1、JIMI，机器人

口述 | 赵莉

 

最初它有点笨。如果JIMI是个人，它大概知道，此时应该沉默、微笑，等待客户把话说完。但它是个机器人，它追踪着客户破碎的句子，殷勤地在每个断句后都跟上了一串答案。

我在京东金融客户服务中心的智能组工作，负责运营JIMI——一个以南非灰色鹦鹉面目示人的智能机器人。2015年初，我刚到这里负责客户投诉，那时候的客服还都是人工。如今，JIMI已经包揽了许多客服工作。

每天，我们部门五位同事都会抽检JIMI和用户的“聊天记录”，我也经常翻看，就像翻看自己孩子的言行记录，想知道它哪儿说话不得体，什么事儿做错了。2015年10月，JIMI在京东金融PC端上线，用户多数素质高，逻辑思维强，提问也是完整的长句，JIMI抓取关键词很方便。但2016年5月底，JIMI在移动端上线后，用户对着手机屏幕，习惯了将一句话拆成三段说，这让JIMI傻了眼。

对于手机聊天最常见的开启句：“在吗？”它有点不知所措。再看到用户说：“我刚刚在商城买了个东西。”它立刻提取“商城”，给出了针对购物的常见问题索引。用户继续：“支付用的白条。”它又跳出了有关白条的问题。通常，用户会加快速度敲击键盘，“我话还没说完呢！”直到第四句甚至第五句，用户才问出真正的问题，“优惠券怎么不能用了？”

JIMI在移动端上线前，我和同事开了几十次会，加了几个月的班，对用户可能比较集中的问题作了许多预测，心中惶惑。因为在移动端训练一个机器人，我们没有历史经验。上线一周，JIMI的单日接单量比第一天增长了近10倍。同时，“没等用户把话说完”的事情经常发生，有的用户评论，“不够智能”。

好在JIMI和我们都会学习。至今，我们为JIMI做了起码五次大的更新，增大它的知识库，调整算法，除了准确识别出用户的需要，还要让它识别出用户的情绪。譬如，当用户打出“哈哈哈”，说明他情绪颇为正面，这时候JIMI就可以跟他卖个萌，逗个乐；用户打出“呵呵”，意味着情绪偏负。我们把许多客服同事的经验和话术汇集起来，放进JIMI的知识库，让它知道如何去跟一个陌生人无伤大雅地开玩笑，如何安抚一个有点小情绪的人。运营近一年，JIMI的应答准确率达到92%，客户也普遍表示满意。

如果“呵呵”之外还有感叹号甚至是连续的感叹号，JIMI就能识别出用户情绪已经非常负面，它会温言款语地安抚，同时结合用户的问题，判断是不是要连接人工客服，让用户的情绪找到出口。

面对真正敏感的、专业的问题，譬如白条被盗用，JIMI就会引导客户联系人工客服，进行资产核查和找回，及时止损。

我已经做了快十年客服了。这些年，客服行业发生了巨大的变化。2007年，我刚毕业，进入某大型游戏公司做客服。那时，用户遇到问题只能上论坛发帖——绝大部分问题都是要求解除封号，而后就只能等待我们上论坛回复。我的工作就是用一套标准化流程告诉他们，账号不能解封。他说不玩了，我安抚；他说要到公司闹，我劝阻，依然不解封。要到时间滑过去好几个月，才发现自己只是重复做一件事情。

后来，有了在线客服，点击按钮就有人接待。开始还有延时，今天留了言，可能第二天客服上线了才能回复。再后来，逐步有了即时回复，又一步步发展成大型呼叫中心，用语音和客户一对一交流。但80%以上的客服依然在重复着解决最基本的问题。

到京东金融之后，我也想过是不是继续招人，让客服变成一片人海，但算算投入产出比，这不是最优选择。人工智能来了，它能同时接待几万人，7x24小时工作，分秒不倦怠，这是人比不上的。有时，盯着屏幕上显现的有关JIMI的统计数据，我觉得，行业翻天覆地，人工智能的成长空间是无限的，只要给它一些相应的语言，我能想到的，它都能做到。

但JIMI终究取代不了人。我听说了最近阿尔法狗围棋界无敌手的消息，也看过不少科幻电影，在对未来的想象里，我们不是跟外星人打仗就是跟人工智能干架，但回到办公室，便觉得大可不必担心。人和人工智能相辅相成，人工智能向人学习，替代掉重复的劳动、基础的人工，让人力释放出来，去做更复杂更像“人”的工作，提升人力的价值。

（赵莉，京东金融-客户关怀部-客户服务中心-智能组，机构负责人）

 

2、人工智能

口述 | 王书浩

 

