在固有认知中，新技术、新趋势的出现，创业公司往往入局更为迅速，而实际上，一些成熟的科技公司虽然声音有所滞后，但其执行的脚步甚至走在前列。
只不过他们在印证一个趋势是否是刚需时，其判断的逻辑、执行方式、和投入的资源，与初创公司不同，而且这一系列的前期工作更多是在内部低调进行，经过反复验证打磨后，成熟的产品也更倾向于打包到既有方案中，从更加宏观的流程优化角度出发，提供给客户全流程、一站式的解决方案。
而本文就以“RPA+AI”角度切入，专访金融壹账通加马金融科技创新团队高级总监郭鹏程，介绍了金融科技大公司评估新技术、新趋势的逻辑框架和执行方式，并在此基础上对当下火热的“RPA+AI”趋势进行剖析解读。
AI金融评论：金融壹账通加马金融科技创新团队的主要工作内容是什么？
郭鹏程：加马金融科技创新团队在金融壹账通主要负责探索将一些新的金融科技与业务场景去做结合，形成一些创新型的金融科技解决方案，然后进行对外输出的实践。过去几年间，我们主要集中在智能风控、智能运营、智能营销等方面。
AI金融评论：该团队在金融壹账通公司所有业务中扮演一种什么样的角色？
郭鹏程：我们主要扮演着三类的角色：
一是创新的探索者，通过把一些新科技引入到业务场景里，用小步快跑、不断试错的方法寻找到那个最佳的、最有效果的解决方案；
二是落地的先行者，金融科技方案最重要的还是实际的效果，这就要求我们深入业务场景里不断去优化方案；
三是一个合作的初始桥梁，我们通过一些轻量级的创新科技解决方案来与金融机构客户建立初始合作，让客户能够认识到我们的能力和价值，为后续更多的合作业务打下基础。
AI金融评论：具体是如何扮演初始桥梁角色的？
郭鹏程：因为金融壹账通的定位就是金融科技方案的输出与赋能，有各种各样由轻到重的不同的解决方案，在与金融机构建立合作互信的过程中我们发现，银行等客户在选择方案时会很谨慎，尤其是面对新的较大的标的，他们更倾向于先和一些合作时间较长、信任关系较好的供应商进行联系。
因此我们通常在和客户的初始对接中，把一些成本不是特别高、对客户系统的改动不是特别大的一些插件类型的创新方案先输出给客户，让他们能够看到我们的能力和价值，然后再去建立一些更深度或更大标的的合作。
AI金融评论：判断一个金融科技创新项目是否可行，通常会重点考察哪些要素？
郭鹏程：我们会重点考察三方面核心要素：
首先是创新性，即预想的方案在技术和场景上有没有创新要素，因为每一个创新要素都代表着方案背后的竞争力或是将来的竞争壁垒；
其次是实际的业务效果，尤其是金融行业，特别注重实际解决金融业务里的重点问题或难点问题，所以新方案必须具有实效性；
三是监管合规，只要谈到金融，监管合规就是一条不能逾越的红线，所以我们要重点考察方案里涉及的技术有没有违反监管合规要求的地方。
AI金融评论：一项金融科技创新项目，通常是怎么从发现、诞生、……、到落地、交付的？这个流程通常分为几个阶段？
郭鹏程：一个创新科技方案的产生大致可以分为四大阶段：
首先是需求发掘阶段，提出问题是解决问题的基础，首先要从现有的业务场景中找到阻碍业务效率或影响科技转化效果的痛点难点。
接下来是方案设计阶段，通过对新技术如AI、大数据、云等的集成，设计一些针对性的解决方案，并面向特定场景进行模型打磨，最终得到一个原型化的、能够解决某个场景痛点的初始方案。
第三个阶段是试点应用阶段，一个方案刚从实验室工程化平台上被拿下来的时候，可能还不够成熟，需要先在小范围场景和业务中去进行试点，收集用户反馈，进行进一步的迭代和打磨。
最后是推广落地阶段，经过了较大范围的实际业务验证后，我们会在更大范围的业务中推广这个方案，等到方案真正成熟后，再向外部客户进行输出和赋能。
AI金融评论：这个流程里，有哪些关键环节是要重点关注的？
郭鹏程：有三个点需要特别注意：
第一点是需求发掘阶段里的需求访谈。选哪些人参与到需求访谈中非常关键，要选那些对业务和科技两方面都较为熟悉的人。
