0
經濟形式回暖，客群越來越下沉，黑灰產欺詐更加狡猾，AI大模型發展突飛猛進……這些形勢會帶給銀行的命門——“風控”什么新變化？
在近日舉辦的“第十八屆金融年會·21世紀金融發展（麗澤）年會”上，21世紀經濟報道聯合騰訊安全、騰訊云發布《邁入模型對抗時代——2023年商業銀行風控趨勢調研報告》（下稱《報告》）,通過調研百余家銀行機構以及十余位銀行CRO(首席風險官)閉門研討，全景呈現當前銀行機構風控趨勢的最新進展與主要挑戰。
《報告》發現，受內外部多重因素影響，銀行風控策略正在從高度依賴專家經驗與歷史數據的“策略對抗”，轉向基于機器學習、人工智能開展動態風控管理的“模型對抗”。同時，80%以上的受訪銀行看好大模型落地風控場景，并認為大模型是風控體系轉型升級的有效技術和工具。
銀行風控邁入“模型對抗”時代
《報告》顯示，逾55%的受訪銀行機構認為，鑒于中國經濟基本面持續復蘇增長激發民眾消費需求，加之國家相關部門要求銀行機構做好普惠金融這篇“大文章”, 當前他們一大經營策略仍聚焦獲取新客戶并助推自身零售金融業務持續增長。
但與此同時，逾53%受訪銀行機構人員認為未來零售信貸業務不良率將逐漸上升，因而采取相對審慎的態度。究其原因，是他們認為經濟基本面波動、客群下沉、黑產加速利用AI開展欺詐攻擊，是導致零售貸款不良率上升的三大因素。
針對這種狀況，多數受訪銀行機構的風控策略變革升級正“迫在眉睫”，但以往的傳統風控策略普遍存在用“過去”預測“未來”參考價值大幅降低、單點防御失效、通用型風控策略失效等痛點。
因此，受訪銀行普遍在風控策略變革方面正形成“新共識”——即風控策略正從傳統的“策略對抗”,進入以“模型對抗”為主的新時代。原因是以往，銀行機構的風控策略主要基于靜態模型+動態策略，并通過不斷增補完善風控規則應對外部變化。但現在，客群變化加快、黑產加速利用Al等新形勢下，在調整風控策略的基礎上，還要強化風控模型的迭代優化。
推進“模型對抗”的兩大痛點與三大路徑
在構建“模型對抗”風控體系過程，多數銀行也發現建模慢、樣本少正成為制約他們加快推進風控策略變革升級的兩大掣肘。對此多數受訪銀行機構普遍采取三大措施推進“模型對抗”風控體系搭建，分別是加強基于行內數據的定制化風控模型研發，加快風控模型迭代步伐，縮小風控模型迭代周期，加強各類數據采集處理能力，進一步完善風控模型“定制化”與“模型對抗”能力。
《報告》通過廣泛采訪發現，風控迭代速度慢、海量數據采集處理煩、定制化風控建模難依然制約銀行機構向“模型對抗”風控體系邁進。
針對這些挑戰，逾半數受訪銀行傾向引入“第三方技術”與“合作開發”破局，構建“模型對抗” 風控策略。他們特別看中第三方風控科技平臺的輔助決策支持(分析加工數據形成產品的產品，按次查詢收費)、決策工具支持(提供處理風控流程 的軟件工具產品)以及專家服務等三大能力。
AI大模型為風控提供全新動力
值得注意的是，隨著AI大模型技術的興起，逾80%受訪銀行高度看好Al大模型與風控場景的“結合”。其中，44.7%受訪銀行機構認為“大模型技術是Al技術高度成熟的表現，能顯著改變銀行風控模式和效率”,43.3%受訪銀行認為“大模型技術與目前已應用在風控場景的Al技術有一定提升，可以提升風控效率”。
與此對應的是，55.39%受訪銀行機構已經“積極擁抱大模型，并有探索嘗試”、30.22%受訪銀行機構選擇“保持觀望、但時刻關注等待最佳實踐案例出現”。
騰訊安全副總裁周斌在會上表示，AI大模型的智能涌現，讓風控“動”起來變得更便捷。大模型在金融風控場景的落地將受發展驅動、攻防驅動、科技驅動三大因素的影響，“以科技驅動為例，大模型具備的海量風控知識和高度模塊化的AI能力，能讓中小銀行或者金融機構，擁有和頭部大行一個水平梯度的風控科技能力，甚至是抹平大行和中小行的科技差距”。
目前，領先的金融機構正在積極擁抱風控大模型升級風控能力。某東部民營銀行在接入騰訊云金融風控大模型后，風控效果得到顯著提升、風控建模時間周期也大幅縮短、風控模型迭代速度驟然加快，雙方一起聯合共建超7個定制化模型，覆蓋所有的進件渠道，有效地幫助銀行實現風險的動態治理。
與此同時，某農商行在接入騰訊云金融風控大模型后，有效彌補自身樣本不足的“劣勢”,快速完成風控建模，其反欺詐效果相對傳統方案提升約20%，成功支持其線上金融業務的正常開展。
金融行業作為天然的數據密集型行業，又是人工智能應用最早和最普遍的行業，是觀察大模型落地的重要場景。騰訊安全副總裁周斌表示，在風控場景之外，大模型在數據治理、獲客推廣、網絡安全等領域都有著巨大潛力，金融機構內部亟待在內部形成大模型的良性生態，構筑企業數字資產強韌的安全免疫力。（雷峰網(公眾號：雷峰網)）
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
