2022年，是“金融科技發(fā)展規(guī)劃”第二個三年的開端。而近年來，AI風(fēng)控技術(shù)與金融行業(yè)的結(jié)合愈發(fā)緊密。

此前，根據(jù)艾瑞咨詢《2020年中國AI＋金融行業(yè)發(fā)展研究報告》，AI風(fēng)控約占到了2019年AI金融市場規(guī)模的45%。AI技術(shù)與風(fēng)控的結(jié)合也被銀行等金融機(jī)構(gòu)視為最有價值的技術(shù)落地場景。

其中，銀行是AI風(fēng)控的主要投資者。2019年，銀行業(yè)在AI風(fēng)控中的投入為67.51億元，占銀行業(yè)在AI技術(shù)總投入的60.44%。據(jù)據(jù)艾瑞咨詢研究院預(yù)計，2022年銀行在AI風(fēng)控的投入將達(dá)到115.90億元；中期來看，未來銀行對于AI風(fēng)控的投入占AI總投入的比例將保持在50%以上。

近日，愛分析首席分析師張揚(yáng)在接受時代財經(jīng)采訪時表示：“以銀行信貸業(yè)務(wù)為例，機(jī)器自動審核已經(jīng)替代了人工審核，這種機(jī)器審核所依賴的算法模型基于對AI技術(shù)的運(yùn)用。目前，AI模型已經(jīng)附入銀行線上業(yè)務(wù)的生產(chǎn)系統(tǒng)之中，并且正在產(chǎn)生實(shí)際效果。”

圖片來源：攝圖網(wǎng)-400094444

多方入局

無論傳統(tǒng)金融還是互聯(lián)網(wǎng)金融，風(fēng)控都是一個繞不開的關(guān)鍵話題。

隨著業(yè)務(wù)的數(shù)字化、線上化進(jìn)程不斷加快，基于傳統(tǒng)的業(yè)務(wù)拓展模式所發(fā)展起來的傳統(tǒng)風(fēng)控方式和管控手段已不能適應(yīng)大部分業(yè)務(wù)創(chuàng)新的需要。

在面對金融機(jī)構(gòu)業(yè)務(wù)在線上化的過程中可能會面臨虛假申請、偽冒交易、內(nèi)容違規(guī)等風(fēng)險，AI技術(shù)在金融行業(yè)風(fēng)控上的運(yùn)用已遠(yuǎn)遠(yuǎn)走在了合規(guī)管理運(yùn)用的前列。

如今，AI風(fēng)控是金融數(shù)字化最主要的應(yīng)用場景，也是最有價值的應(yīng)用場景。

據(jù)艾瑞咨詢《2020中國AI+金融行業(yè)發(fā)展研究報告》，從2019年中國金融機(jī)構(gòu)AI投入規(guī)模結(jié)構(gòu)中可以看出，銀行業(yè)、互金行業(yè)和保險行業(yè)是AI技術(shù)的主要購買方，其中銀行業(yè)的業(yè)務(wù)最為復(fù)雜，數(shù)據(jù)海量，同時風(fēng)控要求最高，成為了金融領(lǐng)域中AI技術(shù)最主要的需求方。

在過去幾年中，銀行業(yè)對于AI技術(shù)的投入持續(xù)增加。據(jù)上述報告預(yù)測，2022年銀行業(yè)在AI方面的總投入規(guī)模將超過220億元，其中在AI風(fēng)控的投入將達(dá)到115.90億元。

從技術(shù)獲取途徑看，銀行業(yè)主要依靠與AI公司合作，采購相應(yīng)的產(chǎn)品和服務(wù)，2019年采購規(guī)模占投入的85%。

隨著銀行自建科技子公司等增強(qiáng)自研能力的舉措發(fā)展壯大，其采購規(guī)模將有所下降，不過合作與技術(shù)采購仍然會是行業(yè)中主要的技術(shù)獲取手段。