因为纯业务的人可能会更关注当下的业务效果而忽略掉一些可以提升或革新的点，而纯技术的人可能缺乏对业务的实际了解而闭门造车，只有兼顾业务和技术的人合作在一起，才更容易深度沟通，从而找到一个合适的需求，保证能有一个正确的初始目标。
第二点是方案设计阶段的技术选型。科技人容易有个倾向——永远要用最好或最新的技术，觉得这样才能体现出自身的价值。但其实在金融领域里，多年的经验告诉我们，有时候最新的未必就是最好的，反而最合适的才是最好的，有的时候线上与线下相结合要比纯用科技的效果更好。
这就需要我们做一些综合考虑的技术选型，评估好投入和产出、风险和效益的那个平衡点，最终形成一个比较可行、比较可落地、比较可推广的技术方案。
第三点是要设计一套可量化的标准。有些新科技看上去貌美如花，但究竟有没有实际解决业务痛点，一开始还要打个问号，需要通过一套可量化的标准，比如把风险表现、效率提升、人力投入减少、成本下降等进行量化操作，在试点应用和推广落地阶段去指导技术方案的持续优化。
AI金融评论：目前创新科技团队内部的人员结构是怎样的？
郭鹏程：我们团队内部绝大多数同事都是科技背景，其中又分为两大类：一类来自互联网公司，占比近一半，主要从BAT等一些头部互联网公司加入进来；另外有一半多一点的同事来自于传统的金融IT公司，这两类同事在团队里的风格差异非常明显。
互联网同事常常为方案带来一些创新理念和产品思路，以及快速迭代的模式，而传统金融科技公司的同事往往对客户需求、实际场景、金融业务更加熟悉，会带过来一些管理制度、实施流程、内外部沟通机制等经验。
AI金融评论：在了解了上述这套认知和操作框架后，请问您如何看待AI+RPA在金融科技领域里的创新指数？如果满分5颗星的话，您给智能RPA打几星？为什么？
郭鹏程：我给到四颗星。原因有三点：
首先当前的RPA其实代表的是一种新的业态、新的生态。融合了新技术如AI的RPA适用范围变得非常广，仅在金融领域，就针对不同业务场景分出了很多细分产品，带来了效率提升、革新了用户体验、优化了业务操作流程等。可以看出RPA作为一个基础性的技术组件或技术方案，带来的是一个新的业态和生态，后续发展空间也会很大。
给四颗星的第二个原因是当下的RPA不是单纯的一个技术，而是很多技术的综合体，RPA工具可以和AI、大数据、云技术等做各种各样的结合，仅在人工智能领域，和不同的技术结合就能产生出不同的解决方案，不难看出RPA与新技术的组合很多、新意很大，类似于乐高积木一样，是一个很有创新想象空间的工具。
最后，扣一颗星的原因是RPA作为一个自动化技术来说本身不新，很早之前就已经有广泛的应用了。关键还是要看其在金融领域或其他行业的具体场景里，结合AI等新技术，能产生出一些什么样的新场景或新的解决方案。
AI金融评论：智能RPA是一个大趋势还是小趋势，是一个过渡性方案还是长期方案？
郭鹏程：对比ABCD这些技术，当前的RPA还算不上一个同等层次的大趋势，更像是一个在科技大趋势中间起到推动作用的小趋势，或者说是一个非常重要的趋势。
首先是增加了新科技落地的速度。以AI为例，之前我们发现AI与金融的结合比较慢，但AI与RPA的结合很快，并且能直接嵌入到金融业务里，这就大大加快了AI等新技术落地到金融场景里的速度。
其次增加了金融科技场景的丰富度。现在的金融机构客户都非常重视场景孵化，满足更丰富的场景需求，在这方面智能RPA的潜力非常大。
在2017年的时候，我们看到的是一个财务自动化工具，到了2018年我们就看到了更多的比如在证券、清结算、运营等应用场景，到了2019年RPA已经变成一个基础生态，延伸出越来越多的垂直类应用，在每个垂直类上又延伸出各种横向分层，比如有的厂商做RPA技术工具，有的厂商做自动化解决方案，有的厂商引入开发者做平台等等，所以现在RPA其实已经走到了一个生态化阶段，从这个角度讲，它也是一个推动金融科技向前发展的重要趋势。
