可信 AI 对生产域数据的核心诉求有哪些？

推荐语

金融行业如何确保AI模型可信？关键在于生产域数据必须满足来源可追溯、类型多样化、质量高标准等核心诉求。

核心内容：
1. 生产域数据对可信AI的四大核心诉求：来源可追溯、类型多样化、质量高标准、时效性精准
2. 不同金融场景（如反诈、信贷审批）对数据时效性的差异化需求
3. 存算分离架构如何优化数据供给机制，满足AI训练与推理需求

杨芳贤

53AI创始人/腾讯云(TVP)最具价值专家

【面向AI时代的数据中心未来——金融核心系统存算分离的战略必要性共识探讨】· 可信 AI 驱动视角

社区投票共识结果分析

本次投票收集了行业用户认为可信 AI 对生产域数据的诉求，包括：时效性、颗粒度、来源、准确性、完整性、一致性，来自 30 多家金融企业的用户参与了投票。

具体投票情况和分析如下：

1. 在数据时效性上，不同 AI 场景（训练 / 推理）对时效性要求差异较大，需具体场景具体分析。例如：反诈场景需要及时对存在电信诈骗风险的交易进行阻断，这就需要毫秒级的数据同步效率；信贷审批需要对申请授信信息进行审核并确定额度，审核结果不需要实时反馈用户，就可以短时间延迟；生成营销活动名单需要对客户进行分群，对时效性要求不高，一般数据通过批量的形式进行采集和分析。数据供给架构需要能实现上述差异化的时效性要求。具体而言，数据在生产域系统中产生后，可通过优化的数据库存算分离架构直接服务于AI 应用，减少了传统 ETL 漫长链路带来的延迟。这种架构不仅能确保 AI 获取到的是实时或近实时的最新、一致数据，以满足反诈等场景的毫秒级需求，还通过计算资源的物理隔离，从根本上保障了核心生产数据库的稳定与性能不受干扰。

2. 在数据粒度上，“细粒度数据，保留最原始的细节信息（如每笔交易的具体字段）”和“根据 AI 模型的用途灵活提供不同粒度的数据”这两个选项呈现两极分化。在算力充足的情况下，原始细粒度数据能提供完整信息维度，为 AI 训练与推理奠定精准基础，契合金融场景对数据真实性、可追溯性的高要求。在平衡算力和成本情况下，不同场景灵活匹配数据粒度，既能避免细粒度数据冗余增加处理成本，也能防止粗粒度数据缺失关键信息，精准满足不同模型训练与推理需求。

3. 在可信 AI 数据来源上，信贷、手机银行、核心、信用卡、理财、客服等系统票数超过 70%。金融行业已形成清晰倾向：高价值的客户信息、交易信息、行为信息是可信 AI 的数据基础。

4. 在数据准确性上，超过 90% 的用户一致认为数据应具备较高的准确性，将错误率控制在相对较低的区间内，可以保障其输出结果的可靠性。同时，数据场景、数据重要性的不同对数据准确性的需求存在差异，对于重要程度高的数据和数据场景，应要求更严格的准确性，例如错误率需控制在 0.1% 以内，而对于相对次要的数据和数据场景，可适当放宽容忍度，例如错误率需控制在 1% 以内，体现出一种灵活且具针对性的考量。

5. 在数据完整性上，多数用户倾向于数据有较高的完整度，尤其是关键信息需得到充分保障，如此才能保障 AI 在处理和分析数据时的准确性与可靠性，避免因关键数据缺失而导致结果偏差。也有部分用户根据数据核心与非核心的差异，在完整性要求上更灵活。

6. 在数据一致性上，多数用户倾向于“高度一致”的标准，但在保证整体分析不受干扰的前提下，对极个别因特殊状况产生的轻微数据冲突予以一定容忍，体现出一种注重整体、适度灵活的态度。

数据来源：https://www.talkwithtrend.com/Poll/476183

参与社区共识协作用户（社区 ID）：maolala、danghl、lxk215313951、xuyy、nicolg、jeko、fiery_xu、lcc、Don_lzj、zzy_jn、lmspring、elma、jinhaibo、WANG_XIN、henry8898、light_hu86、temco、xueyang、yuanly、guanyang1326、xxjsb613、Helingjun、mornsky、gzhjz、Lwy、kathynm2517、wjf102、murenxiang、Dongxin、卡尔、maokai、Infrastructure、chenh1511、allanrong、王明发