我在读中学时就对计算机特别感兴趣，那时我的偶像是比尔·盖茨，卧室里挂着他的照片。但是后来我读了一些物理科普读物，一下子又对宇宙、自然界非常痴迷，一心想当个物理学家，就学了物理，保送清华读博时选择了量子信息。博士第二年，我去加拿大一个非常有名的量子计算研究所，发现量子计算机可能需要再过十几二十年才能全面实用化。我的想法就发生了转变，开始想尝试一些比较流行的实用化的领域，我想做可以直接影响和改变人类现实生活的事。

我觉得这个技术肯定能在几年内改变人的生活。事实上，人工智能已经在潜移默化中融入我们的生活了。

“深度学习”现在非常火，它可以在一定程度上面让人们从传统繁琐的数据挖掘过程中解放出来：原本，机器在做判断时，首先需要人进行这一领域的学习后，去告诉机器，哪个特征才是影响判断准确率的关键，这个步骤叫做特征提取。而深度学习在很多时候可以模拟人的大脑进行特征提取这一阶段的学习。后续的研究表明深度学习需要大量样本作为“燃料”，也就是说，有了大数据的支撑，深度学习就能发挥远超出传统机器学习的效力。现在大多数公司都会投入大量精力来研究深度学习。

后来，我面临毕业求职。加入创业公司可能获得很多股权上的激励，但我觉得自己还年轻，并不急着挣钱。我更希望到一个有庞大数据和多样需求的更大平台去做一些有实际影响的工作，积攒技能和经验。我向很多公司投递了简历，居然全部通过了。京东金融就是其中一家。我想，京东金融有着大量数据和足够多需求，正符合我的期望，就果断选择来到这里。

我现在在京东金融的风险管理部。我们现在做的一项重要工作是，判断用户在进行一笔交易时，是否存在交易欺诈。这就非常适合用深度学习来完成。因为人在进行交易的过程中产生的动作是非常多的，数据量极其庞大，人工难以进行监测。运用深度学习，我们会采集一系列数据，当有足够数据时，模型系统的效果就会越来越好。

能实践深度学习真的让我觉得非常满足。你想，一万笔订单里面可能只有一笔有问题，相当于大海捞针，结果出来的时候，我真的特别高兴。

我对人工智能非常着迷，这几个月来我在很多平台免费开设了公开课《人工智能之旅》，希望能普及相关知识，降低大家进入这个行业的准入门槛。即使下班回家，我也会听一些大牛的讲座，看相关论文和书。我的目标就是把最前沿的学术研究引入到生产过程中来。

我的生活里，除了深度学习，几乎没有其他东西了。

（王书浩，京东金融-风险管理部-风险决策分析部-数据挖掘部）

 

3、创业一条龙

口述 | 王育宾

 

我是个会计男。在来京东金融之前，我在某电信集团负责预算。之所以转型，一方面因为，预算的事情年复一年就那些，另外在国企，个人发挥的能量非常有限度。另一方面，众筹作为当时全新的行业，我也比较向往，就想跳出来，到互联网公司，也是为个人寻求突破和发展。

2015年3月31号，京东金融发布东家平台和众创生态。我投简历来了京东金融，在众创生态这个部门。

一开始只是有个方向，要帮助创业者和创业企业，大家都在摸着石头过河。但是，京东的这些资源怎么才能让创业者能用上？这是一个很难的问题。京东的资源有很多，但是创业者额体量太小，其实很难对接上。很多服务创业者也用不上、对接不了。所以，我们的思路一直在演进。

比如一开始通过众创学院服务创业者。后来发现，我们投资的企业越来越大，我们京东金融众创基金投的企业越来越多，跟别的机构相比，我们在投后上更有作为，我们就转向后服务。到2016年，我们发现只给投后企业服务，那就做小了，于是便有了现在的“创业服务”平台，把大量的服务商引入之后，大家可以在上面自由地寻找。我们先要明白创业者的需求，之后我们再去做需求的分发，再进行交易。这样一步一步地。但有个大方向没变，就是帮助创业者降低成本，提高效率，改善收入情况，让他们的成功率更高一点。

2014年，“三个爸爸空气净化器”作为第一个过千万级的项目启动。2015 7月份又上了京东东家，然后又我们众创学院，跟很多明星导师包括一些优秀的创业者，拓展了很多人脉。

“三个爸爸”这个团队草创的时候，只有6个人。它有自己的优势，其中3个是媒体出身，最擅长的就是如何动用媒体的资源帮它发声。这是它的优势。另外，它也在通过京东众筹的创业服务平台对接服务商。我们是在它刚开始做第一代产品，一直到它的股权融资，到开发二代产品，然后再到准备上新三板，我们一直在，算是一个非常好的标杆案例。

京东众筹的优势，最重要的，第一个，就是确实在帮助这些企业增加收入。收入如果跟不上来，它就变不了现。不论是产品众筹、商城，还是渠道，这是一个有销售基因的平台最大的优势。第二个，就是帮它节约一些成本，降低寻找服务商和合作伙伴的成本。第三个，帮助创业者树立品牌，让好多对他感兴趣的人，通过我们的众筹页面就去联系他了。

