人工智能浪潮已席卷金融行业，在新技术生态系统下，人工智能是解决用户业务需求的最聪明的方式。当下，人工智能已成为业务流程的一部分，它不会与业务流程分离，而是将成为业务需求的基础服务设施。因此，人工智能即服务（AIaaS）应运而生。
正如同SaaS与PaaS作为“即服务”交付模式改变了企业采购及实施技术的具体方式一样，AIaaS能够帮助企业以更经济的方式将基于AI技术的解决方案作为可以轻松获取及直接使用的服务项目。
建设银行是如何在实践中应用人工智能即服务（AIaas）解决问题的？2020世界人工智能大会云端峰会组委会宣传组联合AI报道采访了中国建设银行总行金融科技部总工程师胡宪忠，探讨如何通过人工智能即服务使人工智能无处不在。
从企业级架构进行人工智能能力建设
随着科技的发展，人工智能与金融走向深度融合。在探索应用人工智能技术的过程中，建设银行以规则引擎和AI引擎为核心，研究构建了覆盖全渠道、全流程、全业务周期的智能交互体系。
“我们提供智能咨询、智能导航、智能交易、日常闲聊、智能日程提醒等服务，在5G+智能银行、政务云、普惠金融、住房租赁等场景，智能交互体系都能充分释放作用。”胡宪忠介绍道。
胡宪忠以建行金库和风险识别两个场景为例，具体向笔者介绍了人工智能的应用。
“在建行金库，我们通过实时视频流对进行库房物品异动检测、非法人员入侵检测、可疑人员轨迹搜索、异常行为检测、门禁异常检测等，强化金库作业风险控制、降低财产损失风险。根据建行金库作业流程规范，作业区须至少双人（金库主任和若干管库员）同时作业，智能视频识别应用检测出作业区少于双人的异常场景，为降低金库作业操作风险提供技术支撑。”
“我们及时抓取互联网上的客户舆情信息，再利用人工智能技术进行识别和分析，在贷前准入阶段，结合客户响应模型、合规准入模型、客户筛选模型、信用评价模型等综合分析，一旦发现有风险则拦截准入；贷中审批阶段结合收入推估模型、关系图谱模型、额度计算模型等综合分析，若发现风险，及时终止审批；贷后监控阶段，客户舆情结合催收模型、风险传导模型、舆情预警模型等综合分析，一旦发现有风险，立即推送给相关人员，辅助后续业务决策。”
这仅是最为典型的两个场景。实际上，建行AI已经涉及建行业务模型6个完整价值链，包括：端到端的产品管理、营销支持、产品运营、业务支持、风险管理、报告与决策。2020年上半年，计划人工智能应用场景总数已达343个。可以说，AI在任何业务领域都已得到普及和深化，在应用领域，主要专注于业务机会、风险管理和用户体验三大业务价值。渠道服务、支付和反欺诈3个应用领域实现最多的AI功能。
未来，随着建行业务创新和风险控制加强，人工智能能力支持的业务场景还将继续增多。
据悉，建设银行从企业级架构进行了人工智能能力建设，从业务上看，最终用户可以从AI功能组件或嵌入AI功能的应用组件获取AI服务，以解决应用需求；从技术上看，人工智能起到强化数据的作用，通过技术平台框架的手段聚合更多数据源，增加数据维度，使用合适的AI算法提高大数据价值；从生态体系上看，人工智能是一个数据密集、计算密集的领域，通过引入适当的硬件资源等基础设施让大规模的数据计算效率提升，加速深层神经网络的训练迭代速度，以促进人工智能能力的发展。
构建AI即服务（AlaaS），快速释放AI能力
传统金融业务需要以特定的AI技术解决问题，建行银行选择通过构建AI即服务的方式（AIaaS），形成企业级AI的服务供给能力，保持AI能力和金融业务场景的松耦合状态，支持业务场景使用人工智能的应用快速释放，提升收入、降低成本、增强用户体验，以支持业务发展。
在操作层面，胡宪忠认为，将人工智能视角的企业级结构 6 层次设计集成到原有的企业架构中，才能实现建行的人工智能即服务（AIaaS）目标。
AI功能组件分为6类别，提升企业的智能化能力，提供服务目录供应用组件和应用调用。
服务是云计算和SOA架构的核心，组件设计是服务结构化过程的关键步骤。好的结构设计可以简化应用开发、提高代码质量，加快反映市场。应用功能组件有六种类型，图像识别、自然语言处理、视频识别、语音识别、智能安全和知识图谱，每个应用逻辑组件都使用容器、物理组件、服务、API 和服务目录作为云服务 PaaS 环境实现。开放服务目录和开放API是应用设计的核心，应用系统通过注册服务在目录中查找所需的功能和调用方式。SOA服务的粒度设计和重用将是一种敏捷的AI应用开发方法。
