0
| 本文作者： 李雨晨 | 2021-10-20 10:15 |
“Think big”是領(lǐng)創(chuàng)智信技術(shù)研發(fā)負(fù)責(zé)人王芳林在采訪中提及次數(shù)最多的詞匯，某種程度而言，它已經(jīng)成為了這家公司基因的一部分。五年前，正是這組基因的內(nèi)生動(dòng)力驅(qū)使著這家初出茅廬的初創(chuàng)公司，將目光放得更長(zhǎng)遠(yuǎn)，率先瞄準(zhǔn)了東南亞市場(chǎng)，并穩(wěn)步擴(kuò)張到南亞、非洲和拉丁美洲。
如今，領(lǐng)創(chuàng)智信已經(jīng)先后在新加坡、中國(guó)、印度、印尼、越南、菲律賓設(shè)立辦公室，服務(wù)超過(guò)800家行業(yè)客戶，成為了新加坡獨(dú)立科技創(chuàng)業(yè)企業(yè)中最耀眼的明星之一。
對(duì)于王芳林來(lái)說(shuō)，“think big”至少有兩個(gè)維度的涵義：
首先，在宏觀戰(zhàn)略層面要立足高遠(yuǎn)。“比如我們?cè)O(shè)計(jì)一款產(chǎn)品，首先要思考它是否有機(jī)會(huì)拓展到全球。如果可以服務(wù)全球客戶，我們應(yīng)該怎樣來(lái)制定戰(zhàn)略，團(tuán)隊(duì)?wèi)?yīng)該是什么樣的人員配比，跟合作伙伴要建立怎樣的合作機(jī)制?！?/p>
其次，在微觀技術(shù)實(shí)現(xiàn)層面，也要有全局思維。比如開(kāi)發(fā)算法模型時(shí)，要先把橫向和縱向的相關(guān)因素都思考清楚，而不是只看到眼前的一畝三分地。
王芳林的全局思維和他的職業(yè)發(fā)展路徑不無(wú)關(guān)系。加入領(lǐng)創(chuàng)智信前，王芳林在新加坡本土的一家創(chuàng)業(yè)公司擔(dān)任CTO，是個(gè)純粹的技術(shù)派。2017開(kāi)始，王芳林和領(lǐng)創(chuàng)智信的創(chuàng)始團(tuán)隊(duì)接觸，但考慮到當(dāng)時(shí)離開(kāi)對(duì)原公司影響較大而作罷。而在經(jīng)過(guò)一年多的觀察后，王芳林最終選擇了加入。
領(lǐng)創(chuàng)智信技術(shù)研發(fā)負(fù)責(zé)人 王芳林
入職之初，王芳林的角色是某條AI產(chǎn)品線的負(fù)責(zé)人?！坝悬c(diǎn)類似一個(gè)小型CEO的角色，不僅要管產(chǎn)品和研發(fā)，有時(shí)候還要和商務(wù)團(tuán)隊(duì)一起推動(dòng)產(chǎn)品的商業(yè)化?！?/p>
后來(lái)隨著公司發(fā)展壯大，為集中力量辦大事，更好地服務(wù)客戶，資源整合逐漸被提上日程。組織架構(gòu)調(diào)整后，王芳林重新回到研發(fā)崗位，但這段特殊的經(jīng)歷卻給他打下了深刻的烙印，使他看待問(wèn)題有了新的視角。“也許正是因?yàn)檫@近三年全棧式的職業(yè)經(jīng)歷，我現(xiàn)在會(huì)主動(dòng)地去做全局思維，和包括產(chǎn)品、運(yùn)營(yíng)、商務(wù)在內(nèi)的兄弟團(tuán)隊(duì)合作起來(lái)會(huì)更加容易和順暢?！?/p>
商場(chǎng)如戰(zhàn)場(chǎng)，作為一名久經(jīng)沙場(chǎng)的老兵，王芳林自然懂得“兵無(wú)常勢(shì)，水無(wú)常形”的道理。市場(chǎng)瞬息萬(wàn)變，不管戰(zhàn)略規(guī)劃做的多么細(xì)致周到，終歸是趕不上變化。所以他的“think big”其實(shí)還有后半句，那就是“act small”。