参与用户来自企业：南京银行、中信银行、人行软件研发中心、江西裕民银行、秦皇岛银行、华夏银行、浙商银行、江苏农信、杭州联合银行、锦州银行、烟台银行、兰州银行、光大银行、昆仑银行、乐商银行、吉林银行、浙江农信、中金所、杭州银行、重庆三峡银行、辽宁农信、泉州银行、宁波通商银行、华融湘江银行、苏州银行、天津滨海农商银行、山西银行、申万宏源证券、华泰证券

同行观点

■ 党宏雷 某国有银行软件开发中心 架构师

可信 AI 需要生产域提供的数据来源方面，如果涉及训练或推理使用的数据支持，应该保障大量、优质、多样性、真实性和业务场景关联度高等要求。

生产域数据入湖的时效性需结合 AI 业务需求而定：有的场景，按天或月的批量更新即可满足；特定实时应用需更高频的流式入湖。

数据的粒度方面，鉴于模型性能水平和数据提供的工作量，建议根据实际情况灵活适配。

数据的准确性、完整性和一致性，个人建议是最高要求的，避免造成数据理解的冲突和矛盾。

■ 黎果 某银行 基础架构运维工程师

可信 AI 对生产域数据的管理和使用有极高的要求，核心诉求是一种涉及多业务维度、覆盖数据全部生命周期的体系化要求。鉴于数据与大模型的强耦合性、 风险影响的放大效应与不可控性、 金融数据在 “采集、存储、处理、使用、销毁”全流程受到多重法律约束等客观因素，需要业务、科技、风控、合规、审计等组织跨部门、跨领域进行深度协同，构建一套完整的生产域数据闭环管控保障机制，确保从数据产生源头到驱动 AI 应用决策的每一个环节都可控可信，不断增强体系化的数据治理能力，将成为银行机构在可信 AI 应用领域的核心竞争优势。

■ 范容 某股份制银行 研发主管

可信 AI 对生产域数据的核心诉求需结合具体场景灵活适配，不能简单地用统一标准去衡量所有情况。在保障 AI 可信度的前提下，应着重抓住核心数据（如关键业务指标、高风险交易数据）的完整性和一致性，对于次要或非核心数据则可适当放宽要求。这种“抓核心放次要”的思路，旨在通过差异化的数据质量策略，平衡 AI 输出的可靠性与实施的成本及效率。这意味着，在数据治理过程中，应优先确保直接影响模型决策效果的关键数据的高质量，同时容忍非关键字段存在少量误差或缺失，从而避免因过度追求数据的完美无缺而导致项目成本攀升、处理流程复杂化和整体效率下降，实现更加务实和可持续的 AI落地应用。

议题共识总结

在 AI 与金融场景深度融合的背景下，依托高质量数据消除 AI 模型幻觉成为复合型金融数据中心的必然选择。生产域作为数据源头，其数据供给质量决定可信 AI 的落地效果。经行业投票及观点交流，形成以下核心共识：

1. 在数据来源与类型上，行业倾向清晰。信贷、手机银行、核心、信用卡、理财、客服等系统数据所产生的高价值的客户信息、交易信息、行为信息被认定为可信 AI 的数据基础，且需满足合规合法、可追溯的前提，确保数据源头可信；类型方面，需覆盖交易流水、客户画像、风险评估、日志信息等多样化金融场景数据，以满足 AI 多维度信息分析需求，为模型训练与推理提供全面支撑。

2. 数据时效性与粒度需结合场景灵活适配。时效性上，不同场景差异显著：反诈场景需毫秒级数据同步以实现风险交易阻断，信贷审批场景可接受短时间延迟，营销活动名单生成场景对时效性要求最低，数据多通过批量采集分析。粒度上呈现两极分化，算力充足时，行业更倾向保留含每笔交易具体字段的原始细粒度数据，以契合金融场景对数据真实性、可追溯性的高要求；需平衡算力与成本时，则主张按 AI 模型用途灵活提供不同粒度数据，避免数据冗余或性能瓶颈。

3、数据质量（准确性、完整性、一致性）是核心底线。准确性上，数据错误率需要处于低区间，且按重要性差异化设定：高重要性数据错误率需≤ 0.1%，次要数据可放宽至≤ 1%。数据应具有高完整度， 关键信息必须保障以规避AI决策偏差， 同时允许对非核心信息适度放宽要求。一致性上，主流倾向“高度一致”标准，但可容忍不影响整体分析的轻微冲突，或接受通过规则校验处理少量冲突。

综上所述，可信 AI 生产域作为数据源头，需优先保障数据准确性、完整性、一致性以避免模型幻觉。时效性与粒度按需适配，不同场景时效要求不同，粒度依算力成本灵活选择。另外，在数据需求上要“抓核心放次要”，避免过度追求数据完美导致成本上升、效率下降。