QQ在線
企業微信
資訊
236
圖片來源：圖蟲創意
2022年，是“金融科技發展規劃”第二個三年的開端。而近年來，AI風控技術與金融行業的結合愈發緊密。
此前，根據艾瑞咨詢《2020年中國AI＋金融行業發展研究報告》，AI風控約占到了2019年AI金融市場規模的45%。AI技術與風控的結合也被銀行等金融機構視為最有價值的技術落地場景。
其中，銀行是AI風控的主要投資者。2019年，銀行業在AI風控中的投入為67.51億元，占銀行業在AI技術總投入的60.44%。據據艾瑞咨詢研究院預計，2022年銀行在AI風控的投入將達到115.90億元；中期來看，未來銀行對于AI風控的投入占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在接受時代財經采訪時表示：“以銀行信貸業務為例，機器自動審核已經替代了人工審核，這種機器審核所依賴的算法模型基于對AI技術的運用。目前，AI模型已經附入銀行線上業務的生產系統之中，并且正在產生實際效果。”
多方入局
無論傳統金融還是互聯網金融，風控都是一個繞不開的關鍵話題。
隨著業務的數字化、線上化進程不斷加快，基于傳統的業務拓展模式所發展起來的傳統風控方式和管控手段已不能適應大部分業務創新的需要。
在面對金融機構業務在線上化的過程中可能會面臨虛假申請、偽冒交易、內容違規等風險，AI技術在金融行業風控上的運用已遠遠走在了合規管理運用的前列。
如今，AI風控是金融數字化最主要的應用場景，也是最有價值的應用場景。
據艾瑞咨詢《2020中國AI+金融行業發展研究報告》，從2019年中國金融機構AI投入規模結構中可以看出，銀行業、互金行業和保險行業是AI技術的主要購買方，其中銀行業的業務最為復雜，數據海量，同時風控要求最高，成為了金融領域中AI技術最主要的需求方。
在過去幾年中，銀行業對于AI技術的投入持續增加。據上述報告預測，2022年銀行業在AI方面的總投入規模將超過220億元，其中在AI風控的投入將達到115.90億元。
從技術獲取途徑看，銀行業主要依靠與AI公司合作，采購相應的產品和服務，2019年采購規模占投入的85%。
隨著銀行自建科技子公司等增強自研能力的舉措發展壯大，其采購規模將有所下降，不過合作與技術采購仍然會是行業中主要的技術獲取手段。
一位曾經供職于外資機構的風控人員表示，“有了AI風控后，很多很費時間的流程就省了。”對于銀行來說，在搭建風控體系過程中，絕不是單靠一個模型、一個單點就可以識別的，否則很難真正抵達風險核心、控制全局風險的效果。
目前，在實際應用過程中，銀行的AI風控系統能夠幫助銀行增加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用到了真正的用戶手里，有多少被黑產套走了；針對新型詐騙方法，AI風控產品能幫助金融機構實現風控效果、降低獲客成本，以及提升運營效率之間的平衡。
不過，因為銀行各部門之間存在嚴重的信息壁壘，且金融領域的數據對用戶隱私要求較高，AI風控操作起來具有挑戰性。
張揚在接受時代財經采訪時表示，“對于大額貸款，AI的風控效果還不足以去替代線下。”
其進一步解釋稱，目前的AI風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，還很難做到線上風控。“但是AI風控需求將長期存在，未來的增量主要體現在對公業務，最好能在提升大額信貸風控的效果方面出現突破。”
此外，在多數場景下AI技術都與個人隱私密不可分，也曾因信息濫用、隱私泄露等風險而受到詬病。“機器在進行訓練時，需要獲取大量用戶行為數據，不過因為有些數據受到《個人隱私法》的保護，AI風控目前還面臨著數據源的挑戰。”張揚說。
除銀行業外，最近幾年，有不少金融機構選擇和第三方智能風控公司合作構建智能風控體系和平臺。
源起基金合伙人廖浪橋近日向時代財經表示，“公司目前有一小部分涉及到AI風控系統。”廖浪橋指出，相較于頭部基金公司來說，在AI落地的過程中，一些小公司承擔不了過高的成本。“例如現在像大數據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字了，所以實施起來比較難。”
AI如何落地？
時下新技術層出不窮，金融風控領域彌漫著“唯AI論”的氣息。
AI在金融的商業化、規模化落地，信貸風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，可以根據海量數據開發和訓練信貸風控模型，利用算法在貸前評估預測用戶的還款能力和還款意愿，在貸中實時監控借款人，對可能出現的違約進行事前干預。往常需要六個月時間走完流動性貸款，現在可以實現秒批秒貸、智能催收等等，大大節約了時間。
張揚表示，與人工相比，AI更“聰明”，經驗也更加豐富。“在設計貸款風控模型時，AI可以通過機器學習，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則其實并不像機器那樣直接有效。”
此外，在響應的及時度上，機器也明顯快于人工。張揚舉例稱，現在一些線上的小額貸款，基本上都能實現幾分鐘放款，這主要是由于審核、風控環節的時間被大大壓縮。“利用人工去判斷，至少需要幾分鐘甚至幾個小時的時間，但是用機器去判斷可能基本上都是秒過。這是傳統的風控很難做到位的，只有AI風控才能做到。”
除了及時性，AI還具有強烈的自主性，能在不斷的自主學習中“自我成長”。若前期發放的貸款出現了逾期、壞賬等“機器判斷失誤”的狀況，AI也可以對原模型進行追溯調整，并在這個過程中實現自我成長。
目前，金融機構越來越注重對AI風控的自主研發，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風控服務，并最終落地于黑名單、數據管理、反欺詐、授信、評分、額度等多項業務。
作為數據使用方，金融機構可以通過隱私計算技術，來安全、合規地融合行業數據和外部數據，為具體的業務場景提質增效。
隱私計算技術服務商洞見科技的合伙人、副總裁李博近日在接受時代財經采訪時表示，隱私計算正處于大規模商業化落地早期，金融領域頭部客戶不斷落地商業化市場需求。洞見科技自主研發的金融級隱私計算平臺InsightOne在金融領域的應用場景很多，主要包括基于隱私計算的聯合風控、聯合營銷、反電詐、反洗錢、精準投放、資產掃描、精算定價等。
李博告訴時代財經，在風控場景中，可以基于洞見科技InsightOne隱私計算平臺，構建金融機構與外部機構之間安全可控的數據協作通道。
他指出，在原始數據不出庫的前提下，通過使用金融機構內部客戶數據和外部合作數據聯合構建風控模型，并基于模型進行實時預測。
在銀行信用卡賬單分期業務中，通常存在行方內部數據維度有限的問題，此外，通過API查詢補充客戶標簽的方式不僅存在泄露行方大量存量客戶信息的風險，也會造成極大的成本浪費。李博對此稱，“以洞見科技與某股份制銀行合作項目為例，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，實現最終模型KS值達到40%以上，在保障客戶信息安全的前提下，有效改善了業務效果。”
