“这真的会是一条漫长路！”这位一肩担起德意志银行寻找创新商业模式的银行老将，讲到德意志银行拥抱AI的历程，话匣子就停不下来。远从德意志银行2000年拥抱BI服务说起，一路谈到德意志银行旗下私人与商业银行部门（PCB）在2015年6月展开的AI之路。足足花了2年，直到2017年10月，德意志银行才正式宣布，将推出第一套德语系的金融AI平台，称为AI-C3（ Artificial Intelligence Client Communication Centre），初步完成概念验证，预计在2018年正式上线。这个一手推动德意志银行AI之路的关键老将就是德意志银行创新技术产品部门管理总监Roberto Mancone。
Roberto不是一位信息出身的数字主管，反而是彻彻底底的老银行。这句AI漫漫长路的感叹，不只说的是德意志银行数字转型一路的心声，也是他自己从金融跨入数字创新的感受。
经济硕士出身的Roberto，曾在多国的多家银行任职，不论是零售金融、信用卡业务、企业金融都有所涉猎，除了德国之外，工作足迹更遍及意大利、西班牙、葡萄牙、波兰、印度和中国。 1990年，Roberto进入法国巴黎银行集团任职，先后派任到意大利、美国、英国。 2007年从法国巴黎银行米兰分行企金主管离职后，转而进入德意志银行从意大利分行主管做起，他2011年回到德意志银行德国总部，接手该行的欧洲信用卡事业，后来更进一步成为德意志银行企金事业的全球主管。
这个半生纵横各国银行金融圈的老将，2016年接到了一个截然不同的新任务。因为就在2016年这一年，德意志银行首席执行官公布了自家的2020数字战略蓝图，要以四年为目标，来打造新的德意志银行。
银行高层更是直接指派Roberto，来担任德意志银行创新技术产品部门的全球主管（Global Head of Disruptive Technologies and Solutions），负责寻找创新的商业模式。
德意志银行目标是2020实现数字转型
积极参与各种银行数字变革的Roberto，是全球金融组织EFMA数字顾问委员会主席，在一次EFMA活动访问上，他透露了德意志银行2020数字转型蓝图的挑战和战略。
Roberto指出：“德意志银行2020年战略最大的挑战是，将有50％的顾客是年轻的千禧时代”（1980到2000年间出生的人）。他解释，这意味着，这群顾客不只是惯用手机，还包括了各种移动设备，因此，他们会期待银行可以通过这些设备提供服务，甚至，“对千禧时代来说，传统银行不是必需品，不会想只靠一家银行提供所有服务。”这句话透展示他对银行业的忧心，因为对银行来说，千禧时代的顾客心态，将带来更剧烈的金融竞争。
因此，Roberto认为，银行得采取移动，不只是和更多新创、更多Fintech公司结盟，还得更进一步，例如，德意志银行为了拥抱开放银行趋势，得让银行的基础架构做好转型准备，来由于API开放的需求，有能力串联各种超越银行金融服务的第三方服务。
甚至，更进一步得和其他金融业联手，例如德意志银行就和其他跨国银行联手，打造金融交易区块链，“这种创新科技无法由一家银行支撑，需要打群架。”而Roberto Mancone他正是代表德意志银行，在七大银行合创的金融交易区块链“we.trade”中担任董事。
“德意志银行已经准备好要拥抱变革了。”他说，为了实现这个2020数字战略，德意志银行不只是设立了数字创新部门，更重要的是创建了IT部门、数字创新部门和业务部门的内部串联，来设计这个发展蓝图。另外也设立了数字工厂，并和Fintech新创、加速器联盟，让创新文化可以在银行内部扩散，来影响到越来越多的员工。而Roberto今年最重要的任务之一，就是协助德意志银行拥抱AI。
想靠AI成为提升和强化金融专业的工具
他观察市场上常见的行业大数据和AI应用，主要可分为几种，高频交易、IoT应用、机器人理财（Robo-advisory）、自然语言处理NLP、洗钱防制或欺诈预防、信贷评估、趋势预测、AI辅助交易、医疗AI、自动驾驶汽车、销售兼顾问与顾客管理、工业机器人、游戏行业。其中，德意志银行想做的AI应用主要聚焦三类，包括了机器人理财、自然语言处理，以及销售兼顾问与顾客管理。
但不仅如此，Roberto想要打造的金融AI，不只是客服工具而已，他表示，德意志银行将AI视为一种扩展和提升金融专业的手段。第一个目标是将知识数字化，不只e化，还要让AI有能力理解、推论和学习人的知识。另一个目标就是可以用AI来强化人的知识。要让一般人也能借助AI和健全流程，达到老手搭配AI和流程不够优化时的成果。
