专题：服贸会第七届中国金融科技论坛
中国国际服务贸易交易会-第七届中国金融科技论坛于2025年9月10日-11日在北京举行。主题为“科技赋能—金融业数字化转型与应用”。Datatist画龙科技创始人兼董事长宋碧莲出席并演讲。
以下为演讲实录：
各位嘉宾下午好，今天很荣幸代表Datatist画龙科技给大家讲一下商业决策AI怎么样为银行构建新增长力。
今天我的课题，因为内容比较丰富，我会挑一些重点给大家分享一下，首先画龙科技就是画龙点睛的意思，用AI为运营画龙点睛的意思。这个团队是一个海归高层次人才引进团队，国家级的高层次人才。我们是国家专精特新小巨人企业。
我们原先在海外是两个团队组成的，一个是美国eBay，领英这些互联网内部的智能化运营团队，第二个是很多银行内部的智能化运营的科学家团队，我们这个团队原来是美国NSF的，拿过五次机器学习的全球算法冠军。并且在行业里面做了快二三十年才回国的，所以积累了大量的行业经验。
我们回国主要的目的就是将海外顶级的技术和经验，将它转化为生产力，打造这个产品。这个产品是用AI来为业务降本增效的产品，我们叫AI运营官，这个产品目前基本上把企业的决策AI全部都工程化、产品化了，在这个方向上形成的用户经营决策大脑软件全球是首创，所以填补了空白，也解决了卡脖子问题。
我们目前被国家层面选为人工智能新质生产力的导师，给很多央国企赋能。同时也是工信部国家级人工智能这方面的专家。刚才说目标就是来将决策人工智能打造成新质生产力，这个技术在行业里面实际上是属于营销科技的范畴。有2C和2B两条线，对C，我们产品对标的是美国的Adobe，To B对标SalesForce，同时也有AI拉新的功能，对标Applovin。我们也会加一些GPT技术，只是为了让决策AI产生人机交互而已。本质上它其实上是一个决策大模型，或者说你们有可能叫小模型，是来解决业务降本增效问题的。
今天的话题是围绕四个方向展开的。
第一关于怎么样打造人工智能的新质生产力。第二是新质生产力如何打造出生产工具，第三怎么样建立配套的生产关系，以及第四如何培养符合新质生产力的劳动者。
新质生产力的特点是必须要能够大幅度提升生产效率的，我们当下主要是解决一个问题，企业面对经济下行的问题如何能够快速降本增效，提高ROI。这个里面我们能够控制的变量是用户的经营，无论是对零售还是对公司业务，都是我们的用户，通过决策AI来对于用户进行精细化运营，提高ROI，来解决这个问题，从而让数据要素发挥经济价值。
我们的考核指标是怎么样提高global ROI，以及让企业快速的降本增效，如果几年才增效没有用，我们就是三个月要见效。在这个过程中企业需要做一个大的变革，以前是以产品为中心，现在变成以用户为中心，就是要学习互联网的打法。我们原来在海外互联网公司很多经典的打法，背后都是有原理的，核心原理就是复利原理。也就是投产比游戏。每次投产比都是要正的，然后才能循环N多次，才能达到一个规模效应。所以在这个过程当中，工具的打造都要围绕这个要素来展开，如果你如何保证每次都大于零，肯定是要将数字化走向智能化，如何能让他发生规模效应？这里我们是要改革的运营操作效率，组织协同效率，以及部门打通效率。
今天在讲AI，其实数智化转型四要素缺一不可，也就是IT（系统），DT（数据）如何产生经济价值的应用部分，OT（运营策略），和AT（AI决策大脑）要紧密结合形成飞轮效应，缺一不可。我们在这个过程中，今天主要是讲中间的决策人工智能，说白了它就是来帮大家赚钱的，赚钱的手段是应用在跟用户交互的方方面面。从各个线上通道到线下的渠道，到智能客服，售前、售中、售后全流程通过AI提升效果。
这个赛道我们把它叫做商业决策人工智能的赛道。今天大家都在大模型，其实讲的是大语言模型，事实上AI非常的丰富。从模拟人不同的功能区，AI它有好几代，第一代是模拟人的感知区，语音、图像这些方面的感知人工智能。
