图片来源：图（tú）虫创（chuàng）意

2022年，是“金（jīn）融科技发展规划（huá）”第（dì）二个三年的开端（duān）。而近年（nián）来，AI风控技术与金融行业的结（jié）合愈发紧（jǐn）密。

此前，根（gēn）据艾（ài）瑞咨（zī）询《2020年中国AI＋金（jīn）融（róng）行业发（fā）展研究报告》，AI风（fēng）控约占到了（le）2019年AI金融市场规模的45%。AI技术与（yǔ）风（fēng）控的结合也（yě）被银行等金融机（jī）构视为最有价值的（de）技术落地场景。

其中，银行是（shì）AI风控的主要（yào）投资者。2019年，银行业在AI风控（kòng）中的投入为67.51亿元，占银行业在AI技术总投入的（de）60.44%。据据艾瑞咨询研究院（yuàn）预计，2022年银行在AI风（fēng）控（kòng）的（de）投入将达到115.90亿元；中期来看（kàn），未（wèi）来银（yín）行对于AI风控的（de）投入占AI总投入的（de）比例将保持在50%以上。

近日，爱（ài）分析首席分（fèn）析师张扬在接受时（shí）代财经采访时表示：“以（yǐ）银行信贷（dài）业务为例，机器自动审核（hé）已经替代了人工审核，这种机器审核所依赖的算法（fǎ）模型基于对AI技（jì）术的运（yùn）用。目前，AI模型（xíng）已（yǐ）经附入银行线上业（yè）务的生产（chǎn）系统之中（zhōng），并且（qiě）正在产生实际效果。”

多方入局

无（wú）论（lùn）传统金融还是互联网金融，风控都是一个绕不开的关键（jiàn）话题。

随着业务的数字化、线上（shàng）化（huà）进程（chéng）不断加快，基于传统的业务（wù）拓展模式所（suǒ）发展起来的（de）传统风（fēng）控方式和管控手（shǒu）段已（yǐ）不能适（shì）应大部分业（yè）务创新（xīn）的需要（yào）。

在面对金融机构业务（wù）在线上（shàng）化的过程中（zhōng）可能会面（miàn）临虚假申请、伪冒交（jiāo）易、内容违规等风险，AI技术在金融行业（yè）风（fēng）控上的运用已远远走在了合（hé）规管理（lǐ）运用的前（qián）列。

如今（jīn），AI风控是金（jīn）融数字化最主要的应用场景，也是最（zuì）有价值的（de）应用场景（jǐng）。

据艾瑞咨询（xún）《2020中国AI+金（jīn）融行（háng）业发展（zhǎn）研究报告》，从2019年中国金融机构（gòu）AI投入规模结构中可以看出（chū），银行业、互金行业和保（bǎo）险行业是AI技术的主（zhǔ）要购买方，其中银行业的业务最为复杂，数据海量，同时风控要求最高，成为了金融领域中AI技术最主要的（de）需求方。

在过去几年（nián）中，银行业对于AI技术的投入持续增加。据上述报告（gào）预测，2022年银行（háng）业在AI方面的总投入规模将超过220亿元，其中在AI风控的投入（rù）将达到115.90亿元。

从技术获取（qǔ）途径看，银行业（yè）主要依靠与AI公司合（hé）作，采购相应的产品（pǐn）和服务（wù），2019年采购规模占投入的（de）85%。

随着银行自建科技子公（gōng）司等增强（qiáng）自（zì）研（yán）能力的（de）举措发展壮大（dà），其采购规模将（jiāng）有所（suǒ）下降，不过（guò）合作与技术采购仍（réng）然会是行业中主要的（de）技术（shù）获取手段。

一位（wèi）曾经供职于外资机（jī）构的风控人员表示，“有（yǒu）了AI风（fēng）控后，很多很费时间的流程就（jiù）省了。”对于银（yín）行来（lái）说，在搭建风（fēng）控（kòng）体系过程中，绝不是单靠一个模型、一个单点就可（kě）以识别的，否则很难真正抵达风险核心、控制全（quán）局风（fēng）险的效果。

