܄

氪信CEO朱明杰:AI创业者们,真正的AI正用钱来衡量

【数据猿导读】 AI的价值是帮助业务提升价值,需要完整的商业闭环。只有面对直接的商业需求的压力,需求越大,技术进步才越快。AI的创业原则:一定要挣钱、不重复造轮子、不要做Nice-to-have的东西

氪信CEO朱明杰:AI创业者们,真正的AI正用钱来衡量

编者按

氪信创始人兼CEO朱明杰毕业于中国科学技术大学少年班,拥有微软亚洲研究院博士学位,这名典型的理科生曾在德国马克思普朗克研究院从事大规模数据挖掘工作,并在雅虎研究院、eBay、携程大数据部门等有过 10 多年的数据挖掘、机器学习的工作经验。

2015年朱明杰创立氪信,用大数据提供金融风控服务,目前氪信已与民生银行、中银消费金融、小赢理财等数十家机构达成合作。其产品体系服务于消费金融、商户贷、物流、房产金融等数十个垂直场景,帮助金融机构对客户进行风险评判和定价,提供大数据风控解决方案。

今年9月氪信完成火山石资本领投,真格基金跟投的数千万元Pre-A轮融资,此前还曾获得真格基金领投的700万元天使融资。

近日,在小饭桌人工智能创业班上,作为导师的朱明杰分享了其创业历程,小饭桌做了不修改原意的整理:

技术如果不能跟商业价值挂钩是很危险的

我从04年开始在微软亚洲研究院跟最厉害的计算机科学专家们一起工作,正值上一次AI低谷,那个时候大家觉得叫AI的研究太虚,都不好意思说自己做的是AI,说起自己工作要么是研究搜索机器学习排序,计算机视觉(当年友人们成了现在商汤依图face++的友商),语音(讯飞,云知声的友商们),自然语言处理(现在的小娜小冰各种智能助手chatbot)等等。

刚好上个月微软研究院院友会成立,以前一起打牌打球,现在已经是学术领军人物或者各大公司的首席科学家、CTO、主席以及各明星AI公司创始人。大家聊到了现在这个AI黄金时代的大公司和创业公司以及个人各自的机会。中国互联网的发展经历了海归(copy from US)时代,产品经理时代,线下推广执行专家的O2O时代,现在是不是到了懂商业的科学家去改造升级这个社会的时代?

计算机科学的人其实都有一个梦想,把整个现实世界的信息装进一套知识体系里组织好,在这个基础上智能化运营。学术界的做法是想先定义知识体系,再去不断纳入广泛的数据,自上而下的去做这件事情。包括我在马克斯普朗克研究所做博士后的时候,跟着国际大规模数据库协会(VLDB)主席Gerhard Weikum教授做的事情,也是这个思路 —— 建立一套可以自动演化吞没全世界的知识图谱。

而工业界的做法是从底层数据自下而上,比如谷歌微软百度都是从应用需求出发,先在搜索、广告、智能助手、企业应用上不断优化效果,积累足够的数据和样本,再整合出AI的能力。我们现在看到学术研究往往是跟在工业应用后面的,因为AI的价值是帮助业务提升价值,需要完整的商业闭环。只有面对直接的商业需求的压力,需求越大,技术进步才越快。

我后来从马普所到Yahoo Labs,到eBay Search Science,再后来到携程组建大数据部门,用机器学习的方法做个性化服务,做风险定价、机票对赌、预测酒店的需求、智能客服…… 携程那个时候是个传统的业务很重的公司,通过技术应用获得了巨大的商业效果提升,James(携程董事局主席梁建章)当时就和我讨论过,未来绝大部分低端的工作都有被AI提升的空间。同样的现在各个传统行业都存在巨大的智能改造升级的空间。所以后来我直接跳到了钱最多的行业——金融,创业做氪信这件事情。

AI创业:不做Nice-to-have的东西

简单粗暴的说,AI的创业原则,我觉得第一点,一定要挣钱。

跟之前的互联网产品不同,AI产品价值是理性的决策者决定的,如果一开始就不能收到钱,那很难说明它的商业价值,是很难走下去的。

我们看到现在很多创业项目在做的东西,十几二十年前就研究过。之前研究院语音组的同学们做过哼唱搜索,只要哼个调子,就可以搜出歌来,很有趣。那个时候我们就讨论过,为什么商业搜索引擎里面没有用进去?因为好玩但是不能赚钱啊。到现在我都没想明白怎么靠这个赚钱。而有些是timing不同会发生变化的,比如之前做NLP做对联、作诗、做聊天机器人,也没法赚钱;但是现在巨大的业务压力,需要智能客服,我觉得现在重新捡起来,是有潜力的。

如果只是做技术咨询和工具性的一些服务,其实还不如在大公司里做一个中坚力量的位置,性价比要高得多,没必要出来创业。所以得要考虑你的服务和产品在累积什么样的资源,可以做时间的朋友,赚钱。

第二点,不重复造轮子。

AI创业公司资源有限,你怎么去跟巨头PK?