第二个是认知人工智能，模拟的是人的阅读理解能力，今天讲的大部分大模型，它是等于大语言模型，并不是真正的大模型，大语言模型就是来做文本AI，自然语言处理的高级技术而已。无论是感知AI，还是大语言AI在海外实验室都迭代了30年时间。直到10年前才被一些大互联网公司突破，比如说图像AI是谷歌突破的，形成了Tensorflow平台。国内就冒出来了四小龙进行应用的。ChatGPT其实也是GPT技术，也是30年前的技术，十年前由谷歌进行突破的，现在就开始变成人机交互的模式一下就火爆了。
我们这个决策人工智能也是30年的技术，30年前都是来做人工决策，到BI决策，然后到统计学做决策，最后迭代到用机器学习来做决策。而且以前都是人肉做决策，我们现在全部用产品做决策，用机器人来做决策，所以这个迭代的过程也是经历了30年的时间。商业决策AI，整个赛道从算法的原创算法，到形成这个规律，到形成这个产品，基本上都是由我们这个团队，从海外干了20年，一直到国内干了快10年，整整做了30年把它做出来的。
下面首先讲一下OT。也就是用户经营的业务逻辑，要从产品为中心变成用户为中心，做这件事情首先是要跨部门的合作，所以现在这是遇到的最大的挑战是要打通数据孤岛、决策孤岛、渠道孤岛、产品孤岛，形成全渠道、全产品、全用户运营才行。并且要围绕用户生命周期进行用户全旅程综合经营。
另外综合经营要做到零售一体化、对公一体化、公私一体化、私行一体化、客户员工一体化，我现在说的没有一个中国的银行做到，这个美好的愿景就是趋势，我们在很多银行局部完成了。
现在零售综合经营有很多要点，首先是要有智能决策运营中心，这是一个产品，里面要支撑到AI深入到业务各个环节形成全面的决策支持，就是前面兴业银行说的人人都能用AI，AI无处不在。要做到，需要实现几个要点：数字化要变智能化，手工化要变自动化，抽象化变场景化，单点循环变循环优化，被动优化变自我优化，建用一体化，这样才能够叫真正的决策大脑。
然后，我们讲AI怎么跟系统、数据、运营一个个打通，拉通部部门级，形成一个企业级应用。这就需要实现几个要点：碎片化变一体化，总分一体化，内外经营一体化，营销风控一体化，线上线下一体化。这个也是国际趋势。我们也是帮很多企业局部做到了。
最后是形成这样一套支持企业级用户经营的智能决策体系，这个全行的综合运营体系左边包括零售综合用户经营一体化的模型体系，中间是客户经理综合经营体系，右边是企业综合经营体系。当然也有一些是风控的，还有今天很多人都在讲的语言大模型，它只是在这个过程当中的一个细分赛道而已。接下来就是要做成智能推荐、智能营销、智能客服、智能投顾等各种场景化应用平台，让它能够支撑到业务的方方面面。
现状来看目前痛点是非常大的。首先讲第一个大痛点，部门墙的问题，现在基本上都是以产品为中心的经营模式，单产品为中心的。第二个是AI应用很难为业务产生规模效益，因为是手工版，开发效率低，成本高，又不能嵌到业务体系里面，形成这个体系，同时又不能够让它自动化。
我们现在看一下怎么改造目前的困境。
首先将单产品单波次运营，我们要改造成多波次，全渠道运营。这个就是将一个单波次营销的理财活动，改造成多波次全生命周期运营的模式。里面每个环节都嵌入了大量的AI，改造了之后大家可以看到，这是我们在某个国有行做出来的效果。一次就达到了100多亿的交易额，只需要运营10%的头部用户，就能达到92%的订单转化率，是原来转化率的七八倍。原来可能要开十几次活动才能够达到这个效果，现在一次就能够做出来。
第二个是怎么样去进行多产品的协同，一开始是做单产品的，这个是多产品协同，多产品协同能够解决几个问题，第一个就是所有这些用户原来都是头部用户，一个人运营1个月收到50个产品，而长尾用户却没有人cover。我们通过多产品协同，就可以保证人人都有产品可以推，每个人的商机都可以捕捉到，长尾用户的经营我们给某国有大行差不多提升了65%的新增业绩。
第三个就是资产提升，比多产品运营还要再升一个级别，也就是我们将长尾的0-1万、1到20万，一直到600万+全部联合经营。跨部门之后，效果是非常明显的，这是我们在某国有行一个省分行的效果，都是由行长亲自抓，我们来进行跨部门协同，和上一年的同期增长了12.94%。原来是800多亿资产规模，我们做到了一千几百亿，可以看一下都是大幅度提升。今年半年的时间已经做到了800多亿。
