应得的赞誉：改变金融可及性的 Experian AI 框架

快速阅读: 《VentureBeat 公司》消息，益博睿凭借近二十年的人工智能积累，在生成式AI浪潮中从容应对，通过产品增强、生产力优化、平台开发及教育赋能四大支柱实现转型。其模块化架构和治理模型不仅提升了金融服务包容性，还为其他企业提供了可借鉴的成功范例。

订阅我们的每日和每周通讯，获取行业领先的人工智能报道的最新动态和独家内容。了解更多

虽然许多企业在2022年ChatGPT问世后才开始探索机器学习，但信用报告局巨头益博睿却采取了非常谨慎的方法。益博睿近二十年来一直在有条不紊地发展人工智能能力，开发了自己的内部流程、框架和治理模型，这些帮助它测试生成式人工智能、大规模部署并产生影响。公司的旅程已经帮助其从传统的信用局转型为一家先进的人工智能驱动的平台公司。其方法——融合高级机器学习（ML）、代理型人工智能架构和基层创新——改善了业务运营，并扩展了对约2600万美国人的金融准入。

益博睿的人工智能之旅与那些在2022年ChatGPT出现后才开始探索机器学习的公司形成了鲜明对比。这家信贷巨头近二十年来一直在有条不紊地发展人工智能能力，为其迅速利用生成式人工智能突破奠定了基础。益博睿近二十年来一直在有条不紊地发展人工智能能力，开发了自己的内部流程、框架和治理模型，这些帮助它测试生成式人工智能、大规模部署并产生影响。公司的旅程已经帮助其从传统的信用局转型为一家先进的人工智能驱动的平台公司。其方法——融合高级机器学习（ML）、代理型人工智能架构和基层创新——改善了业务运营，并扩展了对约2600万美国人的金融准入。

“人工智能早已成为益博睿的一部分，远在它变得时髦之前，”益博睿执行副总裁兼软件、平台和人工智能产品总经理施瑞·桑坦汉姆在一次独家采访中告诉《VentureBeat》。“在过去二十年里，我们利用人工智能释放数据的力量，为企业和消费者创造更好的影响。”

在现代生成式人工智能时代之前，益博睿已经在使用和创新机器学习。桑坦汉姆解释说，益博睿并未依赖基础的传统统计模型，而是开创性地结合使用了梯度提升决策树与其他机器学习技术来进行信用承销。该公司还开发了可解释的人工智能系统——这对于金融服务领域的监管合规至关重要——能够阐述自动化贷款决策背后的理由。

最重要的是，益博睿创新实验室（前身为数据实验室）早在ChatGPT发布之前就试验了语言模型和变压器网络。这项早期工作让公司能够迅速利用生成式人工智能的进展，而无需从零开始。“当ChatGPT这颗流星到来时，对我们来说是一个相当直接的加速点，因为我们理解这项技术，有明确的应用方向，并且立即付诸行动，”桑坦汉姆解释道。

这一技术基础使益博睿能够跳过许多企业仍在摸索的实验阶段，直接进入生产实施。当其他组织刚刚开始了解大型语言模型（LLMs）能做什么时，益博睿已经在其现有的人工智能框架内部署它们，并将其应用于之前识别的具体业务问题。

**企业人工智能转型的四大支柱**
当生成式人工智能出现时，益博睿并没有恐慌或转向；它沿着已规划好的路径加速前进。公司将自己的方法围绕四个战略支柱展开，为技术领导者提供了一个全面的人工智能采用框架：

– **产品增强**：益博睿检查现有的面向客户的产品，以识别人工智能驱动的改进机会和全新的客户体验。与其创建独立的人工智能功能，益博睿将生成能力集成到其核心产品套件中。
– **生产力优化**：第二个支柱通过在工程团队、客户服务运营和内部创新过程中实施人工智能来解决生产力优化问题。这包括为开发人员提供人工智能编码辅助以及优化客户服务操作。
– **平台开发**：第三个支柱——可能是益博睿成功的关键——集中在平台开发上。益博睿认识到许多组织将难以突破概念验证阶段，因此投资于构建专门用于负责任地扩大企业范围内人工智能计划的平台基础设施。
– **教育与赋能**：第四个支柱涉及教育、赋能和沟通——构建体系化的机制以推动整个组织内的创新，而不是将人工智能专业知识局限于专业团队。

