人工智能分析數據 (Apoidea鄭其森)

原文刊於信報財經新聞「StartupBeat創科鬥室」

本地金融科技（FinTech）初創Apoidea，致力把人工智能（AI）及自然語言處理（Natural Language Processing, NLP）技術用於分析海量文本數據，現跟十多間國際金融機構達成合作，更獲李澤楷旗下E capital領投。今次請來其聯合創辦人鄭其森，分享如何用科技改善人手工作流程。

主持：（朱）朱美俞 《信報》科技記者

嘉賓：（鄭）鄭其森 Apoidea聯合創辦人

朱： 新冠肺炎疫情在港爆發，對公司業務發展有否影響？

鄭： 作為金融科技初創，公司專注為金融機構、銀行、投資銀行、證券行及資產管理公司等提供自動化解決方案。以往客戶對在家工作（WFH）存疑；惟在疫情期間，銀行沒理由停止交易，因此容許員工在家處理買賣盤等交易工作。肺疫並未打擊公司運作，通過引入NLP技術，以AI協助客戶理解海量交易文本數據，有助提高其工作效率；在疫情期間，公司業務增長高達三倍之多。

此外，傳統金融機構合作講求信任，面對面洽談生意有助提高夥伴信心。惟疫情令不少海外地區封關，團隊無法飛往各地洽談生意；這令客戶思想更為開放，願意試用遙距會議方案。

期間公司透過社交平台Linkedin尋找新客戶，再藉遙距會議，成功跟德國、馬來西亞、印尼及中東新客戶達成合作關係；平均僅開四五個會議就獲取對方信任。

了解AI能力界限 不過度承諾

朱： 近年本港發展創科，不少同類型AI金融工具應運而生，公司有何競爭優勢？

鄭： 作為AI創業者兼產品經理，團隊最需要知道AI的技術邊界，即AI在現階段能做到和不能做到的事。坦白說，我們看到首批誕生的AI公司，失敗個案居多。最重要的問題是，不少公司過度承諾（over promise）AI產品效能，結果客戶發現跟預期有落差。

市面不少公司滿足於AI準確率高達95%，但5%錯誤倘拖累客戶須花4小時重整資料，那就是一個失敗的產品。Apoidea的準確度雖已達95%，但團隊會標記（highlight）AI不肯定的資料，交由人手審視，讓客戶掌握更全面的分析。

朱： 公司成立不足兩年，就獲得數千萬元Pre-A輪融資。你們如何贏得投資者信任？

鄭： 團隊不少人出身金融業，有一定的投資者網絡。當然，規模較大的投資者相當精明，不單以人脈為首要考慮。除了須懂得建立AI模型，投資者也重視團隊能否把產品應用於行業實際場景，並獲得一定客戶支持。

此外，部分投資者作為金融機構，在探索合作的可能性時，會關注公司方案能否切合其業務拓展需要。

最低試驗成本 最佳商業效益

朱： 招攬科技人才方面，公司又有何策略？

鄭： 公司的數據科學主管，本身是我的大學同學。他會計師出身，中途轉行從事信貸分析，其後自修數據科學並改到銀行工作，之後再加盟公司。他具備非常難得的行業經驗，既熟悉金融，又懂數據科學，因此吸引了美國、德國的數據科學博士加入；另也有「獨角獸」（估值超過10億美元而未上市的初創）員工來投。

朱： 對於現今營商艱難的初創，你又有何建議？

鄭： 阿里巴巴（09988）創辦人馬雲有一句格言：「做生意今天很殘酷，明天更殘酷，後天就很美好。」馬雲曾在2003年「沙士」（SARS）期間發表該言論，今天置身於肺疫爆發期，我亦以此鼓勵自己。

初創在疫情期間，固然需要開源。此外，創科界有一條金科玉律，就是以最低成本去試驗。不少人花費數十萬、數千萬元，去構建一個未切合用戶需要的產品，最終失敗收場，我們要盡量避免犯有關錯誤。

以Apoidea為例，公司最初跟不同金融機構的部門開了數百個會議，做充足的市場調查及準備，再以最小規模的產品原型說服客人；待確認合作關係後，才再建立實體產品。因此，初創必須思考，如何因應其商業假設和試驗，創造最低成本與最佳的商業效益，確保公司的生存條件。

註：以上嘉賓訪問均屬個人意見，與本報立場無關。

支持EJ Tech

如欲投稿、報料，發布新聞稿或採訪通知，按這裏聯絡我們。