“作為創(chuàng)業(yè)公司，我覺(jué)得最重要的是不要怕犯錯(cuò)。方向性的東西是比較容易想到的，但它適不適合你當(dāng)前所處的市場(chǎng)環(huán)境，這是書本和方法論沒(méi)辦法解決的問(wèn)題。所以你需要做的就是小步快跑、快速試錯(cuò)，通過(guò)不斷總結(jié)和復(fù)盤來(lái)驗(yàn)證策略并讓自己迅速成長(zhǎng)?！?/p>
加入領(lǐng)創(chuàng)智信三年，王芳林看著公司一步步發(fā)展壯大。如今他帶領(lǐng)的技術(shù)研發(fā)部門已經(jīng)擁有70多人的規(guī)模，雖算不上龐大，但也已經(jīng)五臟俱全。
王芳林向雷鋒網(wǎng)介紹，他的部門包含四個(gè)團(tuán)隊(duì)——工程團(tuán)隊(duì)、數(shù)據(jù)標(biāo)注團(tuán)隊(duì)、AI團(tuán)隊(duì)和數(shù)據(jù)科學(xué)團(tuán)隊(duì)，各自有不同的分工。
數(shù)據(jù)標(biāo)注團(tuán)隊(duì)，顧名思義，其主要職責(zé)就是給數(shù)據(jù)加上標(biāo)簽。
目前行業(yè)內(nèi)的數(shù)據(jù)標(biāo)注團(tuán)隊(duì)主要有三種類型：一是AI公司自建的數(shù)據(jù)標(biāo)注團(tuán)隊(duì)，二是專業(yè)的數(shù)據(jù)標(biāo)注平臺(tái)，三是承接數(shù)據(jù)標(biāo)注服務(wù)的外包公司，三者各有優(yōu)劣。
AI公司自建團(tuán)隊(duì)的人員素質(zhì)更好、效率更高，但數(shù)據(jù)標(biāo)注需求并不固定，維持一支龐大的數(shù)據(jù)標(biāo)注團(tuán)隊(duì)性價(jià)比往往不高。
專業(yè)的數(shù)據(jù)標(biāo)注平臺(tái)相比自建團(tuán)隊(duì)擁有完善的產(chǎn)業(yè)鏈，具有盈利能力，能較好地平衡成本和質(zhì)量。
此外，在國(guó)內(nèi)三四線城市也存在一些承接數(shù)據(jù)標(biāo)注服務(wù)的外包公司，由于勞動(dòng)力成本較低，他們?cè)趦r(jià)格上最具優(yōu)勢(shì)，但在標(biāo)注質(zhì)量和效率上存在許多不足。
領(lǐng)創(chuàng)智信的數(shù)據(jù)標(biāo)注團(tuán)隊(duì)在建立時(shí)就希望能夠發(fā)揮東南亞的低成本、高素質(zhì)的人力優(yōu)勢(shì)，結(jié)合自身的AI經(jīng)驗(yàn)，除了服務(wù)公司內(nèi)部AI團(tuán)隊(duì)，也要具備承接外部項(xiàng)目的能力，結(jié)合三種不同類型數(shù)據(jù)標(biāo)注團(tuán)隊(duì)的優(yōu)勢(shì)。
領(lǐng)創(chuàng)智信的數(shù)據(jù)標(biāo)注團(tuán)隊(duì)負(fù)責(zé)人張新田認(rèn)為，隨著AI技術(shù)逐步發(fā)展和深入，數(shù)據(jù)標(biāo)注勢(shì)必將從簡(jiǎn)單類數(shù)據(jù)標(biāo)注轉(zhuǎn)向?qū)I(yè)性數(shù)據(jù)標(biāo)注，對(duì)標(biāo)注人員的專業(yè)知識(shí)提出更高要求，數(shù)據(jù)的標(biāo)注模式也將由勞動(dòng)密集型轉(zhuǎn)向AI輔助人力標(biāo)注的新型模式。
因此，未來(lái)?yè)碛袑I(yè)數(shù)據(jù)標(biāo)注能力的企業(yè)將展現(xiàn)出巨大優(yōu)勢(shì)。目前，領(lǐng)創(chuàng)智信已經(jīng)在AI輔助標(biāo)注方面取得了初步成果?！案鶕?jù)我們統(tǒng)計(jì)，AI輔助人工標(biāo)注的方法可以將我們的效率提升75%?！?/p>
