作者：Marjan Alirezaie, William Hoffman, Paria Zabihi, Hossein Rahnama and Alex Pentland；來(lái)源：JRFM；編譯：劉詩(shī)鈺
2024年1月，JRFM發(fā)布了“Decentralized Data and Artificial Intelligence Orchestration for Transparent and Efficient Small and Medium-Sized Enterprises Trade Financing”一文，該文對(duì)人工智能對(duì)中小型企業(yè)融資的作用進(jìn)行了研究。由于數(shù)據(jù)源的差異性、合同的沖突、居住要求以及貿(mào)易金融供應(yīng)鏈中對(duì)多種人工智能（AI）模型的需求，中小型企業(yè)（SMEs）由于資源有限，在利用人工智能能力以提高業(yè)務(wù)效率和可預(yù)測(cè)性方面受到阻礙。本文介紹了一種去中心化的AI編排框架，該框架優(yōu)先考慮透明度和可解釋性，為資金提供方（如銀行）提供有價(jià)值的洞察，幫助他們克服評(píng)估SMEs財(cái)務(wù)信譽(yù)所面臨的挑戰(zhàn)。通過(guò)利用涉及符號(hào)推理器、語(yǔ)言模型和數(shù)據(jù)驅(qū)動(dòng)的預(yù)測(cè)工具的編排技術(shù)，該框架使資金提供方能夠就現(xiàn)金流預(yù)測(cè)、融資利率優(yōu)化和生態(tài)系統(tǒng)風(fēng)險(xiǎn)評(píng)估做出更加明智的決策，最終促進(jìn)SMEs更好地獲取出貨前貿(mào)易融資，增強(qiáng)整個(gè)供應(yīng)鏈運(yùn)作。中國(guó)人民大學(xué)金融科技研究所（微信ID：ruc_fintech）對(duì)研究核心部分進(jìn)行了編譯。
引言
全球經(jīng)濟(jì)的命脈——中小型企業(yè)（SMEs）在全球范圍內(nèi)提供了三分之二的就業(yè)機(jī)會(huì)，貢獻(xiàn)了超過(guò)50%的全球GDP。盡管它們的重要性不言而喻，但SMEs在獲取用于資助運(yùn)營(yíng)的營(yíng)運(yùn)資本方面面臨著巨大挑戰(zhàn)。這種限制可能嚴(yán)重影響它們的增長(zhǎng)、擴(kuò)張和競(jìng)爭(zhēng)力。供應(yīng)鏈中的SMEs由于評(píng)估其信用風(fēng)險(xiǎn)的困難，面臨一系列額外的流動(dòng)性挑戰(zhàn)。它們通常有限的財(cái)務(wù)歷史記錄以及缺乏或不成熟的業(yè)務(wù)指標(biāo)，使得金融服務(wù)提供商難以評(píng)估它們的信用狀況并提供適當(dāng)?shù)馁Q(mào)易融資條件。這些因素可能導(dǎo)致SMEs在貿(mào)易融資方面長(zhǎng)期被忽視，大約50%的融資申請(qǐng)被拒絕。SMEs通常不得不依賴出貨后融資，這進(jìn)一步導(dǎo)致了它們滿足營(yíng)運(yùn)資本需求的過(guò)程中的低效率和延誤。
本文基于一項(xiàng)為期多年、由聯(lián)邦資助的政府試點(diǎn)項(xiàng)目的初步發(fā)現(xiàn)，推進(jìn)了新興人工智能（AI）和數(shù)據(jù)技術(shù)的應(yīng)用——尤其是替代數(shù)據(jù)源和協(xié)同AI模型——以提高SME貿(mào)易信用風(fēng)險(xiǎn)評(píng)估的效果。該項(xiàng)目專注于使用人工智能（AI）創(chuàng)新性地強(qiáng)化供應(yīng)鏈的韌性。本文提出了一個(gè)創(chuàng)新的框架，它在以下三個(gè)維度進(jìn)行創(chuàng)新：
