經(jīng)濟(jì)形勢(shì)回暖，客群越來(lái)越下沉，黑灰產(chǎn)欺詐更加狡猾，AI大模型發(fā)展突飛猛進(jìn)……這些形勢(shì)會(huì)帶給銀行的命門——“風(fēng)控”什么新變化？

在近日舉辦的“第十八屆金融年會(huì)·21世紀(jì)金融發(fā)展（麗澤）年會(huì)”上，21世紀(jì)經(jīng)濟(jì)報(bào)道聯(lián)合騰訊安全、騰訊云發(fā)布《邁入模型對(duì)抗時(shí)代——2023年商業(yè)銀行風(fēng)控趨勢(shì)調(diào)研報(bào)告》（下稱《報(bào)告》），通過(guò)調(diào)研百余家銀行機(jī)構(gòu)以及十余位銀行CRO(首席風(fēng)險(xiǎn)官)閉門研討，全景呈現(xiàn)當(dāng)前銀行機(jī)構(gòu)風(fēng)控趨勢(shì)的最新進(jìn)展與主要挑戰(zhàn)。

《報(bào)告》發(fā)現(xiàn)，受內(nèi)外部多重因素影響，銀行風(fēng)控策略正在從高度依賴專家經(jīng)驗(yàn)與歷史數(shù)據(jù)的“策略對(duì)抗”，轉(zhuǎn)向基于機(jī)器學(xué)習(xí)、人工智能開(kāi)展動(dòng)態(tài)風(fēng)控管理的“模型對(duì)抗”。同時(shí)，80%以上的受訪銀行看好大模型落地風(fēng)控場(chǎng)景，并認(rèn)為大模型是風(fēng)控體系轉(zhuǎn)型升級(jí)的有效技術(shù)和工具。

銀行風(fēng)控邁入“模型對(duì)抗”時(shí)代

《報(bào)告》顯示，逾55%的受訪銀行機(jī)構(gòu)認(rèn)為，鑒于中國(guó)經(jīng)濟(jì)基本面持續(xù)復(fù)蘇增長(zhǎng)激發(fā)民眾消費(fèi)需求，加之國(guó)家相關(guān)部門要求銀行機(jī)構(gòu)做好普惠金融這篇“大文章”，當(dāng)前他們一大經(jīng)營(yíng)策略仍聚焦獲取新客戶并助推自身零售金融業(yè)務(wù)持續(xù)增長(zhǎng)。

但與此同時(shí)，逾53%受訪銀行機(jī)構(gòu)人員認(rèn)為未來(lái)零售信貸業(yè)務(wù)不良率將逐漸上升，因而采取相對(duì)審慎的態(tài)度。究其原因，是他們認(rèn)為經(jīng)濟(jì)基本面波動(dòng)、客群下沉、黑產(chǎn)加速利用AI開(kāi)展欺詐攻擊，是導(dǎo)致零售貸款不良率上升的三大因素。

針對(duì)這種狀況，多數(shù)受訪銀行機(jī)構(gòu)的風(fēng)控策略變革升級(jí)正“迫在眉睫”，但以往的傳統(tǒng)風(fēng)控策略普遍存在用“過(guò)去”預(yù)測(cè)“未來(lái)”參考價(jià)值大幅降低、單點(diǎn)防御失效、通用型風(fēng)控策略失效等痛點(diǎn)。

因此，受訪銀行普遍在風(fēng)控策略變革方面正形成“新共識(shí)”——即風(fēng)控策略正從傳統(tǒng)的“策略對(duì)抗”，進(jìn)入以“模型對(duì)抗”為主的時(shí)代。原因是以往銀行機(jī)構(gòu)的風(fēng)控策略主要基于靜態(tài)模型+動(dòng)態(tài)策略，并通過(guò)不斷增補(bǔ)完善風(fēng)控規(guī)則應(yīng)對(duì)外部變化。但現(xiàn)在，客群變化加快、黑產(chǎn)加速利用Al等新形勢(shì)下，在調(diào)整風(fēng)控策略的基礎(chǔ)上，還要強(qiáng)化風(fēng)控模型的迭代優(yōu)化。

推進(jìn)“模型對(duì)抗”的兩大痛點(diǎn)與三大路徑

在構(gòu)建“模型對(duì)抗”風(fēng)控體系過(guò)程，多數(shù)銀行也發(fā)現(xiàn)建模慢、樣本少正成為制約他們加快推進(jìn)風(fēng)控策略變革升級(jí)的兩大掣肘。對(duì)此多數(shù)受訪銀行機(jī)構(gòu)普遍采取三大措施推進(jìn)“模型對(duì)抗”風(fēng)控體系搭建，分別是加強(qiáng)基于行內(nèi)數(shù)據(jù)的定制化風(fēng)控模型研發(fā)，加快風(fēng)控模型迭代步伐，縮小風(fēng)控模型迭代周期，加強(qiáng)各類數(shù)據(jù)采集處理能力，進(jìn)一步完善風(fēng)控模型“定制化”與“模型對(duì)抗”能力。

