银行为什么需要首席科学家？

本文由Capital One提供，探讨了前亚马逊Alexa AI组织负责人Prem Natarajan非同寻常的职业转变——他成为了一家银行的首席科学家。Natarajan拥有DARPA资助的研究和学术背景，他观察到人工智能研究和部署中最有趣的进展正从大型科技公司的横向平台转向金融等垂直行业。在金融领域，最复杂的问题不仅仅是构建模型，而是让AI在现实世界的客户问题、情境业务知识、持续学习以及极高的准确性和隐私标准等约束下工作。Capital One几十年来一直被认为是业内最以数据和分析为驱动的金融机构之一，其商业模式从一开始就建立在利用数据和技术为客户提供个性化金融产品的基础上。

十年前，Capital One全面投入云计算，重建了其数据生态系统，为数据、计算以及AI和机器学习实验创建了一个统一的环境。如今，其现代化的基础设施、严谨的治理方法和深厚的人才储备构成了其在企业AI领域领先的基础。那么，银行为什么需要首席科学家？答案在于对金融服务中AI的一个根本误解：大多数金融机构仍将AI视为一种需要部署的技术，而不是一门科学学科。Capital One正在做不同的事情：建立一个科学社区和研究组织，以解决现实世界的客户问题，并发明尚不存在的有影响力的AI解决方案。虽然广泛可用的基础模型可以处理一般任务，但它们还无法解决许多特定领域的挑战，例如在数十亿笔交易中实时检测欺诈，或提供最先进的对话工具，让客户随时随地以他们想要的方式参与。

使AI可靠、可扩展且治理良好的挑战需要原创研究和科学创新，这些创新反馈到业务中，以创建满足客户需求的现实世界应用。由于银行处理的是人们的财务，因此在AI方面正确行事有着极高的标准。以欺诈为例，即使是微小的欺诈事件也可能对某些客户产生毁灭性影响。最好的欺诈模型和平台可以在人们刷卡的时间内检测并帮助减轻欺诈，这是保护客户及其财务信息准确性和速度的基本要求。面对这些挑战，Capital One和Natarajan意识到，服务数百万客户意味着要解决许多企业不会遇到的规模和复杂性的AI问题。这些相同的约束创造了一个独特的研究环境。

Capital One的AI研究和创新方法始于Natarajan所谓的“目标反向思维”。团队不是问当前技术可能实现什么，而是设想他们想要提供的客户体验——也许是一个工作繁忙、只能在晚上10点研究选项的购车者，或者是一个面临意外开支、需要即时个性化指导的客户——然后反向工作，以确定实现这一目标所需的科学突破。这确保了当问题得到解决时，影响基本上是有保证的，因为团队已经确定了什么会在客户的生活中产生切实的差异。但仅靠方法论是不够的。Capital One近15年来对云优先架构的押注创造了金融服务中罕见的东西：一个统一的数据和计算生态系统，可以支持通常在大型科技研究实验室中看到的那种科学实验。

作为唯一一家全面投入公共云基础设施的美国大型银行，Capital One消除了大多数金融机构中限制AI研究的遗留系统。这种现代技术栈实现了快速迭代、大规模模型训练以及Natarajan所说的“持续学习”——系统在部署后不断改进而不是退化。研究议程已经体现在为客户服务的系统中，包括早期的代理AI应用，这些应用提供个性化的金融指导。Capital One通过将AI不仅视为技术部署，而且视为一门科学学科，正在塑造金融服务中AI的未来。通过结合以客户为中心的愿景、强大的基础设施和专门的研究组织，Capital One展示了银行如何在AI创新中领先，解决使数百万客户受益的复杂问题。