构建认知型金融：要有“聪明的大脑”和“强壮敏捷的身体”(3)

对此，IBM提出了「AI阶梯」的概念，即对数据收集、组织、分析、注入等所有环节进行全生命周期管理，确保数据的可用性。IBM大中华区大数据技术与分析平台技术总监刘胜利列举了一个数字：在一个银行机构中，一份存款数据在内部可以被复制50-100份。而这些数据哪个才是准确的？数据来源清不清晰、可不可信？企业有没有全局数据搜索的能力？每一个问题都不可忽视。

拿数据收集来说，一般而言，企业过去往往需要将来自不同系统的数据复制或迁移到中央数据存储器进行管理和分析。出于历史记录、归档或监管等目的，这是企业必须采取的一种手段。但作为现有方法的补充，企业还可以通过数据虚拟化（类似于边缘计算），跨多个系统从源头对数据进行分析和查询。这不仅可以降低成本，避免移动和复制造成的延迟，还可以避免数据失真。

而从另一个角度来说，数据中本身存在的诸如种族、性别等偏见，也在影响最终的输出结果。为此，IBM研究院也推出了相关研究方案，以对AI分析的结果进行更新和广泛评估，确保在数据和算法中剔除偏见因素。

“在这方面，企业还应该构建自己的企业级AI平台，其中包括企业级AI应用承载平台，企业级AI服务管理平台，企业级AI模型开发、测试、管理平台。”程静表示。

“当然，AI应用最主要还得看业务场景。比如银行信贷，它要求结果非常精准并且可追责，当人类判断和AI分析结果出现偏差导致坏账时，追责问题就很难界定；但是在风险管控的场景中，由于它是一个概率问题，不需要精确的数字，所以在目前更适合AI应用。”范斌解释对记者解释。

（编辑：ASP站长网）