目前，在实际应用过程中（zhōng），银行的AI风控（kòng）系统能（néng）够帮助（zhù）银行增加30%左右的“降低成本、增加效（xiào）率”的效能。

上述风（fēng）控人员（yuán）称（chēng），以前银行对于营（yíng）销活动的损失没有具（jù）体概念，很难判别（bié）到底有多少（shǎo）营销费用到了真正的用户手里，有多（duō）少（shǎo）被黑（hēi）产套走（zǒu）了；针（zhēn）对新型诈骗方法，AI风控产品能（néng）帮（bāng）助金融（róng）机构实现风（fēng）控效果、降低（dī）获客成本，以及提升（shēng）运营效率之间的平衡。

不过，因为银行各部门之间存在严重的信息壁垒，且金融领（lǐng）域的数据对用户隐私要（yào）求（qiú）较（jiào）高，AI风控操（cāo）作（zuò）起（qǐ）来（lái）具有挑战性。

张扬（yáng）在接受时代（dài）财经采访时表示，“对于大（dà）额贷款，AI的风控效果还不（bú）足以去替代（dài）线（xiàn）下。”

其进一步（bù）解释称，目前的AI风控更（gèng）多适用于小额贷款，对于几十万甚（shèn）至上百万的（de）大额贷款，还很（hěn）难做到（dào）线上风控（kòng）。“但是AI风控需求将长期存在（zài），未来的（de）增量主（zhǔ）要体现在对公（gōng）业务（wù），最好能在提升（shēng）大额（é）信贷风控的效果方面（miàn）出现（xiàn）突破。”

此（cǐ）外，在多（duō）数场（chǎng）景下AI技术都与个人隐私密不（bú）可分，也（yě）曾因信息滥用、隐私（sī）泄露等（děng）风险而受（shòu）到诟病。“机器在进行训练时，需要获取大量用户行为数据，不过因为有些数据（jù）受到《个（gè）人隐（yǐn）私法（fǎ）》的保护，AI风控目前还面临着（zhe）数据源的挑战。”张扬说。

除银行业外，最（zuì）近几年，有不少金（jīn）融机构选择和第（dì）三方智能风控公司合作（zuò）构建智能（néng）风控体（tǐ）系和平台。

源起基金合伙人（rén）廖浪桥近日向时代（dài）财经表（biǎo）示（shì），“公司目前有（yǒu）一小部分（fèn）涉及到（dào）AI风控系统。”廖浪桥指出（chū），相较于（yú）头部基金（jīn）公司来说，在（zài）AI落地的（de）过程中，一些小（xiǎo）公司承（chéng）担（dān）不了过高的成（chéng）本。“例如现在像大（dà）数据（jù）存（cún）储可能就需要投入上千万，这对一些小公司来说都（dōu）算是（shì）天文（wén）数（shù）字了，所以（yǐ）实施起（qǐ）来比较难。”

AI如何落地（dì）？

时（shí）下新技术层出不穷，金（jīn）融风控领域弥漫着“唯AI论”的气息（xī）。

AI在金融的（de）商业（yè）化、规模化落（luò）地，信贷风（fēng）控是最典型（xíng）也最为（wéi）人熟知的场景之一。以银行为（wéi）例，如今的人（rén）工（gōng）智能，可以根据海量数（shù）据开发（fā）和训（xùn）练信贷风控模型，利用算（suàn）法在贷前评估预测（cè）用（yòng）户（hù）的还款能力和还款意愿，在（zài）贷中实（shí）时监控借款（kuǎn）人，对可能出（chū）现的违约进（jìn）行事前干预（yù）。往常（cháng）需要六个（gè）月时（shí）间走完流（liú）动性（xìng）贷（dài）款（kuǎn），现在可以实现秒批秒贷、智能催（cuī）收等等，大大节约（yuē）了时间。