- 一個(gè)由AI驅(qū)動(dòng)的協(xié)同能力套件（包括機(jī)器學(xué)習(xí)、機(jī)器推理和知識(shí)圖譜），以提高AI使用的準(zhǔn)確性、可靠性和合規(guī)性；
- 一個(gè)去中心化的、跨行業(yè)數(shù)據(jù)集網(wǎng)絡(luò)，這些數(shù)據(jù)集已預(yù)先批準(zhǔn)、符合法律合規(guī)，并旨在解決一系列潛在的隱私和數(shù)據(jù)風(fēng)險(xiǎn)；
- 提供基于文本的自然語(yǔ)言界面，依賴于大型語(yǔ)言模型（LLM），作為將決策支持能力擴(kuò)展到一線從業(yè)者和相關(guān)利益相關(guān)者的手段。
這些基于AI的技術(shù)創(chuàng)新集體上旨在解決SMEs長(zhǎng)期的流動(dòng)性挑戰(zhàn)，以加強(qiáng)供應(yīng)鏈的韌性。除了增加向SMEs的營(yíng)運(yùn)資本流動(dòng)（通過(guò)改善對(duì)出貨前貿(mào)易融資的訪問(wèn)），本文還提供了關(guān)于如何實(shí)施可信AI治理原則和負(fù)責(zé)任的公私數(shù)據(jù)合作，以確保結(jié)果商業(yè)可持續(xù)、包容且值得信賴的新見(jiàn)解。
正如公私數(shù)據(jù)合作文獻(xiàn)中廣泛指出的，企業(yè)數(shù)據(jù)資產(chǎn)在用于公共利益的再利用方面被廣泛低估。本文提供了一個(gè)更全面和應(yīng)用性的理解，關(guān)于企業(yè)數(shù)據(jù)資產(chǎn)和協(xié)同AI能力如何可以被負(fù)責(zé)任且合法地整合和使用，以加強(qiáng)供應(yīng)鏈的韌性以及全球供應(yīng)鏈中SME供應(yīng)商的經(jīng)濟(jì)增長(zhǎng)。
傳統(tǒng)的線性供應(yīng)鏈模型如圖1所示。它由買家、中小型企業(yè)（SME）供應(yīng)商和物流提供商組成。過(guò)程從買家對(duì)SME賣家提供的產(chǎn)品或服務(wù)表示興趣開(kāi)始。物流提供商在交付貨物、管理物流和促進(jìn)買家與SME賣家之間的溝通中扮演著關(guān)鍵角色。在此模型中，SME從制造商購(gòu)買的貨物提供了生產(chǎn)所需以滿足客戶訂單的貨物的必要資金。這意味著，如果SME沒(méi)有足夠的營(yíng)運(yùn)資本來(lái)交付發(fā)票中詳細(xì)說(shuō)明的物品，他們可能無(wú)法提供產(chǎn)品，這可能導(dǎo)致供應(yīng)鏈中斷。
為應(yīng)對(duì)這些挑戰(zhàn)，作者提出了一個(gè)非線性的貿(mào)易融資模型，如圖2所示，其中物流提供商和資金提供者共同以物流提供商向其SME供應(yīng)商提供白標(biāo)簽出貨前貿(mào)易融資的經(jīng)銷商協(xié)議進(jìn)入市場(chǎng)。這個(gè)模型旨在幫助SMEs克服出貨前的營(yíng)運(yùn)資本挑戰(zhàn)，加強(qiáng)SMEs與物流提供商之間的關(guān)系，并為金融服務(wù)提供商創(chuàng)造市場(chǎng)擴(kuò)張機(jī)會(huì)。
