图片（piàn）来源：图虫创意

2022年，是“金融科技发展（zhǎn）规划（huá）”第二个（gè）三（sān）年的（de）开端。而（ér）近（jìn）年来，AI风控（kòng）技术与（yǔ）金融行业的结合愈发紧（jǐn）密。

此前，根据艾（ài）瑞咨询《2020年（nián）中国AI＋金融（róng）行业发展研（yán）究报告》，AI风控约占到了2019年AI金融市场规模的45%。AI技术与风控的（de）结合也被银行等金（jīn）融机构视为最有价值的技术落地（dì）场景。

其中，银行是AI风控的主要（yào）投（tóu）资者。2019年，银行业在AI风控中的（de）投入为（wéi）67.51亿元，占银行（háng）业（yè）在（zài）AI技术总投入（rù）的60.44%。据据艾（ài）瑞咨（zī）询研究（jiū）院预计，2022年银行（háng）在AI风控的（de）投入（rù）将达到115.90亿元；中期来（lái）看，未来银行（háng）对于AI风控的投入占AI总投入的比例将保持在50%以上（shàng）。

近日，爱分析首席分析（xī）师张扬在接受时代（dài）财（cái）经采访（fǎng）时表示：“以银行信（xìn）贷业务为例，机器自动审（shěn）核已（yǐ）经替代（dài）了人工审核，这种机器审核所（suǒ）依赖的算法模型（xíng）基于对AI技术的运用。目前，AI模（mó）型已（yǐ）经附入银行线上业务的生（shēng）产系统之（zhī）中，并（bìng）且正（zhèng）在产生实际效果（guǒ）。”

多方入局

无论传统金融还是互联网金融，风控（kòng）都是一个绕不（bú）开（kāi）的关键话题。

随着（zhe）业（yè）务的数字化、线上化进程不断（duàn）加快，基于传统的业务拓展模式所发展（zhǎn）起来（lái）的传统风控（kòng）方式和管控手段已不能（néng）适应大部（bù）分业务（wù）创新的需要。

在（zài）面对金融机构业务在线（xiàn）上（shàng）化的过（guò）程中可能会面临虚假申请（qǐng）、伪冒交易、内容违规（guī）等风险，AI技（jì）术在金融（róng）行业风控上的运用已远（yuǎn）远走（zǒu）在了合规管理运用（yòng）的前列（liè）。

如今，AI风控是金融数字化（huà）最主要的应用场景，也是最（zuì）有价值的应用场（chǎng）景。

据艾瑞咨（zī）询《2020中国AI+金（jīn）融行业发展研（yán）究报告》，从（cóng）2019年中国金融机构（gòu）AI投入规模结构中可以看出，银行业、互（hù）金行业（yè）和保险（xiǎn）行业是AI技（jì）术（shù）的主要购（gòu）买方，其中（zhōng）银行（háng）业的（de）业（yè）务最为复杂（zá），数据海（hǎi）量，同时风控要求最高，成为（wéi）了金融领域（yù）中AI技术最主要的需求方。

在过去几年中（zhōng），银行业对于AI技术的投入持续（xù）增加。据上（shàng）述报告预测，2022年银行业在AI方面（miàn）的（de）总投（tóu）入规模将（jiāng）超过220亿元，其中在AI风控的投（tóu）入将（jiāng）达到115.90亿元。

从（cóng）技术获取途径看，银行业主要依靠与AI公司合作，采（cǎi）购相应的产品和服务，2019年采（cǎi）购规模占投入的（de）85%。

随着银行自建（jiàn）科技子公司等增（zēng）强自研能力的举措发展（zhǎn）壮大，其采购规模将有所下降（jiàng），不过合作与技术采购仍然会是（shì）行业（yè）中主要的技术获（huò）取手段。

一位曾（céng）经供（gòng）职于外（wài）资机构的（de）风控（kòng）人员表示，“有了AI风控后，很多很费（fèi）时间的流程就省了。”对于银行来说，在搭建风控体系过程中，绝不是单靠（kào）一个模型、一个单点就可以识别的，否则（zé）很难真正抵达风险核心、控（kòng）制（zhì）全局（jú）风（fēng）险的效果（guǒ）。