张（zhāng）扬表示，与人（rén）工相比，AI更“聪明”，经验（yàn）也更（gèng）加丰富。“在设计贷（dài）款风控（kòng）模型时，AI可以（yǐ）通过机器学习，生成（chéng）上万条海量特征，这个肯定（dìng）是人（rén）工（gōng）做不（bú）到的。特（tè）别是对于（yú）小额贷款，很多时候通过专家（jiā）等人工制定的（de）规则其实并（bìng）不（bú）像机器那样直接有效（xiào）。”

此外，在（zài）响应的及时度上，机器也明（míng）显快（kuài）于人工。张扬举例称（chēng），现在一些线上的（de）小额贷款，基本上都能（néng）实现几分钟放款，这主要是由于审核（hé）、风控（kòng）环节的时间被大大（dà）压缩。“利（lì）用人工去判断，至（zhì）少（shǎo）需（xū）要（yào）几分钟甚至几个小时的时间，但是用机器去（qù）判断可能基本上（shàng）都是（shì）秒过。这是传统的风控（kòng）很难做（zuò）到位（wèi）的，只有AI风控（kòng）才能（néng）做到。”

除了及时性，AI还具有强烈的（de）自主性，能在不断的自主学习中“自我成长（zhǎng）”。若前期发放的（de）贷款（kuǎn）出现了逾期、坏账等“机器判断失误”的状况，AI也可以（yǐ）对原模型（xíng）进行追（zhuī）溯调（diào）整（zhěng），并在（zài）这个过程中实现自我成长。

目前，金融机构越来越注重对AI风控的自主研发，此（cǐ）外，也（yě）有（yǒu）不（bú）少外部厂商，为银行、保险公司、证（zhèng）券公（gōng）司等（děng）终端甲（jiǎ）方用户提供AI风控服务，并最终落地于（yú）黑名单、数据（jù）管理、反欺（qī）诈、授信、评分（fèn）、额度等多项（xiàng）业务。

作为数据使用方，金（jīn）融机构可以通（tōng）过（guò）隐私计算技术，来（lái）安全、合（hé）规（guī）地融合行业数据和外部数据，为具（jù）体的业务（wù）场景提质增（zēng）效。

隐私计（jì）算技术服务商洞见科技的合伙人、副总裁李（lǐ）博近日在接受时代（dài）财（cái）经采（cǎi）访时表示，隐（yǐn）私计算正处于大规模商业（yè）化落地早期，金融领域头部客户不断（duàn）落地（dì）商（shāng）业化市场需求。洞见（jiàn）科技自主研发（fā）的金融级隐私计算平台InsightOne在金融领域的应用（yòng）场景很多，主要包括基于隐私计算的联（lián）合风控、联合营销（xiāo）、反电诈、反洗钱、精准投放、资产扫描（miáo）、精算（suàn）定价（jià）等。

李博告诉（sù）时代财（cái）经，在风控场景（jǐng）中，可以基（jī）于洞（dòng）见（jiàn）科技（jì）InsightOne隐（yǐn）私计（jì）算平（píng）台，构建金（jīn）融机构与外部机构（gòu）之间安全可控的数据协（xié）作通道。

他指（zhǐ）出（chū），在（zài）原始数据不出库（kù）的前提下，通过（guò）使用金融机构（gòu）内部客户（hù）数据和外部合作数据（jù）联合构（gòu）建（jiàn）风控模（mó）型，并基于模（mó）型（xíng）进行实时预测。

在（zài）银行信用卡（kǎ）账单分（fèn）期（qī）业（yè）务中（zhōng），通常存（cún）在行方内部数据维度（dù）有限的问题，此外，通过API查询补（bǔ）充（chōng）客户标签的（de）方式不（bú）仅存（cún）在泄露行方大量存量客（kè）户信息的风险，也会造成极（jí）大的（de）成（chéng）本浪费。李博（bó）对此称，“以洞（dòng）见科技与某股份制银行（háng）合（hé）作项目（mù）为例，在（zài）该行信用卡账单分（fèn）期有（yǒu）效模型案例（lì）中，洞见科技为该行建立了账（zhàng）单分期营销模型（xíng），实现最终模型（xíng）KS值达到（dào）40%以上，在保障（zhàng）客（kè）户信息安全的前提下，有效改善了业务效果。”