如圖2所示，所提出的非線性貿(mào)易融資模型對(duì)供應(yīng)鏈內(nèi)SMEs、物流提供商和金融服務(wù)提供商之間的現(xiàn)有關(guān)系產(chǎn)生了顯著影響。這個(gè)模型旨在解決SMEs的出貨前營(yíng)運(yùn)資本挑戰(zhàn)，加強(qiáng)SMEs與物流提供商之間的關(guān)系，并為金融服務(wù)提供商創(chuàng)造市場(chǎng)擴(kuò)張機(jī)會(huì)。通過(guò)向SME供應(yīng)商提供白標(biāo)簽出貨前貿(mào)易融資，物流提供商成為促進(jìn)SMEs金融需求的關(guān)鍵參與者。這不僅加強(qiáng)了SMEs與物流提供商之間的關(guān)系，還為他們的合作創(chuàng)造了一個(gè)新的維度，因?yàn)槲锪魈峁┥淘跒镾MEs提供財(cái)務(wù)支持方面扮演了角色。此外，該模型為金融服務(wù)提供商創(chuàng)造了市場(chǎng)擴(kuò)張機(jī)會(huì)，使他們能夠提供獨(dú)特定制的解決方案來(lái)解決SME流動(dòng)性問(wèn)題。這種對(duì)SME信用狀況的改進(jìn)理解使銀行能夠以更具吸引力的利率提供貸款，最終降低了這些公司的資本成本。
在深入探討所提方法的技術(shù)細(xì)節(jié)之前，作者簡(jiǎn)要回顧了現(xiàn)有解決方案和文獻(xiàn)中解決類似問(wèn)題的發(fā)展情況。
人工智能驅(qū)動(dòng)的供應(yīng)鏈解決方案：材料與方法
圖3提供了針對(duì)中小型企業(yè)（SME）出貨前貿(mào)易融資協(xié)調(diào)員的建議架構(gòu)的概覽。在應(yīng)用層，該架構(gòu)由兩個(gè)主要部分組成：界面層（白色部分）和AI層（由綠色、藍(lán)色和紅色顯示的子層組成）。此外，該系統(tǒng)涉及各種角色，如資金提供者、買家和SME供應(yīng)商，他們都與系統(tǒng)進(jìn)行交互。在本節(jié)中，將提供對(duì)所提出的協(xié)同AI模型的深入解釋，闡述所涉及的材料和方法。
2.1數(shù)據(jù)
該模型的架構(gòu)整合了來(lái)自物流、銀行和供應(yīng)等不同商業(yè)領(lǐng)域的交易數(shù)據(jù)。物流提供商貢獻(xiàn)的數(shù)據(jù)包括裝運(yùn)細(xì)節(jié)、發(fā)票、客戶檔案和反映財(cái)務(wù)行為（如付款延遲和交易價(jià)值）的元數(shù)據(jù)。這種靜態(tài)（客戶信息、位置）和動(dòng)態(tài)（帶時(shí)間戳的發(fā)票解決方案）數(shù)據(jù)的混合提供了對(duì)客戶互動(dòng)的全面視圖。金融機(jī)構(gòu)（如銀行）通過(guò)交易記錄、存取款時(shí)間戳、貸款歷史和遵守銀行政策等數(shù)據(jù)增加深度。
值得一提的是，為了實(shí)施所提模型，作者提倡使用分布式和跨域數(shù)據(jù)源，提供對(duì)專門設(shè)計(jì)用于分析和解釋特定領(lǐng)域數(shù)據(jù)的協(xié)同AI算法套件的授權(quán)訪問(wèn)。如圖所示，基于API的數(shù)據(jù)傳輸架構(gòu)使得跨機(jī)構(gòu)和邊界的洞察（通過(guò)預(yù)定義查詢）的傳輸成為可能，但原始數(shù)據(jù)不會(huì)跨機(jī)構(gòu)或地理邊界移動(dòng)。這確保了一種去中心化的方法，消除了集中所有數(shù)據(jù)的需求，并減少了數(shù)據(jù)傳輸實(shí)例，可能緩解了安全和隱私方面的擔(dān)憂。第4節(jié)將詳細(xì)介紹數(shù)據(jù)去中心化，涵蓋其分布式特性、提高的安全性、可擴(kuò)展性和效率。