到第四个环节中，在这个过程中你还要做内外一体化，怎么样将第三方支付引过来的客户进行转化为你的价值用户，来达到内外一体化，让你的获客成本真正的赚回来。用这个方法做下来，我们可以看到三方支付的业绩提升了7.5倍，无论是信用卡还是借记卡中收都大幅度提升。
刚才用几个案例演示了金融公司怎么样改造原来的经营模式，变成零售综合经营的模式，大家看到里面用了大量的AI模型，不光是AI模型的问题。它要改变你运营的流程和思路，让AI嵌入到各个流程里面，才能够产生规模化效应。
第二个环节，线上线下一体化，所有APP的应用也是一个重点，以前都是MAU为主的，这个是我们当时给平安做的，当时它的MAU是800万，在我们的帮助下可以达到3千万，这样还不够，现在我们都在将MAU促成AUM。这个是我们在一个股份制银行做出来的案例，在APP上卖理财，模型上架一个月就产生了48亿的金额，现在每个月都会产生很大的增收。
所以它完全是可以做到两者的融合。
流量分发也是APP重要场景，达到千人千面，实时推荐。这个是在广发证券上线的情况，上线不到一年就将活跃度提高的8倍。
这是讲完线上线下一体化，最后讲一下公私一体化，个体工商户这些，公司业务是可以跟代发这些进行一体化运营的。这是讲个体工商户的运营，我们在某国有行总行帮它做了个体工商户的运营模型改造。将转化率大幅度提升之后又进行了一个试点，进行了全行的推广。效果做得不错之后，现在又开始将代法进行联动，进行公私一体化的运营。
营销风控一体化，这是我们在很多银行内部推的营销风控一体化，原来都是白名单，没有什么意向，项目改造之后变成营销风控一体化之后，盘子立刻做大了，意向模型就出来了。无论是授信还是支用都可以大幅度提高转化率。
类似的案例非常多，我们去年帮农行河北省分行一个开门红就新增了几百亿资产，工行山东省分行去年新增资产总体突破了千亿。这个方法论基本上是一个普适性的有效。包括今天上午讲的光大银行和下午的兴业银行都是我们的客户。整个农行数字化转型的思路基本上都是我们去年做出来的样板在全行进行推广，包括工行。这是一个正确的做法，可以进行普适性的借鉴。当然它不限于银行，保险、证券、财富都是一样的，我们都做出来很好的成绩。
第一个运营环节讲完了，接下来给大家讲一下其他的部分，系统、数据、决策大脑，这个基本上都是工具，这个工具在海外和中国的差距非常大。海外超前中国30年时间，在工具层面极度的丰富，已经走向一体化了，做整机了。有非常多的数据，挖掘能力非常强，AI运营能力非常强，而且专业人员非常多。 他们策略库和决策AI并没有做出开箱即用的产品，但是很多人可以帮你干这个事。
但是在国内的问题是什么呢？这么多的好工具，在2018年美国就对中国卡了脖子，以华为为代表的跨国公司，本来是用这些海外工具帮忙快速增长了它的手机业务、零售业务，结果这些能赚钱的工具被美国卡脖子了。所以中国大部分企业是没有见到海外成熟的产品就被卡脖子了。
现在的困难就在于过去的十年，真正走在数字化转型道路上非常的艰难，因为你重新造美国30年的轮子，重新造轮子，造了10年还没有造出来，只是造到一半还不到的情况。数字化转型的软件虽然建了一大堆，但是都是七零八落的，东一个西一个，也打不通。数据采了一大堆不会用，指标不会建，分析不会弄。包括AI也是，只有AI开发工具，不会做AI的应用工具，运营的策略不会做，人才又缺，因为美国有巨多的人才，中国的人才是稀缺的。
在这个过程中，我们就做出来一个解决方案，以我们在海外30多年应用的经验，把整个体系，十几，二十个软件全部把它开发了出来。所有的数据应用不会用，也没人，我们就把数据应用逻辑全部开发了出来。并且把运营的策略库做出来，把AI大脑也做好了，全部是开箱即用的，这样就解决了人才缺口问题，同时解决了欠缺美国软件的问题。这样比如说你本来要走30年，现在3-5年就能够走完，运气好，你的预算够，两年就能够做出来。像上海农商行就是我们的典型案例，他们的行领导从宁波过来以后，就避免走原来宁波银行的老路子，建了一堆系统打不通，现在升又升不上去，砍又不舍得砍。所以我们重新开始用这个方法做，两年不到的时间就走到5.0的阶段。
