图（tú）片来源：图虫创（chuàng）意

2022年，是“金融科技发展（zhǎn）规划”第二个（gè）三（sān）年的开端。而近年来，AI风（fēng）控技术与（yǔ）金融行业的结（jié）合愈发紧密。

此前，根据艾瑞咨（zī）询《2020年中国AI＋金融行业发展研究报告（gào）》，AI风控约占到（dào）了（le）2019年AI金融市场规模的45%。AI技术与风控的（de）结合（hé）也（yě）被银行（háng）等金融机构视为最有价值的技术落地场景。

其中，银行是AI风（fēng）控的主要投资者（zhě）。2019年（nián），银（yín）行业（yè）在（zài）AI风（fēng）控中的投入为67.51亿元，占银行业在AI技术总投（tóu）入的（de）60.44%。据据艾瑞（ruì）咨询（xún）研究（jiū）院（yuàn）预计，2022年银行在AI风控的投入将达（dá）到115.90亿（yì）元；中期来（lái）看（kàn），未来银行（háng）对于AI风控（kòng）的投入占AI总（zǒng）投入的比例将保持在50%以上。

近日，爱分析首（shǒu）席分析师张扬在接受时代财（cái）经采（cǎi）访（fǎng）时表示：“以银行信贷业务为例，机器自动审核已经替代了人工审（shěn）核，这种机器审（shěn）核所依赖的算法（fǎ）模型基于对AI技术的运用（yòng）。目前，AI模（mó）型已经（jīng）附入银行线上（shàng）业务的（de）生产（chǎn）系统之中，并且正在产生实际效（xiào）果。”

多方（fāng）入局

无（wú）论传统金融还是互联网金融（róng），风控都（dōu）是一个绕（rào）不（bú）开的关键话题。

随着业务（wù）的数（shù）字化（huà）、线上化进（jìn）程不断加快（kuài），基于（yú）传统的业务拓（tuò）展（zhǎn）模（mó）式（shì）所发展起来的传统风控方式和（hé）管控手段已（yǐ）不能适应大部分业务创新（xīn）的需要。

在面对（duì）金融机构（gòu）业务在线上化的过程中（zhōng）可能（néng）会面临虚假（jiǎ）申（shēn）请（qǐng）、伪冒交易、内容违规等风（fēng）险，AI技术在（zài）金融行业风控上的运用（yòng）已远（yuǎn）远走在了合规管（guǎn）理运用的前列。

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

据艾瑞（ruì）咨询《2020中国AI+金融行业（yè）发展研究报告》，从2019年中国（guó）金（jīn）融（róng）机构AI投入（rù）规模结构中（zhōng）可（kě）以看出，银行业、互金行业和保险行业是AI技术的主要购买方，其中银行业的业务最为复（fù）杂，数据海量（liàng），同时风控要求最高（gāo），成为了金融领域（yù）中AI技（jì）术最（zuì）主要的需求方。

在（zài）过（guò）去几年中（zhōng），银行业对于AI技（jì）术的投入持续增加。据上述（shù）报告预测，2022年银行业在AI方面的总（zǒng）投入规模将超（chāo）过220亿（yì）元，其中（zhōng）在AI风控的投（tóu）入（rù）将（jiāng）达到115.90亿元。

从技术（shù）获（huò）取途（tú）径看，银（yín）行（háng）业主（zhǔ）要（yào）依靠与AI公司合作，采购相应的产品和服务，2019年采购规模占投（tóu）入的85%。

随（suí）着（zhe）银行自建科技子公司等增（zēng）强自研能力的（de）举措（cuò）发展壮大，其采购规（guī）模将有所下降，不过合作（zuò）与（yǔ）技术采购仍（réng）然会是行业（yè）中主要的技术获取手段（duàn）。

一位曾经供职于外资机构的风控人员（yuán）表示，“有了AI风控后，很多（duō）很费（fèi）时间的流（liú）程就省了。”对于银（yín）行（háng）来说（shuō），在搭（dā）建风控体系过（guò）程中，绝（jué）不是单靠一个模型、一个单（dān）点（diǎn）就可以识别的，否则很难（nán）真正（zhèng）抵达风险核（hé）心（xīn）、控制全（quán）局风（fēng）险的效果。

