界面新闻记者|刘晨光
界面新闻编辑器|
风控领域一直是金融行业的“命门”，也是人工智能等前沿技术高度应用的领域。近年来，在黑灰产严重对抗的背景下，金融机构的风控建模从“逐年”迭代发展到“逐月”迭代。
“在人口红利封顶和高质量发展的牵引下，金融机构逐步进入存量精细化运营时代。金融机构的获客方式和风控策略也逐渐分化。金融机构对反欺诈的需求也从通用服务转变为针对自身场景优化的定制服务。"近日，腾讯云天宇首席科学家李超在接受界面新闻记者采访时表示。
事实上，金融作为天然的数据密集型行业，是人工智能应用最早、最普遍的行业，无疑是大模型落地的最佳场景。但金融行业对信息的高精度要求和严格的数据合规要求，使得行业模式需要契合自身发展现状，落地金融场景。
今年7月6日的世界人工智能大会上，腾讯云MaaS升级，首次发布金融风控模型。
李超表示，风控作为金融行业的“命门”，已经基本完成了从人工审核到智能风控的转变。168报告数据显示，2019年全球智能风控系统市场规模已达数十亿元，预计到2025年将达到数百亿元。
李超告诉界面新闻记者，网贷和数字贷业务之后，人工审批的效率已经远远不能满足业务发展，所以以机器学习模型为代表的人工智能审核已经成为金融风险控制的重要手段和组成部分。
“风控模型是将专家经验抽象成一系列风控策略集合，提高判断风险的效率。比如欺诈检测模型、准入模型、风险定价模型、额度管理等贯穿金融信贷业务全生命周期。可以说，风险控制模型是金融风险控制体系的技术核心。”他说。
此外，由于传统风控模型主要依赖于金融机构的历史财务数据和专家经验，呈现出“静态模型+动态策略规则”的特点，即整体风控模型的框架不变，具体策略的门槛有所调整。“比如以前有三次逾期记录的用户申请不通过，现在可能因为诈骗情况的变化调整为有一次逾期记录。”李超表示，面对内外部趋势的变化，金融机构不仅要在迭代策略上敏捷，还要对模型本身进行迭代，构建以“动态模型+动态策略规则”为代表的“模型对抗”能力。
此外，当前黑灰生产的“现实”行为正在冲击现有的风险控制体系。怎么处理？李超分析，在目前的风控场景中，经常会遇到以假乱真、以假乱真的造假行为。目前，AIGC大火掀起了新一轮AI应用浪潮，不排除深度利用AI模拟真人行为，发动金融诈骗。
“而这给金融风险控制带来了巨大的冲击。财务风险控制系统大部分来自历史财务数据，用过去的行为来预测未来的行为。但是，当大量‘现实’行为出现时，传统的风险控制策略就会逐渐失效。”他说。
在李超看来，在模型对抗的时代，敏捷迭代的风控模型将成为大势所趋，但目前大量金融机构在定制化建模场景中面临四大痛点。主要表现为:缺乏专业的建模人才，传统建模流程耗时耗力，业务场景面临样本少或为零的问题，缺乏对模型的多维度泛化评价。
李超认为，借助财务风控的大模型，企业可以随时快速完成模型迭代，无需代码操作。“比如全流程自动化，在建模阶段利用少量提示样本，自动构建适应机构自身业务独有特点的风控模型，全流程自动化在线部署，支持机构持续发布并快速融入自身风控体系，将帮助其风控策略部署效率提升10倍。”
此外，他表示，财务风控模型在一定程度上可以帮助样本积累有限、新业务“零样本”的企业有效解决“小样本”的训练问题，模型区分度比传统模型高出20%。
在采用相关技术的机构类型方面，李超表示，整个金融行业大致可以分为几类，比如银行、消费者基金和共同基金。美团和JD.COM等共同基金公司将拥有更强的科技能力，这些公司将比消费基金和银行更早应用新技术。相对而言，银行进入新技术应用期会晚一些。
然而，据李超介绍，整个银行业已经开始应用机器学习，而不是像过去那样使用传统的线下或评估方法。在机器学习模型的评分机制中得到了广泛的应用，但尚未建立真正敏捷迭代的动态风险管理迭代机制，即当一个风控模型上线后，不会轻易更新。
“互金公司相对更激进，或者更愿意尝试新的模式。很多互金和消金机构的模型迭代非常快，有的会3个月或者1个月迭代一次。”
李超指出，一般来说，一个大的模型主要包括几个特征，包括准确性、稳定性和可操作性。此外，大模型还将应用于智能投顾、智能风控、智能客服、智能保险理赔等方面，以及证券行业最高频的操作——生成研究报告等相关领域。
温馨提示：注：内容来源均采集于互联网，不要轻信任何，后果自负，本站不承担任何责任。若本站收录的信息无意侵犯了贵司版权，请给我们来信(j7hr0a@163.com)，我们会及时处理和回复。
原文地址"腾讯云李超：金融风控建模面临四大痛点，如何应对黑灰产“拟真人”行为冲击？"：http://www.guoyinggangguan.com/xedk/150138.html。
微信扫描二维码关注官方微信
▲长按图片识别二维码