这种结构化的方法为企业寻求从零散的人工智能实验迈向具有可衡量业务影响的系统实施提供了蓝图。

**技术架构：益博睿如何构建模块化人工智能平台**
对于技术决策者来说，益博睿的平台架构展示了如何构建兼顾创新与治理、灵活性及安全性平衡的企业人工智能系统。

益博睿构建了一个多层次的技术堆栈，核心设计原则优先考虑适应性：“如果我们选择技术和框架，希望能确保……我们可以根据需要灵活调整，”桑坦汉姆解释说。“我们避免走单行道，如果需要的话，我们可以随时调整选择。”

该架构包括：
– **模型层**：多种大型语言模型选项，包括通过Azure提供的OpenAI API、AWS Bedrock模型（如Anthropic的Claude）以及经过微调的自有模型。
– **应用层**：服务工具和组件库，帮助工程师构建代理型架构。
– **安全层**：早期与Dynamo AI合作，针对人工智能系统开展安全、政策治理及渗透测试。
– **治理结构**：一个由高管直接参与的全球人工智能风险委员会。

这种方法不同于那些承诺单一供应商解决方案或专有模型的企业，为益博睿提供了更大的灵活性，因为人工智能能力继续演变。公司现在看到其架构朝着桑坦汉姆描述的“更像专家和代理混合的人工智能系统”转变，这些系统由更专注的专业或小语言模型提供支持。

**可衡量的影响：规模化的人工智能驱动的金融包容性**
除了架构上的复杂性，益博睿的人工智能实践展现了具体的企业和社会影响力，特别是在解决“信用隐形人”的挑战方面。

在金融服务领域，“信用隐形人”指约2600万因缺乏足够的信用历史而无法生成传统信用评分的美国人。这些人通常是年轻消费者、新移民或历史上未被充分服务社区的成员，尽管可能具备信用资质，但仍面临显著的金融产品准入障碍。

传统的信用评分模型主要依赖标准的信用局数据，如贷款支付历史、信用卡使用率和债务水平。如果没有这种常规的历史记录，贷款机构通常会认为这些消费者高风险或完全拒绝服务他们。这就造成了一个恶性循环，人们无法建立信用，因为他们无法获得信贷产品。

益博睿通过四项特定的人工智能创新解决了这个问题：
– **替代数据模型**：将非传统数据源（如租金支付、公用事业、电信支付）纳入信用评估的机器学习系统，分析数百个变量而非传统模型中的有限因素。
– **合规的可解释人工智能**：保持监管合规的框架，阐明为什么做出特定的评分决定，使复杂的模型能够在高度监管的借贷环境中使用。
– **趋势数据分析**：分析财务行为随时间变化的AI系统，而非提供静态快照，检测余额轨迹和支付行为中的模式，更好地预测未来的信用资质。
– **分段特定架构**：针对不同细分市场的定制模型设计——那些文件较薄的消费者与完全没有传统历史的消费者。

结果是显著的：使用这些AI系统的金融机构能够从原本隐形的人群中最多增加50%的审批申请量，同时保持或提高风险表现。

**技术决策者的可操作启示**
对于希望在人工智能应用方面领先的公司而言，益博睿的经验提供了若干可操作的启示：
– 构建支持模型灵活调整的人工智能平台：构建允许模型灵活调整的人工智能平台，而不是完全依赖单一提供商或方法。
– 早期整合治理：组建跨职能团队，让安全、合规与人工智能开发者从一开始就协同工作，而不是各自为政。
– 优先考虑类似益博睿信用扩展的AI应用：优先考虑能带来具体商业价值并解决更广泛社会挑战的AI应用。
– 考虑协调式的多代理系统：超越简单的聊天机器人，转向协调式的多代理系统，更有效地处理复杂的领域特定任务。

对于金融服务和其他受监管行业的技术领导者来说，益博睿的旅程表明，负责任的人工智能治理不是创新的障碍，而是可持续、可信增长的推动者。通过结合系统化技术开发与前瞻性的应用设计，益博睿为传统数据公司如何转型为具有重大企业和社会影响的人工智能驱动平台提供了蓝图。

**每日业务用例洞察**
如果你想给老板留下深刻印象，VB Daily可以帮你。我们为你提供公司如何使用生成式人工智能的内幕信息，从监管变化到实际部署，以便你可以分享见解以实现最大回报。立即订阅阅读我们的隐私政策，感谢订阅。

若想查看更多VB新闻通讯，请点击链接。

(以上内容均由Ai生成)