组件的服务是 AI 应用的基础，提供企业级能力，组件及其服务实例列表如下：
在实例化过程中，建行实现了3种AI框架、6种应用功能组件和260个服务，支持从无处不在的AI应用和端到端服务。通过全生命周期管理，这些已经形成了建行宝贵的 IT 架构资产。AI框架、算法和应用系统是松散耦合的设计，由于实际上系统和用户需要随着时间的推移而改进，框架和算法可以被更好的选择所取代。这种设计也可以与时俱进通过模块化分层设计轻松扩展。
如何评估AI应用的可用性和实施结果？
AI不仅可以帮助企业业务增长，而且能改善员工的工作状况和满意度，其实施评估正在变得非常重要。如何评估人工智能实现是否满足人工智能应用特性？
胡宪忠引用了Gartner定义的AI的5个通用任务进行解答，他认为，以下5个维度可以用于验证 AI 应用的可用性和实施结果，确保项目位于正确的轨道上。
1、帮助处理高压工作
催收老赖和自愈客户预测服务；根据海量的分时k线数据和财经资讯做数据标注；渠道部邮件、PDF文档关键字抓取，例如“利率”等字眼；电子渠道客户异常登录风险识别；电子渠道黑产团伙威胁关联分析；网点关键时间段识别模型；区域关键时间段识别模型；网点分时间段业务量预测；区域分时间段业务量预测；异常实体定位；多维度指标分析。
2、降低高重复性工作
催收老赖和自愈客户预测服务；非结构化财经事件以及k线海量数据爬取；根据财经资讯数据做细分分类；善融商务评论图片内容风险自动识别；营业执照识别；执法证识别；托管指令识别；共享平台资料识别；票据类识别；老年人痛苦情绪识别；老年人举手行为识别；老年人跌倒行为识别；库房指定区域异常人数检测；库房非授权人员入侵检测；库房物品异动检测；可疑人员轨迹搜索；库房门禁异常开关状态检测；库房人员异常行为识别；移动设备风险识别；网点业务量预测模型；区域业务量预测模型；网点焦点业务捕获模型；区域核心业务识别模型；单指标异常检测；日志异常检测；规则制度文本分类服务；规章制度文本相似度服务。
3、帮助关键决策工作
高下迁（随机问题， 客户将恢复和自我愈合）客户预测；催收老赖和自愈客户预测服务；根据实时财经事件，对k线（外汇、贵金属、美元指数等）的预测模型以及该模型前端相关界面；交易对手消息资讯文本分析、交易机会提示模型以及对应的界面功能；电子渠道客户异常登录风险识别；电子渠道黑产团伙威胁关联分析；移动设备风险识别；网点员工人力预测模型；劳动组合推荐模型；设备资源网格聚类模型；设备资源配置优化推荐模型；异常实体定位；多维度指标分析；企业违约传导风险传导清单；社区查询服务。
4、简化用户操作复杂性
根据实时财经事件，对k线（外汇、贵金属、美元指数等）的预测模型以及该模型前端相关界面；P2- 员工渠道APP用户自适应认证；国结信用证识别；身份证识别；微表情活体识别；中年网点人员运营能力评估模型；老年网点人员运营能力评估模型；新进网点人员运营能力评估模型；单指标异常检测；日志异常检测；财产线索可视化服务；失联人客户信息查询服务；客户关系可视化服务。
5、简化复杂的数据处理
数据处理的基本函数开发；数据预处理的分析函数开发；资管中心：基于网络爬虫的理财信息产品介绍爬取以及文本抽取；黑产团伙风险网络识别；财务报表识别；移动设备风险识别；网点特征画像主题图谱；单指标异常检测；日志异常检测；泛集团派系查询服务；风险舆情要素信息提取和文本分类；资讯研报文本分类和文本信息提取。
科技的目标是提高员工的幸福感
与舆论时常担忧的“AI将取代大部分人的工作”不同，胡宪忠认为，科技的目标是提高员工的幸福感，并提出了“员工幸福感方程式”：
当前工作 - 枯燥的任务和责任 +有意义和有目的的任务（例如成功的创造创新）= 更多员工的幸福感= 提高员工敬业度
他表示，员工幸福感与提高运营效率是一回事：人工智能(AI)的价值主张不应仅仅被定位为提高运营效率或促进新营销的方法。相反的，人工智能(AI) 应该被定位为最大化创造员工幸福感的一种方式，因为最终两者的结果是相同的。
总体来说，建设银行对人工智能即服务的应用对内可促进收入增长、降低运营成本，对外可快速响应客户不断变化的需求，持续交付有价值的产品，从而提升企业的竞争力。
随着技术的不断成熟，人工智能即服务必将持续促进业态改善，在更多场景下迸发出独特的作用，在新基建时代引领行业潮流的发展！