一位曾經(jīng)供職于外資機(jī)構(gòu)的風(fēng)控人員表示，“有了AI風(fēng)控后，很多很費(fèi)時間的流程就省了。”對于銀行來說，在搭建風(fēng)控體系過程中，絕不是單靠一個模型、一個單點(diǎn)就可以識別的，否則很難真正抵達(dá)風(fēng)險核心、控制全局風(fēng)險的效果。

目前，在實(shí)際應(yīng)用過程中，銀行的AI風(fēng)控系統(tǒng)能夠幫助銀行增加30%左右的“降低成本、增加效率”的效能。

上述風(fēng)控人員稱，以前銀行對于營銷活動的損失沒有具體概念，很難判別到底有多少營銷費(fèi)用到了真正的用戶手里，有多少被黑產(chǎn)套走了；針對新型詐騙方法，AI風(fēng)控產(chǎn)品能幫助金融機(jī)構(gòu)實(shí)現(xiàn)風(fēng)控效果、降低獲客成本，以及提升運(yùn)營效率之間的平衡。

不過，因?yàn)殂y行各部門之間存在嚴(yán)重的信息壁壘，且金融領(lǐng)域的數(shù)據(jù)對用戶隱私要求較高，AI風(fēng)控操作起來具有挑戰(zhàn)性。

張揚(yáng)在接受時代財經(jīng)采訪時表示，“對于大額貸款，AI的風(fēng)控效果還不足以去替代線下。”

其進(jìn)一步解釋稱，目前的AI風(fēng)控更多適用于小額貸款，對于幾十萬甚至上百萬的大額貸款，還很難做到線上風(fēng)控。“但是AI風(fēng)控需求將長期存在，未來的增量主要體現(xiàn)在對公業(yè)務(wù)，最好能在提升大額信貸風(fēng)控的效果方面出現(xiàn)突破。”

此外，在多數(shù)場景下AI技術(shù)都與個人隱私密不可分，也曾因信息濫用、隱私泄露等風(fēng)險而受到詬病。“機(jī)器在進(jìn)行訓(xùn)練時，需要獲取大量用戶行為數(shù)據(jù)，不過因?yàn)橛行?shù)據(jù)受到《個人隱私法》的保護(hù)，AI風(fēng)控目前還面臨著數(shù)據(jù)源的挑戰(zhàn)。”張揚(yáng)說。

除銀行業(yè)外，最近幾年，有不少金融機(jī)構(gòu)選擇和第三方智能風(fēng)控公司合作構(gòu)建智能風(fēng)控體系和平臺。

源起基金合伙人廖浪橋近日向時代財經(jīng)表示，“公司目前有一小部分涉及到AI風(fēng)控系統(tǒng)。”廖浪橋指出，相較于頭部基金公司來說，在AI落地的過程中，一些小公司承擔(dān)不了過高的成本。“例如現(xiàn)在像大數(shù)據(jù)存儲可能就需要投入上千萬，這對一些小公司來說都算是天文數(shù)字了，所以實(shí)施起來比較難。”

圖片來源：攝圖網(wǎng)-500674608

AI如何落地？

時下新技術(shù)層出不窮，金融風(fēng)控領(lǐng)域彌漫著“唯AI論”的氣息。

AI在金融的商業(yè)化、規(guī)?；涞?，信貸風(fēng)控是最典型也最為人熟知的場景之一。以銀行為例，如今的人工智能，可以根據(jù)海量數(shù)據(jù)開發(fā)和訓(xùn)練信貸風(fēng)控模型，利用算法在貸前評估預(yù)測用戶的還款能力和還款意愿，在貸中實(shí)時監(jiān)控借款人，對可能出現(xiàn)的違約進(jìn)行事前干預(yù)。往常需要六個月時間走完流動性貸款，現(xiàn)在可以實(shí)現(xiàn)秒批秒貸、智能催收等等，大大節(jié)約了時間。

