AI中台：一种敏捷的智能业务支持方案|宜信技术学院沙龙分享实录

内容来源：宜信技术学院第1期技术沙龙-线上直播|AI中台：一种敏捷的智能业务支持方案

主讲人介绍：井玉欣 宜信技术研发中心AI应用团队负责人

本文字数：13479字 阅读用时：34分钟

 

导读：随着“数据中台”的提出和成功实践，各企业纷纷在“大中台，小前台”的共识下启动了自己的中台化进程，以数据中台、技术中台、业务中台为代表的一系列技术，极大增强了业务的敏捷性，提高了组织效能。同时随着智能技术的发展，AI应用在业务研发中的占比逐渐升高，但AI模型训练的复杂性导致其开发慢、效率低，严重影响了业务的灵活性。

针对这种情况，能否基于中台化思想对业务中AI研发工作进行专门支持，提供对智能需求的迅速实现和灵活试错功能，从而提升企业智能创新能力？AI中台的构建和实施又该如何进行？

本次直播宜信研发中心AI应用团队负责人井玉欣博士结合宜信目前实际业务和中台化战略在宜信的实施情况对以上问题进行了探讨。以下是本次分享的实录。

分享大纲：

一、AI中台的提出

二、AI中台的目标和定义

三、AI中台的实施路线

四、实例分析-智能投顾机器人为例

五、总结

六、Q&A

PPT：https://pan.baidu.com/s/1-nqZMnEogF2DeBS49lkxOA

视频：https://v.qq.com/x/page/e0856o2su0x.html

分享实录

一、AI中台的提出

1.1 中台战略的兴起

自从中台战略被提出并得到成功实施后，业界反响强烈，国内各家企业纷纷启动了自己的中台化进程。尤其是对于在战略中处于核心地位的数据中台建设，各方都有自己的解读和心得。

但总体来看，业界形成了对中台战略的一些共识，即主张“大中台、小前台”，通过构建中台，沉淀共享服务，提高服务重用率，打破“烟囱式”、“项目制”系统之间的集成和协作壁垒，降低前台业务的试错成本，赋予业务快速创新能力，最终提升企业的组织效能。

无论是在金融、在线交易、资讯、医疗还是教育行业，业界对中台战略的研讨包括企业日常活动中的各个环节，例如业务中台、技术中台、移动中台等等，但在数据时代，企业中的大量业务都运行于大数据之上，数据的响应能力、处理能力决定了业务效率，所以中台战略中最主要的、也是实施的起点，仍然是数据中台。数据中台实现了组织内数据标准的统一，并打破数据壁垒，构建统一数据实体，对外提供统一的数据服务。通过这三个“统一”实现了组织内的数据资产中心，为前台业务提供了自动化、自助化的敏捷数据能力输出。

自动化的优势是可以极大节省常规数据操作的成本开销，而自助化数据管理可以支持业务用户根据自己需求自助式地获取、处理数据，灵活实现业务需求。但这两个优势相比于传统“烟囱式”数据系统来说，只是使业务方感觉数据服务更加能用、易用而已，想要真正做到好用，甚至让业务方喜欢用，无论是数据中台还是其他中台服务，都离不开智能化的能力。

1.2 智能业务需求的中台化

 

业务的智能化需求来自于两方面：

• 一方面从数据层面来看，随着可获取的数据越来越多，我们对其中有价值信息的辨识、数据关系的发现、数据趋势的把握都将变得越来越困难，只有通过智能化的方法对大数据进行治理，才能提升业务，甚至创新业务。基于大数据探索，发现其中的潜在数据联系与趋势，可以为业务优化与创新提供强有力的支持，实现真正的数据驱动业务。因此数据中台必须具备智能化能力，能够为业务提供一定的智能数据分析能力。
• 另一方面，除了基于数据自底向上的智能化驱动以外，还存在自上而下的企业智能化理念驱动。近几年来，许多智能技术日趋成熟，相应的智能化理念也深入人心，大量智能化的成功案例使这些技术逐渐被行业主流接受，甚至成为了实际上的标准解决方案，比如电商需要推荐、金融需要风控，而随之就要求研发人员能够在数据之上准确快速实现前台提出的智能化目标。

上图是一个示例，数据来源于Roland Berger。宜信作为一家金融科技公司，更多面对的是金融领域的智能业务需求。从图中可以看到在金融这一个领域之内就有这么多环节已经形成了标准化的智能应用，可想而知在今天企业业务的发展过程中智能化正在扮演一个多么重要的角色。

无论是哪方面的需求，都会碰到一个问题：智能业务需求各种各样、各不相同，一个需求下来，研发团队需要针对性开展数据分析处理、模型的构建训练等，过程复杂繁复，效率不高，从而拖长了需求响应时间，降低了业务敏捷程度，拉高了试错成本。这与在中台战略背景下，业务前台希望能够专注于业务逻辑、灵活应对变化产生了矛盾，而且随着智能化应用的广泛开展，这个矛盾也越来越普遍。

究其原因，一方面是由于智能化的大规模兴起才短短几年，智能应用研发还处在比较原始的阶段，缺乏完整的生命周期管理理论和相应的管理框架工具；另一方面则反映了我们的中台能力没有完全覆盖到前台业务研发中笨重、重复、低效的环节。

那么，我们自然而然会想到，我们能否对现有数据中台进行进一步智能化跃迁，解决上述问题呢？如果能，数据中台可以或者应该提供什么样的数据智能化能力？如果不能，中台战略又应该如何敏捷支持智能化业务需求？

1.3 从数据中台到AI中台

我们先来看看数据中台的智能化支持能力，试分析如下问题：数据中台能通过通用的智能数据模型充分支持当前业务背景下多样的智能需求吗？答案是比较困难，原因在于业务智能化过程的复杂性。

通常的机器学习任务包括了回归、分类、标注、聚类、推荐等等，每个算法模型的实现又包括了数据预处理、特征分析、建模、训练、部署等多个环节，实际中的应用更是有可能包括多个模型。

而数据中台以数据为核心，其智能化能力若想支持到以上所有环节，工作量绝对不小，并且会偏离数据中台的原有目标，因此让数据中台承担全部的智能化业务支持是不合适的。

详细来说，我们可以从目前人工智能（AI）所涵盖的内容进行分析。广义上人工智能指利用科学方法和技术，研制能够模仿、延伸、扩展人类智能的机器系统，涉及了计算机科学、数学、哲学、心理学等多门学科；而从计算机科学的角度狭义来看，人工智能特指可以接受和处理外部数据，并能够做出类人化分析、决策的计算机系统，涵盖了数据挖掘、机器学习、深度学习、强化学习等多个子领域。如无特殊说明，本文所述人工智能皆指后者。