有了更好的數(shù)據(jù)基礎(chǔ)和規(guī)模，才能為專注于AI算法模型的AI團(tuán)隊(duì)和聚焦于信用評(píng)分模型的數(shù)據(jù)科學(xué)團(tuán)隊(duì)提供更好的“養(yǎng)分”。
AI團(tuán)隊(duì)負(fù)責(zé)人余江波介紹，在領(lǐng)創(chuàng)智信聚焦的東南亞市場(chǎng)，計(jì)算機(jī)視覺(jué)等技術(shù)有著非常廣闊的應(yīng)用前景，尤其是在金融風(fēng)控、反欺詐等領(lǐng)域。東南亞的金融體系發(fā)展起步較晚，各機(jī)構(gòu)之間猶如信息孤島，缺乏關(guān)聯(lián)，很難實(shí)現(xiàn)統(tǒng)一化、集中式的征信管理。銀行賬戶和信用卡持有率偏低，以及官方身份驗(yàn)證相關(guān)技術(shù)基礎(chǔ)設(shè)施缺失，導(dǎo)致在做風(fēng)控和征信時(shí)缺少相關(guān)技術(shù)與數(shù)據(jù)。
因此，引入計(jì)算機(jī)視覺(jué)等人工智能技術(shù)以防范各種金融風(fēng)險(xiǎn)就成為當(dāng)?shù)叵嚓P(guān)行業(yè)用戶的迫切需求。
除了計(jì)算機(jī)視覺(jué)，信用評(píng)分模型也是金融機(jī)構(gòu)應(yīng)用AI技術(shù)頻率最高的領(lǐng)域之一。判斷一個(gè)信用評(píng)分模型好壞，穩(wěn)定性是考量的重要維度之一。
數(shù)據(jù)科學(xué)團(tuán)隊(duì)負(fù)責(zé)人王爭(zhēng)光介紹，領(lǐng)創(chuàng)智信的數(shù)據(jù)科學(xué)團(tuán)隊(duì)會(huì)從兩個(gè)方面入手來(lái)保障模型的穩(wěn)定性：一是覆蓋盡可能多的樣本，二是選擇具有持續(xù)穩(wěn)定性的數(shù)據(jù)特征來(lái)建模。
信用評(píng)分模型中的很多數(shù)據(jù)特征都是跟時(shí)間強(qiáng)相關(guān)的，因此選擇具有持續(xù)穩(wěn)定性的特征至關(guān)重要。特征的持續(xù)穩(wěn)定性可以分成兩個(gè)維度來(lái)看：一是分布的穩(wěn)定性，即該特征在一段比較長(zhǎng)的時(shí)間內(nèi)，走勢(shì)是比較穩(wěn)定的；二是效果的穩(wěn)定性，即一個(gè)特征現(xiàn)在是有效的，一年后依然有效。
通過(guò)這兩種方式，目前領(lǐng)創(chuàng)智信的信用評(píng)分保證了模型的穩(wěn)定性，同時(shí)AUC也可以實(shí)現(xiàn)業(yè)界領(lǐng)先的效果。
數(shù)據(jù)標(biāo)注團(tuán)隊(duì)、AI團(tuán)隊(duì)和數(shù)據(jù)科學(xué)團(tuán)隊(duì)各具特色，不過(guò)單純從規(guī)模來(lái)看，人數(shù)最多的還是工程團(tuán)隊(duì)，作為連接內(nèi)外部的橋梁，工程團(tuán)隊(duì)肩負(fù)著雙重使命。
一方面，領(lǐng)創(chuàng)智信有先進(jìn)的算法和模型，但最終交付給客戶，還需要將其轉(zhuǎn)化成簡(jiǎn)單易用的服務(wù)。工程團(tuán)隊(duì)負(fù)責(zé)人張?jiān)茦?lè)介紹，領(lǐng)創(chuàng)智信的產(chǎn)品交付有兩種模式：
一種是云上部署的SaaS服務(wù)，用戶登錄賬號(hào)后就可以非常簡(jiǎn)單方便地調(diào)用接口；另一種是私有化的本地部署，可以在安全合規(guī)的內(nèi)網(wǎng)環(huán)境下快捷訪問(wèn)API。