《報(bào)告》通過(guò)廣泛采訪發(fā)現(xiàn)，風(fēng)控迭代速度慢、海量數(shù)據(jù)采集處理煩、定制化風(fēng)控建模難依然制約銀行機(jī)構(gòu)向“模型對(duì)抗”風(fēng)控體系邁進(jìn)。

針對(duì)這些挑戰(zhàn)，逾半數(shù)受訪銀行傾向引入“第三方技術(shù)”與“合作開(kāi)發(fā)”破局，構(gòu)建“模型對(duì)抗”風(fēng)控策略。他們特別看中第三方風(fēng)控科技平臺(tái)的輔助決策支持(分析加工數(shù)據(jù)形成產(chǎn)品的產(chǎn)品，按次查詢收費(fèi))、決策工具支持(提供處理風(fēng)控流程的軟件工具產(chǎn)品)以及專家服務(wù)等三大能力。

AI大模型為風(fēng)控提供全新動(dòng)力

值得注意的是，隨著AI大模型技術(shù)的興起，逾80%受訪銀行高度看好Al大模型與風(fēng)控場(chǎng)景的“結(jié)合”。其中，44.7%受訪銀行機(jī)構(gòu)認(rèn)為“大模型技術(shù)是Al技術(shù)高度成熟的表現(xiàn)，能顯著改變銀行風(fēng)控模式和效率”，43.3%受訪銀行認(rèn)為“大模型技術(shù)與目前已應(yīng)用在風(fēng)控場(chǎng)景的Al技術(shù)有一定提升，可以提升風(fēng)控效率”。

與此對(duì)應(yīng)的是，55.39%受訪銀行機(jī)構(gòu)已經(jīng)“積極擁抱大模型，并有探索嘗試”、30.22%受訪銀行機(jī)構(gòu)選擇“保持觀望、但時(shí)刻關(guān)注等待最佳實(shí)踐案例出現(xiàn)”。

騰訊安全副總裁周斌在會(huì)上表示，AI大模型的智能涌現(xiàn)，讓風(fēng)控“動(dòng)”起來(lái)變得更便捷。大模型在金融風(fēng)控場(chǎng)景的落地將受發(fā)展驅(qū)動(dòng)、攻防驅(qū)動(dòng)、科技驅(qū)動(dòng)三大因素的影響，“以科技驅(qū)動(dòng)為例，大模型具備的海量風(fēng)控知識(shí)和高度模塊化的AI能力，能讓中小銀行或者金融機(jī)構(gòu)，擁有和頭部大行一個(gè)水平梯度的風(fēng)控科技能力，甚至是抹平大行和中小行的科技差距”。

目前，領(lǐng)先的金融機(jī)構(gòu)正在積極擁抱風(fēng)控大模型升級(jí)風(fēng)控能力。某東部民營(yíng)銀行在接入騰訊云金融風(fēng)控大模型后，風(fēng)控效果得到顯著提升、風(fēng)控建模時(shí)間周期也大幅縮短、風(fēng)控模型迭代速度驟然加快，雙方一起聯(lián)合共建超7個(gè)定制化模型，覆蓋所有的進(jìn)件渠道，有效地幫助銀行實(shí)現(xiàn)風(fēng)險(xiǎn)的動(dòng)態(tài)治理。

與此同時(shí)，某農(nóng)商行在接入騰訊云金融風(fēng)控大模型后，有效彌補(bǔ)自身樣本不足的“劣勢(shì)”，快速完成風(fēng)控建模，其反欺詐效果相對(duì)傳統(tǒng)方案提升約20%，成功支持其線上金融業(yè)務(wù)的正常開(kāi)展。

金融行業(yè)作為天然的數(shù)據(jù)密集型行業(yè)，又是人工智能應(yīng)用最早和最普遍的行業(yè)，是觀察大模型落地的重要場(chǎng)景。騰訊安全副總裁周斌表示，在風(fēng)控場(chǎng)景之外，大模型在數(shù)據(jù)治理、獲客推廣、網(wǎng)絡(luò)安全等領(lǐng)域都有著巨大潛力，金融機(jī)構(gòu)內(nèi)部亟待在內(nèi)部形成大模型的良性生態(tài)，構(gòu)筑企業(yè)數(shù)字資產(chǎn)強(qiáng)韌的安全免疫力。