2.2 方法
如圖3所示，開(kāi)發(fā)協(xié)同AI解決方案的方法依賴于神經(jīng)符號(hào)方法（Hitzler et al., 2022），該方法由數(shù)據(jù)驅(qū)動(dòng)的機(jī)器學(xué)習(xí)技術(shù)（由紅色層表示）與知識(shí)驅(qū)動(dòng)模型（由藍(lán)色和綠色層表示）的融合組成。從最接近原始數(shù)據(jù)的右側(cè)開(kāi)始，紅色層包含持續(xù)進(jìn)行的學(xué)習(xí)過(guò)程，這些過(guò)程不斷從各種來(lái)源接收數(shù)據(jù)并更新模型的參數(shù)，以確保其相關(guān)性和準(zhǔn)確性。相比之下，藍(lán)色層選擇了迄今為止訓(xùn)練精度最高的最佳性能模型，并將其與來(lái)自不同方，包括資金提供者、物流提供者等的額外領(lǐng)域知識(shí)整合。
在融合學(xué)習(xí)和推理模型的提出的神經(jīng)符號(hào)架構(gòu)中，過(guò)程始于學(xué)習(xí)階段，不同的AI模型在此階段被訓(xùn)練以理解和解釋數(shù)據(jù)。一旦模型訓(xùn)練完成，就會(huì)應(yīng)用推理階段。這個(gè)推理階段至關(guān)重要，因?yàn)樗?yàn)證了生成和預(yù)測(cè)響應(yīng)的合理性和一致性。通過(guò)結(jié)合這兩個(gè)方面——從數(shù)據(jù)中學(xué)習(xí)和應(yīng)用邏輯推理——系統(tǒng)確保響應(yīng)不僅基于學(xué)習(xí)到的模式，而且遵循邏輯框架，從而導(dǎo)致更準(zhǔn)確和可靠的結(jié)果。
本文所提出的協(xié)同AI框架包含了用多樣化數(shù)據(jù)集訓(xùn)練的不同類型的AI模型。為了協(xié)調(diào)分布式數(shù)據(jù)源訓(xùn)練的結(jié)果和模型，作者采用了用這些多樣化模型的輸出填充的知識(shí)圖譜，使整個(gè)過(guò)程易于進(jìn)行推理。這種協(xié)同AI方法在解決需要從各種數(shù)據(jù)源獲取洞察的問(wèn)題中發(fā)揮著關(guān)鍵作用。通過(guò)賦予商業(yè)從業(yè)者與跨行業(yè)數(shù)據(jù)進(jìn)行可靠交互的能力，本文展示了目前正在進(jìn)行試點(diǎn)測(cè)試的新興框架。這些框架增強(qiáng)了供應(yīng)鏈生態(tài)系統(tǒng)中中小型企業(yè)（SMEs）的韌性和增長(zhǎng)潛力。此外，它們還揭示了為金融服務(wù)提供商提供附加價(jià)值的創(chuàng)新方式。借助AI，這些提供商可以更深入地了解不同SMEs、物流提供商和生態(tài)系統(tǒng)風(fēng)險(xiǎn)之間的現(xiàn)金流動(dòng)態(tài)，最終使市場(chǎng)能夠提供更高效的貿(mào)易融資解決方案。