目前，在实际应用过程中，银（yín）行的AI风（fēng）控系统能够帮助银（yín）行增加30%左右的“降低成（chéng）本、增加效（xiào）率（lǜ）”的效能（néng）。

上述风控人员称，以前银行对于营销活动的损（sǔn）失没有具体概念，很难（nán）判别到底有多少营销费用到了真正（zhèng）的用（yòng）户手（shǒu）里，有多少被黑产套走了；针对新型诈骗方法，AI风（fēng）控（kòng）产品能（néng）帮助金融机构实现风控效果、降低（dī）获客（kè）成本，以（yǐ）及提升运营效率之间的平衡。

不过（guò），因为银行各部门之（zhī）间存在严重的（de）信息壁垒，且金融领域（yù）的数（shù）据对用户隐私要求较高，AI风控操作（zuò）起（qǐ）来具（jù）有（yǒu）挑战性。

张（zhāng）扬在接受时代财经采（cǎi）访时表示，“对于大额贷款，AI的风控效果还不足（zú）以去替代线（xiàn）下。”

其进（jìn）一步解释称，目前的AI风控更（gèng）多适用（yòng）于小（xiǎo）额（é）贷款，对于（yú）几十万甚至上（shàng）百万的大额贷款，还很难做到线上风（fēng）控。“但是AI风控（kòng）需求将长期存（cún）在（zài），未来的增量主要体现（xiàn）在（zài）对公业务，最好能（néng）在提（tí）升（shēng）大额信贷风控的效果方面出（chū）现（xiàn）突破。”

此外，在多数场景下AI技术都与个人隐私密不可分，也曾因信息（xī）滥（làn）用、隐私泄露等风险而受到诟病。“机器在进行训练（liàn）时，需要获取大量用户行为（wéi）数据，不过因为有些数据（jù）受到《个人（rén）隐私法》的保护，AI风（fēng）控目前还面临着数（shù）据（jù）源的挑战（zhàn）。”张扬说。

除银行业外，最近几年，有不少金融机构选择和第三方智能风控公（gōng）司合作构（gòu）建智（zhì）能风控体系和（hé）平台。

源起基金合伙人廖浪桥近日向（xiàng）时代财经表示，“公司目（mù）前有一小部分涉（shè）及到（dào）AI风控系统。”廖浪桥指出，相较于头部基金公（gōng）司来（lái）说，在AI落地的过程（chéng）中，一些（xiē）小公司承担不了过高的成本。“例（lì）如现（xiàn）在像大数据存（cún）储可能就（jiù）需要投（tóu）入（rù）上（shàng）千万，这对一些小公司来说都算是天文数字了，所以（yǐ）实施起（qǐ）来比较（jiào）难。”

AI如（rú）何落地？

时下新技术层（céng）出不穷，金融风（fēng）控（kòng）领（lǐng）域弥漫着“唯AI论”的气息。

AI在金融（róng）的商（shāng）业化、规模化落（luò）地，信贷风控是最典型也最为人熟知的场景（jǐng）之一。以（yǐ）银行为例，如今的人工智能，可以（yǐ）根（gēn）据（jù）海量数据（jù）开发和训练（liàn）信贷风控模型，利用算法在贷（dài）前评估预测用户的还款（kuǎn）能力和（hé）还款（kuǎn）意愿，在贷中实时监（jiān）控借款人，对可能（néng）出现的违约进行事前（qián）干（gàn）预。往常（cháng）需（xū）要六个月时间走完流动（dòng）性贷款，现在（zài）可以实现秒批秒贷、智能（néng）催收等等，大大节约（yuē）了时间。