“無(wú)論哪一種交付模式，客戶都無(wú)需理解模型文件的內(nèi)容，就可以輕松調(diào)用其背后的能力?！?/p>
另一方面，AI數(shù)據(jù)標(biāo)注團(tuán)隊(duì)、CV+NLP團(tuán)隊(duì)和數(shù)據(jù)科學(xué)團(tuán)隊(duì)內(nèi)部也有很多可以協(xié)作的地方，工程團(tuán)隊(duì)就承擔(dān)一個(gè)中臺(tái)、連通器的作用?！氨热鏑V+NLP團(tuán)隊(duì)的OCR、人臉識(shí)別等產(chǎn)品會(huì)產(chǎn)生很多結(jié)構(gòu)化的數(shù)據(jù)，是數(shù)據(jù)科學(xué)團(tuán)隊(duì)可以直接拿去用的。數(shù)據(jù)中臺(tái)的作用就是把我們對(duì)數(shù)據(jù)的所有需求統(tǒng)一起來(lái)，實(shí)現(xiàn)內(nèi)部共享”。
各個(gè)團(tuán)隊(duì)在開(kāi)發(fā)和訓(xùn)練模型時(shí)需要處理大量數(shù)據(jù)，最常見(jiàn)的需求之一就是從數(shù)據(jù)中提取特征。為幫助大家更加方便地提取和管理特征，提高開(kāi)發(fā)效率，領(lǐng)創(chuàng)智信的工程團(tuán)隊(duì)正在嘗試搭建一個(gè)特征平臺(tái)?；谔卣髌脚_(tái)，開(kāi)發(fā)團(tuán)隊(duì)僅需要簡(jiǎn)單編程就可以獲取到數(shù)據(jù)特征，實(shí)現(xiàn)低代碼的敏捷開(kāi)發(fā)。
技術(shù)研發(fā)負(fù)責(zé)人王芳林介紹，目前領(lǐng)創(chuàng)智信的技術(shù)研發(fā)團(tuán)隊(duì)仍在快速擴(kuò)充當(dāng)中，預(yù)計(jì)年底會(huì)增加到上百人的規(guī)模。
在一個(gè)快速成長(zhǎng)的團(tuán)隊(duì)中，如何迅速讓新成員融入進(jìn)來(lái)，把大家擰成一股繩，對(duì)于管理者來(lái)說(shuō)是個(gè)不小的挑戰(zhàn)。從結(jié)果來(lái)看，王芳林勝任得還不錯(cuò)，團(tuán)隊(duì)?wèi)?zhàn)斗力十足，已經(jīng)成了公司快速成長(zhǎng)的重要引擎之一。
王芳林認(rèn)為，企業(yè)管理可以劃分成兩個(gè)大的維度——戰(zhàn)略和組織能力。戰(zhàn)略決定了航行的方向和目標(biāo)，而組織能力是這艘輪船能否有足夠動(dòng)力快速駛向終點(diǎn)的關(guān)鍵。
他向雷鋒網(wǎng)表示，在大型企業(yè)里，管理者傾向于通過(guò)文化和規(guī)則來(lái)提升組織力，而在領(lǐng)創(chuàng)智信這樣的創(chuàng)業(yè)公司，有一個(gè)因素比文化和規(guī)則更加重要，那就是企業(yè)和個(gè)人成長(zhǎng)的協(xié)同一致性。
“很多人可能覺(jué)得這個(gè)很難，或者沒(méi)有把它的優(yōu)先級(jí)放得那么高，或者沒(méi)有決心去做，但其實(shí)這才是非常重要的組織成長(zhǎng)的驅(qū)動(dòng)力。思考整個(gè)團(tuán)隊(duì)的發(fā)展方向，制定流程和組織架構(gòu)時(shí)，這是我要考慮的核心要素之一。”
在技術(shù)研發(fā)團(tuán)隊(duì)的支撐下，領(lǐng)創(chuàng)智信已經(jīng)將業(yè)務(wù)觸角延伸到了多個(gè)領(lǐng)域，不過(guò)金融行業(yè)仍是其最主要的賽道。