總之，本文提出了一個(gè)獨(dú)特的系統(tǒng)，該系統(tǒng)整合了一個(gè)使用精細(xì)調(diào)整的大型語(yǔ)言模型的用戶友好界面層和一個(gè)新穎的參考架構(gòu)，以滿足供應(yīng)鏈用戶和角色的多樣化需求。該界面通過(guò)將查詢轉(zhuǎn)換為正式腳本，以便于與AI層的交互，然后使用機(jī)器學(xué)習(xí)技術(shù)和知識(shí)驅(qū)動(dòng)模型的組合進(jìn)行處理。這種創(chuàng)新方法不僅增強(qiáng)了數(shù)據(jù)處理和模型性能，而且還建立在對(duì)SME挑戰(zhàn)的現(xiàn)有理解基礎(chǔ)上。它與之前專注于金融創(chuàng)新和供應(yīng)鏈融資（SCF）解決方案的研究不同，后者通常缺乏普遍適用性并且需要復(fù)雜的技術(shù)基礎(chǔ)設(shè)施。相比之下，我們的系統(tǒng)使商業(yè)從業(yè)者能夠使用先進(jìn)的計(jì)算模型應(yīng)對(duì)復(fù)雜挑戰(zhàn)并做出明智的決策，從而加強(qiáng)全球供應(yīng)鏈的韌性。我們的模型獨(dú)特地融合了AI編排與數(shù)據(jù)去中心化，強(qiáng)調(diào)AI與去中心化數(shù)據(jù)之間的協(xié)同作用。這不僅提高了SMEs的效率和金融準(zhǔn)入，還代表了貿(mào)易融資中AI和技術(shù)創(chuàng)新的新路徑，突出了與以往研究在這一領(lǐng)域的相似之處和關(guān)鍵差異。
為了驗(yàn)證AI模型的最終響應(yīng)，特別是考慮到數(shù)據(jù)集的多樣性和不同的經(jīng)濟(jì)條件，作者強(qiáng)調(diào)在驗(yàn)證過(guò)程中涉及人類專家的參與。這種方法認(rèn)識(shí)到了人類判斷和專業(yè)知識(shí)在評(píng)估AI生成響應(yīng)的準(zhǔn)確性和可靠性方面的重要性。因此，所提出的系統(tǒng)更多地作為這些專家的助手，而不是人類決策的替代品。AI模型提供了有價(jià)值的見(jiàn)解和分析，但最終的決策權(quán)仍然掌握在人類專家手中，他們可以以更廣泛和更細(xì)膩的方式解釋和放置AI的發(fā)現(xiàn)。這確保了AI在復(fù)雜和多變的環(huán)境中的平衡和有效使用。
在下一步中，作者旨在將所呈現(xiàn)的模型推進(jìn)到超越目前的示范級(jí)實(shí)施，后者依賴于人工生成的數(shù)據(jù)。通過(guò)在實(shí)時(shí)商業(yè)環(huán)境中利用現(xiàn)實(shí)世界的數(shù)據(jù)，目標(biāo)是驗(yàn)證模型的商業(yè)、法律、運(yùn)營(yíng)和倫理方面，確保其實(shí)際可行性和相關(guān)性。
所提出方法的好處是多方面的，正如我們?cè)谝圆糠炙懻摰哪菢樱鼈內(nèi)缦拢?/p>
對(duì)工作資本的獲取對(duì)于企業(yè)的增長(zhǎng)和成功至關(guān)重要，尤其是對(duì)于跨國(guó)物流公司而言。通過(guò)授予資金提供者他們的數(shù)據(jù)訪問(wèn)權(quán)限，物流提供商不僅增加了對(duì)他們合作的SMEs信用狀況的了解，而且還使銀行能夠?yàn)榱鲃?dòng)性問(wèn)題提供量身定制的解決方案。直接參與方法確保了個(gè)性化和有效的溝通，為物流提供商提供了必要的支持和財(cái)務(wù)解決方案。銀行通過(guò)使用高級(jí)AI分析技術(shù)來(lái)深入了解發(fā)票、付款條款、應(yīng)收賬款、應(yīng)付賬款和其他財(cái)務(wù)方面的信息，可以更好地理解物流提供商的運(yùn)營(yíng)、現(xiàn)金流和業(yè)務(wù)周期。這種改進(jìn)的理解使銀行能夠以更有吸引力的利率提供貸款，從而降低這些公司的資本成本。