下面给大家快速看一下，这里面有两个核心，第一个核心就是AI决策大脑，AI决策大脑在国内的普及率是非常低的，在美国可能这个已经达到了20%以上的使用，但是国内非常小。而且大部分都是手工版，我们现在如果让决策人工智能发挥它巨大的生产力作用，必须让它变成产品，算法要高度成熟，要高度丰富，高度产品化、高度服务场景化，高度自动化，所以在这个过程中要走过很多的阶段。
这是我们公司目前的阶段，我们在海外是算法这方面的顶级团队，并且我们在海外做了几十年，基本上每个行业都能够做到TOP并且破纪录。是美国沃顿商学院的经典案例，我们目前就在这样的全球最好的大脑的基础上把它进行了标准化。标准化特征和标准化因果关系库，标准化策略库。这里面我们这里有10万个特征，上百个因果关系模型，上千个策略，最后我把它全部软件化、工程化出来，又插到了各个场景里面。今天很多人都在讲怎么插到场景里，让AI无处不在。我们就在这里产生了巨多的应用，然后再进行了推广。
所以在这个过程中，AI的产品是有上下游的，不是AI的一个简单问题，比如说这个数据就要做大量的加工，然后特征需要让它做大量的开发，找到准确的因果关系，围绕生命周期的理论，从手工版变成全部开箱即用的模型。这个就是我们开箱即用的模型，每个行业我们都有数百个模型，让业务自己就会用，不是需要什么研发人员，AI人员，这边都是业务人员自己就能够做。并且AI极其丰富，围绕各个行业展开，这个就是将AI进行无缝嵌入，今天兴业也讲嵌入式AI，这个就是典型的场景，因为他们的AI平台是我们打的。将AI嵌入到营销画布里，这个就是智能营销策略系统，让每个环节里面都有AI可以赋能，这样就无处不在。
并且AI全部能自闭环、自优化，这个就是将AI嵌入到手机银行业务里面，让每个手机银行都能够自动实时推荐，不需要IT人员进行任何代码的改造。这个就将AI嵌入到客服里面，形成智能客服，让他打客服的时候，知道应该给谁说什么东西，推什么产品，另外还有智能的理财，智能的投资顾问等系统。
这个就是嵌入到客服，形成智能客服；嵌入到理财场景，形成智能理财顾问；以及嵌入到投顾场景，形成智能投顾。投顾的文案你可以用大模型AIGC，但是给什么人推荐哪个基金，怎么组合，这个必须要用决策模型做的。这样做下来之后，你的成本非常低，开发效率非常高，效果也稳定，决策效率非常好。
最后我们看一下，这个AI怎么样和你很多的数字化营销系统进行整合？目前大部分银行都是这个样子，你看起来有很多系统，但是整个决策流程是非常慢的，要跨很多部门，虽然你可能也在做自动化营销平台，企图把它串起来，但是它是没有AI能力，没有运营大脑能力。
所以我们在这个过程中需要加强，需要升级它的数据闭环的能力，以及这些都是AI模型能力，这个模型全部是产品，嵌到各个营销活动，最后再加上策略库的能力，这样形成一套一体化系统，才能够真正的为你的业务赋能。
所以我们最后做出来的过程中，就要加上AI，嵌入到了营销中台，分析平台，以及数据底座里面形成一体机。
并且我们和GPU环节还打通了形成了软硬一体机。这是我们刚刚发布的一体机。
最后运营效率就会极其高，这个我们原来在广发一年做60场活动，上线这个平台一年最多做10万场活动。
最后讲一下，组织也要配合，在这个过程中是需要有一把手做决策委员会，也需要有牵头部门来做的，最后是考核制度要改，整个里面要有一个归因逻辑，来科学地分配每个环节应该怎么算贡献。
最后，从上到下要培训提升劳动者素质，这个是我们从领导层培训，到给所有的执行层做培训，最后一直到支行都要培训，全体人员的思路和流程都要做改造，才能够掌握新的生产力。
今天围绕如何用决策AI打造新质生产力，如何配套生产工具，生产关系 以及如何培养对应的劳动者这4个方面给大家简单的做了一下介绍，如果大家有兴趣的话，回头可以详细聊，谢谢大家！
新浪声明：所有会议实录均为现场速记整理，未经演讲者审阅，新浪网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。
海量资讯、精准解读，尽在新浪财经APP
责任编辑：王翔
明利配资-股票配资专业网-贵阳股票配资-做股票配资提示：文章来自网络，不代表本站观点。