王芳林表示，金融是AI技術(shù)應(yīng)用最早的領(lǐng)域之一，信用評(píng)分和身份驗(yàn)證等技術(shù)很早就在歐美落地了。近年來(lái)，隨著數(shù)字化程度不斷提升，基于結(jié)構(gòu)化數(shù)據(jù)進(jìn)行線上反欺詐的需求也日趨旺盛。
盡管金融行業(yè)是AI的“先行示范區(qū)”，可東南亞地區(qū)互聯(lián)網(wǎng)化程度較低的現(xiàn)狀還是給金融AI技術(shù)的普及帶來(lái)了一定的挑戰(zhàn)。在國(guó)內(nèi)，金融機(jī)構(gòu)非核心業(yè)務(wù)上云已經(jīng)是非常普遍的事情，而在東南亞地區(qū)受限于監(jiān)管，更多采用的仍然是傳統(tǒng)IDC的部署形式，不僅成本高昂，效率也有待提升。
同時(shí)，由于網(wǎng)絡(luò)基礎(chǔ)設(shè)施較差，領(lǐng)創(chuàng)智信在部署產(chǎn)品時(shí)也需要針對(duì)性地做很多優(yōu)化。比如，針對(duì)圖像、視頻等多媒體信息，如何在最大限度減少對(duì)帶寬消耗的情況下，實(shí)現(xiàn)精準(zhǔn)的識(shí)別和判定。這些經(jīng)驗(yàn)需要長(zhǎng)期實(shí)踐和總結(jié)才能一步步沉淀。
王芳林介紹，盡管深度學(xué)習(xí)技術(shù)是當(dāng)前人工智能領(lǐng)域最大的熱門，但在金融信用評(píng)分和反欺詐方面并沒(méi)有特別廣泛的應(yīng)用。相反，傳統(tǒng)機(jī)器學(xué)習(xí)技術(shù)要更加常見(jiàn)。其中一個(gè)主要原因是因?yàn)榻鹑谑且粋€(gè)強(qiáng)監(jiān)管的行業(yè)，要求算法模型具備可解釋性，而深度學(xué)習(xí)模型大多數(shù)情況下仍然是一個(gè)“黑盒子”。
同時(shí)，深度學(xué)習(xí)算法就像一個(gè)以數(shù)據(jù)為食的“巨獸”，需要大量數(shù)據(jù)的“飼喂”才能得到較好的運(yùn)用效果。但金融行業(yè)受限于監(jiān)管，企業(yè)能夠使用的數(shù)據(jù)仍然比較稀缺。
不過(guò)他也樂(lè)觀地表示，“深度學(xué)習(xí)算法在監(jiān)管要求不高的領(lǐng)域仍大有可為，而且隨著數(shù)據(jù)的積累和技術(shù)的迭代，未來(lái)深度學(xué)習(xí)算法也一定可以被解釋得更加合理清晰，并在金融行業(yè)占有一席之地。”
AI團(tuán)隊(duì)負(fù)責(zé)人江波介紹，為了解決數(shù)據(jù)標(biāo)簽稀缺的問(wèn)題，除了使用傳統(tǒng)的遷移學(xué)習(xí)技術(shù)外，領(lǐng)創(chuàng)智信也在積極探索數(shù)據(jù)合成、半監(jiān)督/無(wú)監(jiān)督、主動(dòng)學(xué)習(xí)等當(dāng)下熱門的人工智能前沿技術(shù)。
以圖像識(shí)別領(lǐng)域的遷移學(xué)習(xí)為例，目前網(wǎng)絡(luò)上有很多公開(kāi)的圖像數(shù)據(jù)集。這些數(shù)據(jù)可以作為“第一手資料”，幫助數(shù)據(jù)積累薄弱的初創(chuàng)公司迅速完成模型訓(xùn)練的“冷啟動(dòng)”。
領(lǐng)創(chuàng)智信經(jīng)過(guò)近4年服務(wù)大量客戶的實(shí)踐經(jīng)驗(yàn)，已經(jīng)積累了不少數(shù)據(jù)，這些不同國(guó)家的數(shù)據(jù)通過(guò)遷移學(xué)習(xí)，可以幫助其在進(jìn)入一個(gè)新市場(chǎng)時(shí)，迅速開(kāi)發(fā)出適應(yīng)新市場(chǎng)特性的模型和產(chǎn)品。