（王育宾，京东金融-众筹业务部-众创生态部-众创平台部）

 

4、猫和老鼠

口述 | 程建波 

 

对风险没有足够认知和敬畏，你都不知道坏人有这么多花样。

他们要把你的钱弄走，有各种各样的欺诈手段。做风控的人必须要非常懂这些，就像老司机一样，一看到某个伎俩，就能看透背后可能会有什么样的问题。我们就像在与一股邪恶势力做斗争，尤其是对付黑产。

你永远不要质疑一个人缺钱的需求。

有这样一群人，他们活络于网络上，在各种QQ群、微信群、论坛讨论有什么新“口子”，如何弄到钱。同时有一群网络中介，他们自称为金融服务中介，掌握各种信用卡、网贷、贷款等申请技术。有缺钱需求的人和能提供贷款技术服务的中介碰到一起，对所有金融机构都是挑战。他们废寝忘食，不断尝试，直至成功把机构信贷资金套走。当利益足够大，就有人铤而走险，发现一个漏洞，就拼命攻击。

有人统计过，中国互联网上从事信息买卖、账号窃取、撞库攻击、黑中介、电信诈骗等黑色产业链人员数百万人，每年造成的资金损失超过千亿。他们离我们一点都不远，透过电脑或手机屏幕就在你的身边。因此，如何防控那些搞欺诈的、恶意申请的，是我们在风险管理上的第一个功课，同时也关乎业务的存亡。

总体而言，这就像猫跟老鼠一样。如今，互联网上的欺诈，技术手段是非常的高。所以，我们这些风险从业人员，必须要有足够的敬畏心理，能透过表象看本质。

有时候我们就像警察一样，要跟这些坏人去斗争。

这些搞黑产的，是什么人呢？他们的心态是什么样的？可能各种各样，但有一点是共通的，他们需要钱。这么讲吧，金融本身，就是给别人提供一个便利，一个资金，说到最后，所有的问题都是由人性引申开的。

隔着屏幕，看到他们的这些行为模式，你能感觉到背后这群人的存在，而且你知道他们不是一票人，是N票人。

但仅有防守是不够的，除了心细，还要胆大。

金融行业的本质是对风险的有效经营和管理，风险并不是控制得越低越好，终极目标是风险调整后的净收益最大化，形成风险定价的能力，在业务发展和风险管理之间维系合理的平衡。

现在，在我们这个领域，模型工具是风险控制的利刃。互联网模式下，信贷业务的主流模式是“在线实时秒批”，这已经和传统金融（比如银行）的风险控制模式有了很大区别。实时、自动化，就意味着我们在做风险决策时，必须准确、稳定性，必须依赖准确的模型、有效的风险决策、高性能的系统实现。

互联网提供了海量的数据，但大数据也意味着信息噪音，另外还有信息稀疏、碎片化等问题。如何在海量数据里提炼价值，就需要有大数据计算能力和对数据提炼的算法升级。

两年多前，我们积极引入机器学习、深度学习等算法技术，率先在金融信用风险评估、欺诈风险识别、量化营销等领域进行实践，形成四大发明模型体系，涵盖数百个各类模型。

但是，光有模型工具这个尖端武器，还不能完全杀敌，还需要有运用武器的一套剑法，也就是基于业务目标实现的应用策略体系。

狭义的风险是等业务上门，一夫当关万夫莫开。但新形势下的风险管理，已外延至场景、用户需求、产品设计等环节。在业务设计之初，我们已经提前考虑了风险，保证一个产品诞生之初不会形成逆选择——也就是说，不能出现正常用户不响应，响应的都不正常。

所以现在来看，技术化，已经是我们这行必须具备的素质。计算机、数学、统计类背景的人才，已经取代了经济类、金融类专业人才，成为标配。如果你不会编程处理数据、操作数据，那么日常工作很难进行，很多思路只能停留在空想层面。

当然，技术和算法有一定的门槛，所得非易，故技术人员容易走偏，迷失在技术和算法的迷宫里。所以光有技术是不够的，还需要对业务有深刻的理解和洞察，需要历练与经历，形成经验。

我常说，我们既是科学家，也是艺术家。因为风险管理是一门在实践中、错误中学习的工作（在实践中总结，在错误中反思）。我们最后要形成风险直觉，而直觉是没有固定标准的，它有艺术的成分。

风险是什么，是一种不确定性。通俗地讲，如果你把钱借出去，你要怎么样去控制和管理这个风险。我们就像是问题的终结者，但总会有新的问题冒出来。说实话，我们似乎永远处在一个非常紧绷，不能放松的状态，同时还不能被他们吓破胆。因为你的对手，他们以这个为生，而且永远不会停下来。

（程建波，京东金融-消费者金融部-风险管理部，机构负责人）

 

——END——