至于RPA是不是一个过渡性方案，我认为在很多具体场景上RPA应该会是一个过渡性方案。比如财务报表里的一些对账，过去用人工解决，现在用RPA解决，未来5G等新技术来了之后，业务背后的系统和一些交互方式可能会发生很大改变，那个时候RPA会不会继续用在该场景下，还要打个问号，伴随着一些场景在未来可能会被变掉，那依附该场景的RPA就会成为一个过渡性方案，完成它的历史使命。
不过，伴随着另外一些新技术新场景的诞生，RPA也将会找到新的结合点。比如未来不以表格交互为主了，而变成音频视频交互的方式，产生大量非结构化数据，此时RPA+AI就会产生出新的产品应用。
所以，RPA是否是一个过渡性方案，是针对某些具体场景而言的。放眼长期，我认为RPA技术本身并非一个过渡性的，而是一个伴随其他技术不断向前持续发展的状态，正如自动化理念，一直以来都伴随着IT系统的成长，成为金融科技方案中间一个必不可少的部分。
AI金融评论：做金融领域里的智能RPA的门槛高不高？对智能RPA来说，它的核心壁垒是什么？
郭鹏程：关注底层操作系统的RPA门槛不是很高，更多是技术层面的操作，而面向具体场景如金融场景时，RPA会变得有一定的门槛，至少要对金融业务的场景有足够的了解。
要能够面向金融场景去封装一些针对性的RPA操作组件，比如一些对账的逻辑、单据识别的规则，比如把此前用人去做的判断总结出来转化成RPA的操作等。
另外，RPA系统本身也有一定门槛，比如操作系统持续的稳定性和安全性，要求在关键节点和关键校验上进行针对性的设计和反复的确认，还包括长时间的试运行和异常行为的监测与及时处理。
而以上这些都需要时间和资源去积累，从这个角度讲，金融场景的RPA是有一定门槛的，只有足够的实际业务实践和经验积累，才能够推出一款真正靠谱的金融领域RPA。
AI金融评论：目前智能RPA有两种服务方式，一种是直接面向客户，给到定制化方案；一种是做通用型工具，然后通过中介——行业服务商来一起服务行业客户，这两种方式，对RPA供应商来说哪种更好？
郭鹏程：不同的场景适用于不同的方案，这两类供应商都有很成功的案例。对于金融领域来说，在面向非核心场景和操作，如运营活动或不涉及大额的金融交易场景时，第二种方案也可以。
例如一些国有大行和股份制银行，具备较强的科技基础，选择通用型RPA厂商来帮助自己包装一些相应的自动化场景，在成本、直接服务性和沟通上的效率都会更高。
而对一些大额金融交易场景，术业有专攻的基础RPA厂商未必会对真实的金融业务场景有很深刻的理解，因此中间还需要专门做金融服务的行业服务商来进行一些封装和集成，做到风险共担，也使得一些风险点变得更加可控。
对金融壹账通来说，提供的是RPA技术加上金融系统解决方案，针对银行客户更加倾向推出面向具体的金融业务提供第一种方案，帮助客户一站式完成相应的金融操作。
AI金融评论：金融科技创新与通用科技创新或其他非金融领域的科技创新相比，最主要有哪些不同？
郭鹏程：至少有三方面的不同：
一是要懂金融，对金融业务和场景有深刻的理解，不能为了科技而科技。
二是要熟悉合规和监管，现在金融领域里，监管制度不断有一些新的调整与整合，金融领域的科技创新要不断去了解适应，不能为了创新就去突破监管合规的要求。
三是要有长时间的业务积累，知道业务知识和监管知识，顶多算是一个学习而非实践，如果缺乏长时间的积累和试运行，仅仅是把一个金融科技创新从实验室里拿出来放到真实业务场景中，很可能会遭遇水土不服，甚至不但不能解决痛点难点，而且还可能带来新的风险和问题。
所以做金融领域的科技创新，对业务和监管知识的了解很重要，但更重要的是实践的积累。
后续AI金融评论将发布一系列金融“RPA+AI”专访报道，敬请期待。雷锋网雷锋网雷锋网
正在生成分享图...
何思思