身为印度科塔克银行的首席数字官,Deepak Sharma在推动银行数字化转型、面向未来规划和商业模式与战略创新等方面发挥着重要作用。Sharma身先士卒,在银行内落地一系列创新技术项目,包括WhatsApp Banking、811、会话式银行机器人以及开放联网银行业务等。
在本次采访中,Sharma具体介绍了自己的成就、领导风格和塑造银行IT发展趋势的思路。
您为何决定投身于技术领域?
Sharma:我有幸在多家企业担任过不同岗位,从移动/蜂窝行业的第一波电信浪潮开始,随后又参与到银行和金融服务领域当中。我一直在业务设计和产品层面工作,因此深切意识到没有技术就无法创造出卓越的产品和体验。于是在2010年建立NRI银行与汇款平台时,我开始深耕技术。当时我的职务负责建立汇款门户、在线开户、线上数字服务和支持,以及数字营销能力。这些工作之间互有关联,共为体系。而在出任首席数字官之后,我有机会与技术人员展开更深入的合作,包括构建数字平台、流程自动化、创新、财富与支付技术,以及孵化并扩大开放银行、印度技术栈等。总之,那段时间我开始刻意向着技术领域积极融入。
迄今为止,您最大的职业成就是什么?有哪些经历让您印象深刻?
Sharma:很难说出具体哪项成就。我有幸参与到科塔克银行的发展当中,这是一家非常关注数字技术的银行。至于最印象深刻的,应该是推出一系列数字优先产品平台吧,包括启动并运行多条数字渠道,如移动应用、网站、WhatsApp和对话式AI等。我们的移动应用也是目前市场评价最高的旗舰产品之一。除了建立起行业中的许多个第一,811数字银行、财富平台Cherry、在数字账户开设流程中引入视频KYC(了解你的客户)验证、API与开放银行业务、创新实验室和设计工作室等等也都是这段旅程中的重要亮点。
这些成就着实耀眼,但IT领域最大的特点就是计划赶不上变化。如果遇到计划或项目失败,您会作何反应?又要如何运用从中汲取到的经验教训?
Sharma:失败是试验和学习过程的一部分。在数字领域,我们进行过多次投入,确实很多时候事情并不像计划中那般顺利。但只要我们成功的多、失败的少,而且每次成功都带来了有影响力的结果,那就值得继续坚持下去。
能不能聊聊您如何将新思路落实为具体行动?从想法到最终成果是怎样完成转化的?
Sharma:我们团队在确定去纸币化策略之后,短短100天内就构建并推出了811数字银行。另外在COVID-19疫情期间,印度央行批准了视频KYC验证的申请,我们也成为首家落地实践的银行。我们还在全印度大型金融机构中建立起首个财富技术平台。类似的故事还有很多,只要我们发现了机会并坚信值得一试,就会迅速采取行动。
如果有机会,您会在职业生涯中做出哪些不一样的选择?
Sharma:如果能回到过去,我可能会在结构化、阶段性和项目时限等层面,更好地平衡一下小规模投入和大型项目构建的比例。
您会如何总结自己在职业生涯中取得的成功?
Sharma:我觉得成功的要旨,在于享受问题和不确定性,从中发现有价值的机会,并与一群优秀的导师、领导者、团队和组织携手并进。我们做的一切都摆脱不了运气、时机和生态系统支持等外部因素。然而,这是一条挑战勇气和信念的道路,所以积极寻求帮助、不断自我学习肯定是取得成功的两个基本要素。
您会如何概括自己的领导风格?这种风格在您之前的岗位上又是怎样体现的?
Sharma:我觉得我是那种强调开放、协作、战略、天马行空、以结果为导向、乐于学习的沟通和联络型领导者。虽然具体倾向肯定会随着不同角色和任务的变化而有所调整,但其中的主体领导风格总会一以贯之。
您能不能总结出银行业目前呈现的三大最主要趋势?您打算如何应对这些趋势?
Sharma:第一,银行业其实越来越像科技企业,客户体验、技术和风险管理已经成为银行业务的核心。我们看到更多银行从产品转向平台,着手围绕客户体验进行服务设计。第二,AI、云、API和自动化正在未来的金融服务领域扎根,也给我们带来了新的想象空间。第三,在接纳这些来自外部生态系统的金融创新之余,银行也在积极构建并启动内部原研的金融科技方案。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。