貝萊德的AI戰略為何從數據所有權和語義開始

過去兩年，大多數關于AI的討論都集中在模型上——模型有多強大，演進速度有多快。但往往被忽視的是這些模型所依賴的數據質量。

在金融服務行業，數據一直是我們管理風險和生成洞察的核心。這一點沒有改變。AI改變的是數據策略中的缺陷暴露的速度。如果所有權不明確，或者不同系統之間的定義存在差異，AI往往會暴露這些問題，而不是解決它們。

這就是為什么對貝萊德來說，AI戰略始于更基礎的東西：數據所有權和語義。

在許多組織中，數據作為應用程序和工作流程的副產品不斷積累。這些"排放物"被存儲、轉換和報告，但隨著時間推移，上下文會侵蝕，定義會漂移，責任變得模糊。當經驗豐富的分析師解讀結果并用機構知識填補空白時，這種方式可以運作，但當機器被期望對相同資產進行推理時，效果就不那么好了。

如果AI系統要可靠運行，它們使用的數據需要明確的所有權、記錄的血緣關系和一致的定義。我們越來越多地將數據視為產品而非排放物。這意味著有人對其負責，治理從一開始就內置其中，數據的設計使其可以被重復使用——不僅用于單個報告，還可用于所有工作流程，包括AI驅動的工作流程。

影響這項工作的一個決策是我們選擇在不集中化的情況下標準化數據資產。

在受監管的行業中，應對復雜性的傳統方式是整合——將所有內容移至一個倉庫并在那里控制。這可以改善監督，但也可能拖慢團隊速度，并在數據與最了解數據的人之間制造距離。我們采用聯邦模式運營，業務和產品團隊對其數據產品保持責任，因為他們最接近這些數據集支持的投資流程。

Snowflake是我們標準化這些能力的基礎，它為我們提供了一種一致的方式來保護、共享和審計整個公司的數據。強大的基于角色的訪問控制和原生數據共享使我們能夠在保持互操作性的同時擴展規模，而無需每個決策都通過單一的集中化小組。

你可以在我們通過Aladdin數據云交付數據的方式中看到這種平衡。不久前，分發數據意味著平面文件、FTP傳輸和大型模式定義。這種方式有效，但不適合當今的環境。現在客戶可以以現代化、云原生的方式將其記錄賬簿和市場數據直接集成到更廣泛的數據資產中。

在金融服務領域，治理不能事后添加。隨著我們持續發展數據平臺，我們非常重視元數據和問責制。沒有任何資產可以在沒有明確所有權和來源記錄的情況下進入平臺。隨著AI驅動的工作流程和自然語言界面越來越多地嵌入日常流程，這種可追溯性只會變得更加重要。

AI還揭示了更微妙的東西：語義。兩個系統可以使用相同的字段名稱，但含義完全不同。人類通常可以解決這個問題，但AI系統不能。如果上下文是隱式的而非顯式的，可靠性會迅速崩潰。

這是我特別關注行業在開放語義交換（OSI）方面工作的原因之一。目標很簡單——使組織能夠交換的不僅是數據，還有數據背后的含義。當語義可移植時，你不必在每次引入新工具、模型或智能體時重建解釋層。在支持AI的生態系統中，這種互操作性很快就會變得實用。

隨著我們加強所有權和共享標準，我們看到團隊運營方式發生了顯著變化。花在管理定制傳輸或拼接系統上的時間減少了，更多時間集中在提高數據產品本身的清晰度和實用性上。根據我們的經驗，敏捷性和控制力并不矛盾。有了明確的標準和問責制，它們往往會相互加強。

市場和技術將繼續發展。新的資產類別將出現。數據界面將變得更加直觀。為未來做準備意味著繼續完善基礎——數據本身的所有權、治理和清晰含義，而不是追逐下一個模型發布。

貝萊德的使命是幫助越來越多的人體驗財務健康。AI可以加速我們實現這一使命，但前提是其底層數據是有所有權的、受治理的和被清楚理解的。

對于考慮AI戰略的組織來說，這才是真正工作的開始。

Q&A

Q1：貝萊德為什么認為AI戰略應該從數據所有權和語義開始？

A：因為AI會快速暴露數據策略中的缺陷。如果數據所有權不明確或不同系統間定義不一致，AI系統無法可靠運行。貝萊德將數據視為產品而非副產品，確保有人對數據負責，治理從一開始就內置，數據可以跨所有工作流程重復使用。這種基礎性工作比追逐最新模型更重要。

Q2：貝萊德在數據管理上采用了什么模式？為什么不集中化管理？

A：貝萊德采用聯邦模式，業務和產品團隊對各自的數據產品保持責任，因為他們最接近投資流程。雖然集中化可以改善監督，但會拖慢團隊速度，并在數據與最了解數據的人之間制造距離。通過Snowflake平臺，貝萊德實現了標準化但不集中化，既保持互操作性又能靈活擴展。

Q3：開放語義交換（OSI）對AI應用有什么重要意義？

A：OSI使組織能夠交換數據及其背后的含義。兩個系統可能使用相同字段名但含義完全不同，人類可以理解但AI系統不能。當語義可移植時，不必在每次引入新工具、模型或智能體時重建解釋層，這種互操作性在AI生態系統中非常實用，能顯著提高系統可靠性。