AI中台：一种敏捷的智能业务支持方案（分享实录）

Q1: AI中台要从哪些维度来评估需求的重要程度？业务需求多种多样，如何设计可复用的AI模型？

A: 评估需求的部分不应交由AI中台来完成，在业务前台将需求提交过来时应该与业务分析专家、需求分析专家进行合理的讨论确定项目的优先级，评定的维度主要从业务的重要性、影响客户的范围、时间紧迫性等维度出发综合评估，一般在专门的需求分析系统中完成。

AI模型的可复用设计问题实在太泛化了，主要从业务中自行体会，对于有经验的架构师可以比较容易地识别出不同粒度下的复用方案设计。这里简单从不同层次讨论一下。算法级不必多说，而模型级别主要考虑单个模型的功能粒度，一般来说我们不建议一个模型过于复杂，过于复杂的功能我们通常会采用多个模型分别实现各功能，再在服务设计中通过模型编排来实现；模型的通用性需要定义好模型的数据接口，以及模型结构，考虑模型重训练和增量训练的机制，便于复用时进行模型适应；此外模型的功能通用性同样需要关注。服务级别的复用相对比较容易识别，是比较固定和独立的场景服务，例如聊天机器人、客户风控等等，一般需要复用的服务基本不需要过多的重训练和调整，相对固定，直接调用或简单配置后调用即可，服务的复用设计类似于SOA过程中web服务的设计，增加考虑服务的可配置性。方案级别的复用比较少，因为解决方案已经是一套相对固定的产品了，我们主张的复用也更类似于一种模板和指导架构，中间的服务模型填充由用户自己实现，所以方案级别的复用设计可以直接从重要的产品抽象。

Q2: 这些平台都已经落地了吗？对业务提升的效果是怎样的呢？

A: 已经部分落地，不断完善中，研发速度快了，工程师省事了，效率高了，对业务输出的智能化产品也多了:)

Q3: 请问你们这边AI中台是否对外输出，是否支持本地化部署？

A: AI中台在发育成熟后会考虑将部分能力以工具的形式对外发布，本地化部署当然在我们的考虑之内。

Q4: 前台和中台是否会出现分工不明确的问题，怎么才能更好的解决？

A: 映射到我们的研发流程里，前台和中台的划分还是很明确的，前台在确定研发计划时，将只负责前台业务逻辑的设计和交互管理，对于其余的数据功能、AI功能会直接推送到技术中台、数据中台、AI中台等中台模块获取支持；而前台和中台的划分在组织架构层面得到了更加清晰的划分，业务团队的不同反映了工作性质的不同，两者唯一可能出现交叉的人员角色就是业务分析专家了，可能来自于前台团队，但其权限也是有限的，角色分工完全通过中台管理进行配置，各个环节所能映射的角色是不同的，所以不会出现前台业务人员介入算法工作的情况，也可以管理技术人员参与业务分析的程度。总而言之，前台和中台的划分是企业中台化战略的一个重要环节，不光要从业务流程上梳理，还要对组织架构、人员职责进行统一的调整。