張揚(yáng)表示，與人工相比，AI更“聰明”，經(jīng)驗(yàn)也更加豐富。“在設(shè)計貸款風(fēng)控模型時，AI可以通過機(jī)器學(xué)習(xí)，生成上萬條海量特征，這個肯定是人工做不到的。特別是對于小額貸款，很多時候通過專家等人工制定的規(guī)則其實(shí)并不像機(jī)器那樣直接有效。”

此外，在響應(yīng)的及時度上，機(jī)器也明顯快于人工。張揚(yáng)舉例稱，現(xiàn)在一些線上的小額貸款，基本上都能實(shí)現(xiàn)幾分鐘放款，這主要是由于審核、風(fēng)控環(huán)節(jié)的時間被大大壓縮。“利用人工去判斷，至少需要幾分鐘甚至幾個小時的時間，但是用機(jī)器去判斷可能基本上都是秒過。這是傳統(tǒng)的風(fēng)控很難做到位的，只有AI風(fēng)控才能做到。”

除了及時性，AI還具有強(qiáng)烈的自主性，能在不斷的自主學(xué)習(xí)中“自我成長”。若前期發(fā)放的貸款出現(xiàn)了逾期、壞賬等“機(jī)器判斷失誤”的狀況，AI也可以對原模型進(jìn)行追溯調(diào)整，并在這個過程中實(shí)現(xiàn)自我成長。

目前，金融機(jī)構(gòu)越來越注重對AI風(fēng)控的自主研發(fā)，此外，也有不少外部廠商，為銀行、保險公司、證券公司等終端甲方用戶提供AI風(fēng)控服務(wù)，并最終落地于黑名單、數(shù)據(jù)管理、反欺詐、授信、評分、額度等多項(xiàng)業(yè)務(wù)。

作為數(shù)據(jù)使用方，金融機(jī)構(gòu)可以通過隱私計算技術(shù)，來安全、合規(guī)地融合行業(yè)數(shù)據(jù)和外部數(shù)據(jù)，為具體的業(yè)務(wù)場景提質(zhì)增效。

隱私計算技術(shù)服務(wù)商洞見科技的合伙人、副總裁李博近日在接受時代財經(jīng)采訪時表示，隱私計算正處于大規(guī)模商業(yè)化落地早期，金融領(lǐng)域頭部客戶不斷落地商業(yè)化市場需求。洞見科技自主研發(fā)的金融級隱私計算平臺InsightOne在金融領(lǐng)域的應(yīng)用場景很多，主要包括基于隱私計算的聯(lián)合風(fēng)控、聯(lián)合營銷、反電詐、反洗錢、精準(zhǔn)投放、資產(chǎn)掃描、精算定價等。

李博告訴時代財經(jīng)，在風(fēng)控場景中，可以基于洞見科技InsightOne隱私計算平臺，構(gòu)建金融機(jī)構(gòu)與外部機(jī)構(gòu)之間安全可控的數(shù)據(jù)協(xié)作通道。

他指出，在原始數(shù)據(jù)不出庫的前提下，通過使用金融機(jī)構(gòu)內(nèi)部客戶數(shù)據(jù)和外部合作數(shù)據(jù)聯(lián)合構(gòu)建風(fēng)控模型，并基于模型進(jìn)行實(shí)時預(yù)測。

在銀行信用卡賬單分期業(yè)務(wù)中，通常存在行方內(nèi)部數(shù)據(jù)維度有限的問題，此外，通過API查詢補(bǔ)充客戶標(biāo)簽的方式不僅存在泄露行方大量存量客戶信息的風(fēng)險，也會造成極大的成本浪費(fèi)。李博對此稱，“以洞見科技與某股份制銀行合作項(xiàng)目為例，在該行信用卡賬單分期有效模型案例中，洞見科技為該行建立了賬單分期營銷模型，實(shí)現(xiàn)最終模型KS值達(dá)到40%以上，在保障客戶信息安全的前提下，有效改善了業(yè)務(wù)效果。”