目前，在实际应用（yòng）过程中，银行（háng）的AI风控系统能够帮助银行增加30%左右的“降（jiàng）低成（chéng）本、增加（jiā）效率（lǜ）”的效能。

上述风控（kòng）人员称（chēng），以前银行对于营销活动（dòng）的损失没有具体概（gài）念，很难判别到（dào）底（dǐ）有多少营销费用到了（le）真正的用户手里，有多少被黑产套走了（le）；针对新型诈骗方法，AI风控产（chǎn）品能帮助（zhù）金融机（jī）构（gòu）实现风（fēng）控效（xiào）果、降低获客成本，以及提升运营效率之间（jiān）的平衡。

不过，因为银（yín）行各部门（mén）之间存在严重的（de）信息壁垒，且金融领域的（de）数据对用户隐（yǐn）私要求较高，AI风控操作起（qǐ）来具有（yǒu）挑战（zhàn）性。

张扬在接（jiē）受时（shí）代财经采访时表示，“对于（yú）大额贷款，AI的风控效（xiào）果（guǒ）还不足以去替代线下。”

其进一步解释称，目前的AI风控更多适用于小（xiǎo）额贷（dài）款，对于几十万甚至上百万的大额贷款，还很难做（zuò）到线上（shàng）风控。“但是AI风（fēng）控需求将长期存在，未来的（de）增量主要体现在对（duì）公业务（wù），最（zuì）好能在提升大额信贷风控的效果方面出现突（tū）破。”

此外，在多数场景下AI技术都与个人隐私密不可分，也（yě）曾（céng）因信息滥用、隐私泄露等（děng）风险而（ér）受到诟病。“机（jī）器在进行训练时，需要获取（qǔ）大量用（yòng）户行为数据，不过因（yīn）为有些数据受（shòu）到《个人隐私法》的保（bǎo）护，AI风（fēng）控目前还（hái）面临着数据源的挑战。”张扬说。

除银行（háng）业（yè）外，最近几（jǐ）年，有不（bú）少金（jīn）融（róng）机构选择和第三（sān）方智（zhì）能风控公司合（hé）作构建智（zhì）能（néng）风控体系和平台。

源起基金合伙人廖浪桥近日（rì）向时代财经表示（shì），“公司目前有一小部分涉及到AI风控系（xì）统。”廖浪桥指出（chū），相（xiàng）较于（yú）头部基（jī）金公司来说，在AI落地的过程中，一些小公司承担不（bú）了过（guò）高的成本。“例如现在像大（dà）数据存储可能就需要投入上千（qiān）万，这（zhè）对一些小公司来（lái）说都算是天文（wén）数字（zì）了，所以实（shí）施（shī）起来比较（jiào）难。”

AI如何落地？

时下新技术层出（chū）不穷，金融风控（kòng）领域弥漫着“唯AI论”的气息。

AI在金融（róng）的商业化、规模化落地，信贷（dài）风控是最（zuì）典型也最为人熟知的场景之一。以银（yín）行为例（lì），如今的人（rén）工智能，可以根据海量数据（jù）开发和训练信（xìn）贷风控模型，利（lì）用算法在贷前评估预测用户的还款能力和还款意愿（yuàn），在贷中实时（shí）监控借（jiè）款人，对可能出现的违约（yuē）进行事前干预。往常需要六个月时间走完流动（dòng）性贷款，现（xiàn）在可以实（shí）现秒批秒贷、智能催收等等，大大节约了时间。

张扬表示，与人（rén）工相（xiàng）比，AI更（gèng）“聪明”，经验也更加丰（fēng）富（fù）。“在设计（jì）贷款（kuǎn）风控模型时（shí），AI可以通过机器学习（xí），生成（chéng）上万条（tiáo）海量特征（zhēng），这（zhè）个肯（kěn）定是人工做不到的。特别是对于小（xiǎo）额贷款，很多时（shí）候通过专（zhuān）家等人工制定的规则（zé）其实并不像机器那样直接有效。”