张扬表示，与（yǔ）人工（gōng）相比，AI更“聪明”，经验也更加丰富。“在设计贷（dài）款风控模（mó）型时（shí），AI可（kě）以通过（guò）机器学（xué）习，生成上万（wàn）条（tiáo）海量特征，这个肯定是人工做不到（dào）的。特别是对于小额贷款，很多（duō）时候（hòu）通（tōng）过专（zhuān）家等人工制（zhì）定（dìng）的规（guī）则（zé）其实并不像机器那样（yàng）直（zhí）接有效。”

此外，在（zài）响应的及（jí）时（shí）度上，机器也明显快于人工。张扬举例（lì）称，现在一些线上的（de）小额贷款，基（jī）本上都能实现（xiàn）几分（fèn）钟放款，这主（zhǔ）要是由于审核（hé）、风（fēng）控环节的时间被（bèi）大大压缩。“利用人工去判（pàn）断，至少需（xū）要几分钟甚至几个（gè）小时的时间，但（dàn）是用机器去（qù）判（pàn）断可能基（jī）本上都（dōu）是秒过（guò）。这是（shì）传统的风控很难做到位的，只有（yǒu）AI风控才（cái）能（néng）做到。”

除了及时性，AI还（hái）具有强烈的自主性（xìng），能（néng）在（zài）不断的自主学习中“自我成长”。若前期发放的（de）贷款出现（xiàn）了逾期、坏账等“机器判断失误”的状况，AI也（yě）可以对（duì）原模型（xíng）进行追溯调整，并在这个过程中（zhōng）实（shí）现自（zì）我成长。

目前，金（jīn）融机构（gòu）越来越注重对AI风控的自（zì）主研发，此外，也有不少外（wài）部厂商，为银行、保险（xiǎn）公司、证券（quàn）公司等（děng）终端甲方用户提供AI风控服务，并最终落（luò）地于（yú）黑名单（dān）、数据管理（lǐ）、反欺诈（zhà）、授信、评分（fèn）、额（é）度等多项业务。

作（zuò）为数据（jù）使用方（fāng），金融机（jī）构（gòu）可以通（tōng）过隐私计算技术，来安（ān）全、合规地融合（hé）行业数据和外部数据，为具（jù）体的业务场景提质增效。

隐私计算技术服务商洞见科技的合伙人、副（fù）总裁李博近日在接受时代财经采访时（shí）表示，隐私计（jì）算正处于（yú）大规模商业化落地早期，金融领域头（tóu）部客（kè）户不断落地（dì）商业化（huà）市场需求。洞见科技自主研发的金融级隐（yǐn）私计（jì）算平台InsightOne在金融领域的应用场景很多，主要包括基于隐私（sī）计算的（de）联合风控（kòng）、联合（hé）营销、反电诈、反（fǎn）洗（xǐ）钱、精准投放、资（zī）产（chǎn）扫描（miáo）、精（jīng）算定价等。

李博告诉时代财经，在风（fēng）控场景中，可以基于洞见科技（jì）InsightOne隐私计算平台，构建金融机（jī）构与外（wài）部机构（gòu）之间安全可控的数（shù）据协作通道（dào）。

他指出，在原始数据不出库的（de）前提下，通过使用金（jīn）融机构（gòu）内部客（kè）户数据（jù）和外部合作（zuò）数据联合构建风控模型，并基（jī）于（yú）模（mó）型进行实时预测。

在银行（háng）信用卡账单分期业务中，通常（cháng）存在行方内部（bù）数据维度有限的问题，此外，通过API查（chá）询（xún）补（bǔ）充客（kè）户标签的方（fāng）式不仅存（cún）在泄露行方（fāng）大量存量客户信息的风险（xiǎn），也会（huì）造成极大的成本浪（làng）费（fèi）。李博对（duì）此（cǐ）称，“以洞见科技与某股份制银行合作项目为例，在该行信用卡账单分期有（yǒu）效模型案（àn）例中，洞见科技为该行建立了（le）账单分期营销模型，实现（xiàn）最终模型KS值达到40%以上，在保障客户信息安全的前提下，有效改善了业务（wù）效果。”