“就拿OCR來(lái)說(shuō)，基于我們過(guò)去的數(shù)據(jù)積累，如果要開(kāi)發(fā)一個(gè)新的證件識(shí)別產(chǎn)品，只需要1天。”
企業(yè)進(jìn)入新的行業(yè)或市場(chǎng)時(shí)，除了面對(duì)數(shù)據(jù)稀缺的難題，也要經(jīng)歷對(duì)算法設(shè)計(jì)泛化能力的考驗(yàn)。
為了讓算法模型具有更好的泛化能力，領(lǐng)創(chuàng)智信在做算法開(kāi)發(fā)時(shí)就會(huì)強(qiáng)調(diào)算法模型的可復(fù)用性，抽出一些通用的模塊。后續(xù)做進(jìn)一步的產(chǎn)品開(kāi)發(fā)時(shí)，只要將這些泛化的抽象模塊像搭樂(lè)高積木一樣搭起來(lái)，再針對(duì)不同客戶進(jìn)行上層的定制化開(kāi)發(fā)，就能取得較為理想的效果。
作為一家深耕東南亞的出海企業(yè)，相比技術(shù)上的挑戰(zhàn)，領(lǐng)創(chuàng)智信遭遇更多的還是業(yè)務(wù)上的難題。
和國(guó)內(nèi)市場(chǎng)相比，海外市場(chǎng)的客戶更注重產(chǎn)品全生命周期的標(biāo)準(zhǔn)化和合規(guī)性。但東南亞地區(qū)國(guó)家數(shù)量眾多，不同國(guó)家之間的宗教、文化、政治、經(jīng)濟(jì)和技術(shù)基礎(chǔ)設(shè)施差異顯著，這又導(dǎo)致他們對(duì)于產(chǎn)品標(biāo)準(zhǔn)化和合規(guī)性的需求是不完全相同的。
王芳林說(shuō)到，“早期我在做AI產(chǎn)品線的時(shí)候，非常強(qiáng)調(diào)標(biāo)準(zhǔn)化。但后來(lái)逐漸發(fā)現(xiàn)不同國(guó)家的客戶在其特有的監(jiān)管要求下，普遍擁有定制化的需求，這時(shí)候就不得不去做一些調(diào)整和改變。”
領(lǐng)創(chuàng)智信找到平衡點(diǎn)是，用標(biāo)準(zhǔn)化的方式做產(chǎn)品中間最通用、核心的部分，同時(shí)引入合作伙伴比如本地的系統(tǒng)集成商，客戶定制化需求交給合作伙伴，達(dá)到客戶、合作伙伴、自己的三贏。
某種程度而言，領(lǐng)創(chuàng)智信已經(jīng)初步構(gòu)建起了自己的生態(tài)，而“標(biāo)準(zhǔn)化產(chǎn)品+ISV定制開(kāi)發(fā)”正是其生態(tài)的根本內(nèi)核。再深一步說(shuō)，這也是對(duì)于金融這個(gè)行業(yè)的認(rèn)知和實(shí)踐不斷深入的過(guò)程。
在AI獨(dú)角獸們紛紛遭遇發(fā)展瓶頸的當(dāng)下，領(lǐng)創(chuàng)智信能在短短五年內(nèi)就在東南亞市場(chǎng)闖出一片天，絕不是用“幸運(yùn)”兩個(gè)字就能輕松解釋的。
事實(shí)上，它已經(jīng)在快速奔跑和大量的市場(chǎng)實(shí)踐中總結(jié)出了自己獨(dú)特的價(jià)值觀和方法論。王芳林將其歸功于公司的三個(gè)“Centric”文化——Customer Centric、Data Centric、People Centric。強(qiáng)調(diào)對(duì)客戶需求的滿足，以數(shù)據(jù)為中心，同時(shí)注重人才培養(yǎng)，尋求企業(yè)和員工成長(zhǎng)的協(xié)同一致性。
王芳林表示，未來(lái)公司還將繼續(xù)圍繞這三大核心價(jià)值向前推進(jìn)。至于下一個(gè)五年，他們能達(dá)到怎樣的新高度，時(shí)間會(huì)慢慢給出答案。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。