此外（wài），在响应的及时度（dù）上，机器也（yě）明显快（kuài）于（yú）人工。张扬举例（lì）称，现在一（yī）些线上的小额贷（dài）款（kuǎn），基本上都能实（shí）现（xiàn）几分（fèn）钟放款，这主要是由于（yú）审核（hé）、风（fēng）控环节的时（shí）间被（bèi）大大（dà）压缩。“利（lì）用（yòng）人工（gōng）去判断（duàn），至少需要几分钟（zhōng）甚至几个小时的时间，但是用机器去判断可能基本上都（dōu）是秒过。这是传统的（de）风控很难做到位的，只有AI风控才能做到（dào）。”

除了及时性，AI还具有（yǒu）强烈的（de）自主性，能（néng）在（zài）不（bú）断的自主学习中“自我成长”。若前期发放的贷款（kuǎn）出现了逾期、坏（huài）账等“机器判断失误”的状况，AI也可以对原模型进（jìn）行追溯（sù）调整，并在这个过程中（zhōng）实现自（zì）我成长。

目（mù）前（qián），金融机（jī）构（gòu）越（yuè）来越注重（chóng）对AI风控的自主研发，此外，也有不少（shǎo）外部（bù）厂（chǎng）商（shāng），为银行、保险公（gōng）司（sī）、证券公司等（děng）终端甲方用户提供AI风控服务，并最（zuì）终落地（dì）于（yú）黑（hēi）名单、数据管理、反欺诈、授信、评分、额度等（děng）多（duō）项（xiàng）业（yè）务。

作为数据（jù）使用方，金融机构可以通过隐私计算技术，来安全、合规地融合行业数（shù）据和外（wài）部数据，为具体的业务场景提质增（zēng）效（xiào）。

隐私计算技术服务商洞见科技的合伙人（rén）、副总裁李博（bó）近日在接（jiē）受时代财经采访时表示（shì），隐私（sī）计算（suàn）正处于大规模商业化落地早期（qī），金融领（lǐng）域头部客户不断落地商业化市场（chǎng）需求。洞见科技自主（zhǔ）研（yán）发的（de）金融级隐私计算平台InsightOne在金融领域的（de）应用场景（jǐng）很（hěn）多，主要包（bāo）括基于隐私计算的（de）联合（hé）风控、联合营销、反（fǎn）电诈（zhà）、反洗钱、精准投放、资产扫描、精算定价等（děng）。

李博告诉时代（dài）财经，在风控（kòng）场景中，可以基于洞见科技InsightOne隐（yǐn）私计（jì）算平台，构建金（jīn）融机构与外部（bù）机构之间安全（quán）可（kě）控的（de）数据协（xié）作通（tōng）道。

他（tā）指出，在（zài）原始数（shù）据不出（chū）库的前提下，通过使用金融机（jī）构内（nèi）部（bù）客户（hù）数据（jù）和外（wài）部合作（zuò）数据联合构（gòu）建风控模型，并基于模型进行实（shí）时预测。

在银（yín）行信用卡账单分（fèn）期业务中，通常存（cún）在行方内（nèi）部数据维（wéi）度有（yǒu）限的（de）问题，此外，通过API查询补（bǔ）充（chōng）客户（hù）标签的方式不仅存在（zài）泄露行（háng）方大量存量客户（hù）信（xìn）息的风（fēng）险，也会造（zào）成极大的成本浪费。李博对此称，“以洞见科（kē）技与（yǔ）某股（gǔ）份制银行合（hé）作项目为例，在该行信用卡账单分期有效模型（xíng）案例中，洞见科技为该（gāi）行建立了账单分期（qī）营销模型，实现（xiàn）最终模（mó）型KS值达到40%以上（shàng），在保障客户信息安（ān）全（quán）的前提下，有效改善了业务效果。”