●　●　●

周四早上5:30，Alex 靠着服务台喝着拿铁。每天这个时候，阳光透过前窗照射在她的咖啡馆里，在早高峰开始之前，她享受了片刻的宁静。距离与咖啡师开晨会还有30分钟，她打开iPad，调取出她最得力的助手: 小型企业仪表盘。

Alex 的供应顾问几秒钟内对她的账户、销售和消费记录、当地天气预报、活动信息和过去的旅游数据进行了搜索，并告诉她接下来的一周内她将需要五套新的过滤器和1000个塑料杯。只需一键她便从亚马逊下单订购这些物品。

Alex 知道店里需要一台新的咖啡机，但她已经推迟了购买计划一个多月了。根据目前账户中的存款，她要么现在订购新机器，要么偿还两年前的创业贷款。

如果她继续推迟更换咖啡机，机器可能随时会坏掉，而浓缩咖啡是菜单上第二畅销商品(仅次于冰咖啡)。另一方面，她已还清了大部分贷款，拖延一个月会增加利息。

Alex 向她的机器人顾问寻求建议。“您可以两者兼顾，”它回复到，“鉴于您本月的预期销售额，您可以用存款来偿还贷款，用信用卡3500美元的信用额度购买咖啡机。30天后信用卡还款日时，根据当前的销售预测，你将有足够的现金将其还清。” 

Alex 轻轻一触，购买了浓缩咖啡机。在与员工进行了鼓舞士气的晨会后，她打开了店门，对自己的小事业发展充满信心。

一天结束的时候，Alex 正要打烊，她的机器人提醒她今天是6月1日，很快需要交纳季度税了。她担心自己在购买新咖啡机时忽略了纳税，但机器人接着说：“别担心，6月份的现金预测中考虑到了税款。” 最后，她又敲了几下，确定了周五的工资单，并从员工的工资中扣除了医疗费用，税款也准备好了。

Alex 的故事是虚构的，但它指出了科技的潜力，特别是人工智能，其可以帮助小型企业创业者并改善他们日常经营。毫无疑问: 这些技术已经在改变行业模式，到目前为止，它们似乎在为大公司提供优势。问题是，能否设计和运用它们来帮助小型企业，而不仅是大型企业，在这方面，我满怀期待。

随着技术为海量数据打开大门，有助于小企业健康发展的新想法不断出现。从数据中获得的信息，有可能解决该领域贷款方和借款人面临的两个重要问题: 异质性（所有小企业都是不同的事实，这使得从一个例子到下一个例子的推断变得困难）以及信息不透明（很难知道小企业内部到底发生了什么）。

从贷款人的角度来看，业务规模越小，就越难知道该业务是否真正有利可图以及前景如何。许多小企业主对现金流、可实现的销售额、客户何时付款、以及根据季节或签订新合同而可能需要的现金都不太清楚。小型企业的现金缓冲较低，因此计算失误、逾期付款、甚至是快速增长都可能导致危及生命的现金短缺。

但是，如果科技能够让小企业主对自己的现金流有更明确的认识，让贷款人也更明智，那又会怎样呢? 如果新的贷款产品和服务使快速准确地预测小企业的信誉变得更容易，就像消费者的个人信用评分帮助银行预测个人贷款、信用卡和抵押贷款的信用度一样，那会怎样呢？如果一个小企业主有一个业务活动的仪表盘，包括现金预测、对销售和成本趋势的观测，帮助他们构建一个企业财务健康状况的端到端的图景，那会怎么样? 如果这个仪表盘能够帮助他们了解目前的信用情况，以及随着时间的推移，他们可以采取哪些行动来提高自己的信用评级，结果会怎样呢? 更妙的是，如果仪表盘能够融合类似行业中成千上万企业主的数据所积累的机器学习的预测能力，帮助企业抵御危险趋势或危险呢？

人工智能在未来会很有吸引力，因为它满足了小型企业所有者的基本需求，即能够更清晰地看到和解释已经存在的信息，帮助他们根据自身条件在不确定的市场环境中找到方向，并制定相应计划。它还为贷款机构提供了一个机会，让它们更好地了解潜在客户的信誉，从而降低贷款成本。我把这种想象中的未来状态称为“小企业乌托邦”。

与此同时，很容易想象科技进步的黑暗面，尤其是人工智能。经济学家已开始探索人工智能对创新的影响。他们将其视为“通用技术”，有潜力在多个行业创造出巨大的成就。他们还指出，那些控制大量结构化和非结构化数据的人将会是未来赢家。

人工智能的潜在风险在增加。如果允许某些公司垄断数据收集，这可能会对未来的创新及其带来的共享利益产生负面影响。未来的监管需要确保对数据流的开放访问，为小企业和其他部门提供更好的帮助。例如，英国实施了“开放银行” (Open Banking) 政策，该政策明确了包括小企业主在内的客户拥有其银行数据，并允许它们授权第三方访问这些数据，以创新产品和服务。

此外，机器一旦学会识别谁更有可能拖欠贷款，那么歧视和排斥的风险会变得很大。最令人担忧的是，这些决定将由一个“黑匣子”做出；没有人会确切知道机器做出建议或决策的数据属性。

机器可能会识别出与种族、性别或其他受保护类别的特征密切相关的风险因素。除非明确规定禁止这样做，否则它将会采用这些作为其决定因素。一般而言，复杂的算法在某些狭窄的维度上表现出色，但缺乏直觉和情景感知，这可能会造成严重的问题。

“黑匣子”模型可能难以理解，但这并不意味着它们无法被审核。公司和监管机构都需要开发新的方法来阐明未来算法的内部运作原理。即使开发出能够检测到歧视和其他不良行为的自动化，企业内部和监管机构似乎仍然需要人工监督。

大数据和算法的使用将带来新的产品和服务，但也带来一些新的顾虑。目前尚不清楚我们预期技术的变革将对市场获得资本产生何种影响。过去，妇女和少数族裔一直在努力寻找愿意放贷的人。希望通过更有效的市场和新数据源的出现，更多信誉良好的借款人将获得贷款。但“黑匣子”算法的不明确，可能会导致更多的歧视，而非减少。

克服这些担忧的一个方法是收集有关小企业获取资本的实际数据。最相关的指标是按贷款规模和小企业主类型划分的贷款来源数据。Dodd-Frank 法案第1071条（要求收集这些数据）在金融危机后获得通过，但尚未实施。如果有办法跟踪市场结果，则可以进行更多的创新。收集这些信息并使用它们来识别和纠正市场缺口，是运转良好的小企业信贷市场的关键基础要素。随着人工智能成为贷款决策不可或缺的一部分，这一点只会变得至关重要。

* 原文发表在 Harvard Business Review。

关于作者