而且在努力使其运行得更好。”改进引擎的一种可行方法，就是对其生成的分析与AI模型进行复用。因此，整个团队都致力于提高模型复用能力，借此提高效率与成本效益。大通银行的数据与分析章程就涵盖了从常规报告到复杂AI模型的各类分析与AI解决方案。但可以想见，无论具体采用哪种模型类别，只有在强大的分析师与数据科学家手中，它们才能真正迸发出能量。因此，大通银行也一直在物色卓越的人才。

作为高复杂度模型案例，Nudelman向我们介绍了大通银行数字部门的机器学习应用程序。这款应用程序用于确定特定用户能够在大通银行数字平台上查看到哪些信息。一般来说，机器学习模型往往需要接纳新的训练数据才能完成整体转变，但是大通银行的这套模型需要根据客户的实时输入与行为做出快速改变，从而真正实现客户体验的个性化与关联性。因此，机器学习开发人员们提出了一种可持续模型构想，这套模型每天可进行数百次更新。这种能够应对大量快速变化数据的机器学习系统，无疑代表着未来的最佳模型设计与业务需求。

当然，这类功能的实现也要求企业为相关变化做好一切准备——包括流程、任务与监控等等。Nudelman解释道，与客户协作的所有工作人员必须与业务负责人保持紧密联系，而负责人则担当流程与变更的所有者。对于数字应用程序，他们的业务伙伴是大通银行内部的数字营销渠道负责人，他们与其他业务负责人一道管理着应用程序中的业务元素。市场营销分析团队监控模型在特定时间段内的运行状况，分析与AI团队审查并启用变更管理，同时还要配合上充分的监督与治理机制——各部门间分管一摊，但项目本身的归属权仍然清晰稳固。

大通银行的大部分模型相对易于理解，但某些复杂的机器学习模型确实难度更高、挑战性更强。因此，大通银行的分析与AI团队还需要与监管机构严密配合，以确保有能力以负责任的方式使用机器学习与AI技术。他们还会持续关注大通银行如何保障客户财务状况并保护其数据隐私，同时持续跟踪自己的努力最终如何为客户带来收益。

AI治理与协作

Nudelman的部门只是摩根大通内部众多关注AI技术的组织之一。摩根大通目前拥有53000名负责银行技术相关事务的员工，其中不乏AI技术领域的顶尖人才。2018年，摩根大通聘请了时任卡耐基梅隆大学机器学习研究负责人的Manuela Veloso，由其领导摩根大通的AI研究部门。Veloso也带来了她的门生与好友——来自谷歌的Prashant Reddy以及佐治亚大学技术教授Tucker Balch——共同组建AI研究管委会。外部高水平人才的引入，为摩根大通的AI生产能力发展带来巨大助力。同样是在2018年，摩根大通又邀请Apoorv Saxena出任设在硅谷的“AI与机器学习服务”部主管一职。他此前曾在谷歌公司领导云AI服务的产品管理工作。摩根大通还招聘了一大批行业领先研究人员，其专业方向涉及风险、贸易以及量子计算机机器学习等多个领域。

不同的技术对应不同的卓越中心，其中包括专门的机器学习与自动化中心。特定部门中的分析与AI小组，有时也会与特定的卓越中心或研究组织合作进行项目开发。例如，大通银行的Nudelman小组目前正在与Manuela Veloso的AI研究小组合作推进项目，旨在预测银行的整体客户体验，同时确定客户流程数据是否能够有效预测客户的净推荐值。

不过总体而言，像Veloso这样的研究小组更倾向于研究时间跨度较长的问题。而Nudelman这类小组则更倾向于处理短期工作，目标是将分析与AI技术引入大通银行业务，从而推动业务变革与升级。

面对这些目标多种多样、但都以AI为中心的具体部门，摩根大通自然需要对其进行内部协调、治理与共享。在大通银行内部设有AI/ML委员会，每月召开一次会议，讨论原有项目并评估新近出现的挑战。事实上，摩根大通在其他领域也设有类似的管委会体系。其全球研究组织下设量化委员会，专门负责分析、大数据与AI等重要议题。

目前，摩根大通已经在内部达成一项广泛共识，即该银行应该不会因引入AI与自动化而千万大规模工作岗位流失。相反，他们的第一要务在于提高一线员工的技能，使其适应利用AI技术处理日常工作与任务的全新业务模式。该银行已经承诺投入3.5亿美元进行员工再培训，而且目前正在与麻省理工学院“数学经济”计划开展合作，希望对当前业务体系中可被自动化替代的技能进行分类。

展望未来

目前，摩根大通已经把众多由AI驱动的银行流程引入生产层面，具体包括欺诈检测、交易执行以及定制化信用卡优惠等等。预计未来还将出现更多振奋人心的重要技术成果。

我们无法断言AI技术到底给摩根大通乃至整个银行业带来了怎样程度的影响与变革，但摩根大通做出的承诺有望在业务流程、产品与服务以及加深客户关系等方面，为我们带来可资借鉴的宝贵素材。