比如我们看到微软成立了6000人的AI研发集团,我们以前的沈向洋院长现在带领着最好的科学家们和产品研发团队,几乎无尽的数据和硬件资源做AI。一个AI创业者必须要考虑的是:你能做什么事情,你的优势到底在什么地方?如果是拿风险投资的钱做研究院的事情,或者自己闭门造车,那是非常危险的。

其实创业公司的机会有它的灵活性,现在这个时代,轮子别人已经给你做好了,怎么去用好这个轮子,是小公司非常好的机会。更加贴近市场和客户,它的独立性的和中立性,某种程度上很多大公司是不会去做、不屑于去做或者不能去做的,却是小公司可以产生跨领域和场景产生价值的机会。很多人会问谷歌微软阿里腾讯要做你做的事情怎么办?那要看你要做的事情是什么。很多人说自己要做一套更好的平台,更牛的算法,那是实在对大公司的实力太不了解了;但是一个独立的创业公司可能比阿里更容易与一个大的金融机构合作,因为没有潜在业务竞争关系。

第三点,不要做Nice-to-have的东西。AI创业资源非常有限,一定要专注在最能产生价值的地方,用户最痛的那一点。做Nice-to-have的事情获得的回报也非常有限,你很难通过锦上添花的东西去做突破。

AI创业时间要合适,要有刚性的需求。因为AI创业有它的独特性——它需要大量的数据——所以要事先判断你能不能获得你所需要的有价值数据,是否有合适的团队、足够的技术能力,真正理解客户的需求和痛点。其次,变现的场景一定要清楚创业前要考虑好它能解决什么问题、产生什么价值、最后怎么挣钱。

回到我们当时决定用之前机器学习的能力来做金融这件事情,按这个方法论来推理,首先金融有大量的数据,且需要技术来提升效率,但是从哪一点开始单点突破呢?其次,它的商业模式到底是不是成立?尤其在中国,数据还在比较原始的阶段,业务环境现在机器发挥的价值有限。如果只是做一些Nice-to-have的东西,可能未必能熬到未来有价值的时候。

像外行一样思考,像专家一样实践

所以氪信的切入点,是用AI的技术来解决风险决策的问题。现在互联网消费金融发展的很快,整个金融市场的环境也进一步普惠化,大家对金融信贷效率的要求也越来越高。

如果三五年前我来做这件事情,可能并不是一个很好的时间点。因为那时的市场环境还是偏向于传统金融,更聚焦于做好优质的客户。那时候用AI做风险决策就是一个Nice-to-have的事情,一定不会获得单点突破的爆发式发展。

而在普惠金融的大环境下,金融机构提供的是崭新的金融服务,面对的是崭新的客户人群,每天面对的都是急需解决的风控挑战。而对于氪信来说,就是要拿AI来解决这个行业里做风控最大的两个痛点:

一个是数据太少。因为放贷的每一笔不良记录,都是金融机构用自己的钱买出来的,每一笔坏账都是血淋淋的教训,样本都非常宝贵。尤其对于新兴的金融业务来说,没有过往的样本积累。这跟做图像识别还不一样,因为一旦决策错误,就是一笔大的损失。这里要解决的问题是,怎么能够补充足够的数据。

另一个是数据太多。我们做风控的时候要考虑,哪些数据对我们的业务场景有价值?不仅仅是征信相关的数据,事实上更广范围的诸如消费、社交、运营商等数据都在新金融风控中显现出了重要的作用。对传统行业的人来说,面对这些大量的、非结构化的、并非直接和人的金融属性挂钩的数据,相当于让他们在贫矿里面淘金,而这个也是我们能够解决问题和提供的价值的地方。

解决数据太多的问题,我们比较轻车熟路,因为我们过去在互联网上处理的数据量比这个大的多。而如何解决数据太少的问题,这里面有几个层次:

首先行业的专家经验非常宝贵,所以应该把专家的经验教给机器,承担专家机械手的角色,扩大处理范围。目标一定是对传统行业做一个人机结合的改造,专家以前可能只能看几百个人的信用审核,现在一天可以做到几十万,甚至是几百万。

其次在面对像现金贷这种缺乏传统征信数据的新兴场景,我们做的是深度学习特征提取框架,以及专家人工特征提取框架,融合机器和人的经验,从非传统数据里面提取有价值的信息。我们提供的核心功能是机器特征工程的能力,说白了就是用数据的原理。传统做法是专家要去调公式,但是我们深度学习模块产生的特征,在实际场景中已经是提升模型区分度更重要的推手。

做AI创业,是用一种新技术去提升这个行业,也就意味着你在初始阶段并不是这个行业的内行。要像外行一样思考,像专家一样实践。既要去学习行业里面现有的规则,同时,也要带着自己的特点。

一定要有一个非常好的团队。第一要有好的科学家,做算法和用数据。其次,要有非常强的工程执行团队,把技术变成生产力。而因为技术人员和科学家的思考,离最终的用户会比较远,所以产品也是这个团队很核心的位置。在团队里边,每一个人都要有产品意识,并不仅仅是要有一个好的产品经理。

另外一个很重要的点是,你的客户其实是你非常好的产品经理。我们最开始,一定是跟最领先的金融机构去合作,因为他们是最理解这个行业的;跟行业里面最优秀的从业者去探讨需求,是快速学习的最佳途径。

我们现在的合作伙伴,要么是传统金融机构里面最领先和开放的优秀合作伙伴,要么就是本身技术能力非常强的新兴势力,通过强强联手帮助业务快速的增长。

我们参与了这样一个历史进程:通过更先进的处理数据和使用数据的技术,对新形势下风控决策体系做改造和升级,最终实现整个金融行业更高的运作效率。

真AI只能用钱表达

下面是我创业以来的一些思考和体会。首先最重要的因素还是人,要记得自己的基因和初心。

很多人会问我,为什么不直接去放贷款? AI跟传统行业合作提升效能的时候会遇到很多这样直接的业务诱惑。这个时候,要思考清楚,做金融业务的天花板在什么地方?你的价值是更广阔的星辰大海。

第二点,做AI的创业,销售非常重要。你要把你的能力和产品推销出去,推销给你的客户,推销给你未来的员工,推销给对你有帮助的资源。把你能够提供的价值和对方的需求匹配起来,最后完成价值和利益的交换,这就是一个销售的过程。不会做销售的科学家不是好的产品经理。

第三点,AI是技术驱动型的公司,做的是创新性的事,永远要保持你的团队是A类的人才。团队成员要彼此信赖和信服,才能碰撞产生最大的价值。最开始的时候我们就是一支在信任基础上建立的优秀团队,并且一直保持非常高的标准,源源不断的吸引优秀的成员加入。

第四点对AI创业非常重要,就是持续获得价值肯定。只有更强的需求驱动,有足够宽的赛道,才能让牛逼的团队跑起来。真正能够取得成功的,一定是找到跟商业价值直接挂钩的道路的团队。

所以,总结起来:真正的AI只能靠钱来表达。


来源:小饭桌创业课堂

声明:数据猿尊重媒体行业规范,相关内容都会注明来源与作者;转载我们原创内容时,也请务必注明“来源:数据猿”与作者名称,否则将会受到数据猿追责。

刷新相关文章

大数据投融资周报(4月5日——4月7日,共9起)
大数据投融资周报(4月5日——4月7日,共9起)
大数据周周看:今日头条近10亿美元融资入账,Adobe推出体验云平台Experience Cloud
大数据周周看:今日头条近10亿美元融资入账,Adobe推出体验云...
【独家首发】数之联完成A轮数千万元融资,大数据分析挖掘领跑者获资本青睐
【独家首发】数之联完成A轮数千万元融资,大数据分析挖掘领跑...

我要评论

精品栏目

[2016/10/10]

大数据24小时

More>

[2016/09/26-7]

大数据周周看

More>

[2016/09/01-30]

大数据投融资

More>

[2016/11/28-2]

大咖周语录

More>

[2016/11/29-6]

大数据周聘汇

More>

[2016/12/06-13]

每周一本书

More>

返回顶部