德意志银行内部有许多金融顾问群，不只对一般顾客提供理财咨询，更大宗是对企业提供财务或运营上的建议，但Roberto希望，顾问们可以不用单靠个人的经验和专业，疲于满足不同顾客的个人化要求，而是能够通过AI技术的强化，来提供更有移动力的分析建议，以及更呼应顾客需求，也更具证据力的决策建议。这就得想办法通过AI来提升顾问们的专业知识。
早在2000年，德意志银行就开始运用各种报表工具和数据决策工具来创建BI报表，供给顾问们使用。 2010年更是大规模引进了统计方法和数值分析技术，来创建内部的财务分析工具，后来更进一步发展成了大数据平台，如创建了PB级的Hadoop分析平台，来处理大量的半结构化数据。而去年10月，德意志银行对外公开了自家AI-C3平台，也就是要进一步结合大数据技术和机器学习技术，分析大量的非结构化数据，进而希望实现自动化的分析辅助。
在德意志银行中，最早开始尝试AI的是该行旗下负责零售银行业务的PCB（私人与商业银行）部门。 PCB早在2015年6月，以半年时间进行技术探索期，成立了工作坊，通过头脑风暴和研讨会的方式，来探索AI技术在金融上的潜在应用，同时也开始设计AI技术引进后的新架构。
2016年，PCB部门展开了为期一年的技术评估阶段，开始评选市场上AI技术供应商，另一方面也扩大到其他部门，进行跨部门AI应用评估，并通过大量的使用案例来调整AI导入规划。
2017年7月进入导入阶段，德意志银行最后选择了三种应用场景，作为第一波导入的目标。并且在运维部门和顾问部门寻找合适的种子用户来参与，并设立跨部门的推动中心，同步展开内部推广。
拥抱AI先从三大应用场景切入
目前，德意志银行的AI应用，主要聚焦三大场景，包括了直接与顾客的交互、提升顾问生产力、强化后端办公室的效率和决策。
Roberto解释，直接与顾客交互的AI，其实就是一般常见的机器人客服。由AI系统直接回应顾客，来提供自助式的顾客咨询或通过QA问答形式来进行引导式的KYC自评。目前应用在德意志银行的个人化理财咨询上。这类应用场景也是目前台湾金融圈常见应用类型。
不过，Roberto还想进一步，让AI以来提高顾问们的生产力，例如通过Chatbot来协助顾问们的会议数据准备工作，或能靠AI自动化辅助法规遵循，来提高顾问们的专业形象，还希望创建一个引导式的内部顾问服务专线。
德意志银行利用AI来分析了数万份报告，先找出理财顾问们，常被问到但复杂度较低的问题，提供了一个内部顾问和顾客经理们专用的Chatbot助理，提供顾客常见需求的解答，来缩短他们对外提供服务的作业等待时间，甚至可以自动查找内部知识管理数据，将查找结果通过这个内部Chatbot提供给顾问经理们，或遇到复杂问题时，自动配对给人类专家来协助。
而Roberto想要实现的第三个应用场景则是用来优化银行后端行政办公室作业和决策，例如通过机器学习技术来创建一个监控金融犯罪交易的反馈机制，或分析文件文件来强化对各类交易的监管机制，另外也希望能对交易失误（例如下错单或明显的错误建议）创建一套自动化管控机制。
目前德意志银行在第三项优化内部作业的着墨还不多。
目前正处于训练AI阶段，强化对顾客数据的理解，像是利用AI来分析各种的非结构化数据，如网站、财报、行业消息或第三方数据，来创建顾客的文件数据，作为评估顾客潜力的参考，另外也希望能从中，快速找出可以辅助顾问或顾客经理们对顾客提供咨询时，可用的参考文件或图表。
德意志银行拥抱AI的四个教训
光是从2015年开始，德意志银行开始接触机器学习技术，一路从探索、评估到开始导入AI，他指出，有四件事格外重要。
Roberto指出，第一件事就是必须让内部真的接受新科技。对上，必须说服公司高层认同技术蓝图的优先性。其次是确保业务部门和顾问团队真的使用这些新科技。 “不是要用科技会取代员工的工作，而要告诉他们，科技能减轻他们的负担，才能说服员工们的接受新科技”他点出其中的秘诀。
第二个经验是，要善用PoC验证实验，来降低后续导入的门槛。 Roberto解释，PoC可以让内部更了解新科技效益，以提高接受度，其次是可以争取到更多由于法规遵循的调整时间。
另外，Roberto特别强调：“企业必须意识到，AI是一种越训练才会越强的技术。”这是一个和传统软件截然不同的特性，“AI一开始并不完美，越练才会越强！得要持续不断的学习。”而且得用真实数据训练才行，不过，他提醒，就算训练后的AI，也不一定能提供明确非黑即白的建议，还是得由人来判断。
最后一个，他从这两年AI导入经验中学会的教训是，要有一个集中化的内部AI机制或中心，来允许尝试错误或协调各种AI业务或活动间的联系，才能避免各部门重复投入资源在相同的想法上。
一路从BI、分析科技、大数据技术到拥抱AI，Roberto多次强调，AI是一条长达数年的旅程，但他认为，AI将改变我们今天所认知的银行，这是AI最具破坏性的潜力。