智能风控 荆棘中有玫瑰
AIGC成为人工智能的新基座，也让通用大模型概念席卷至各行各业。凭借强大的语义理解、语言生成及智能整合能力，金融机构将大模型技术应用于风控体系建设、协助分析客户和市场中的各种非结构化数据、提高风险管理的准确性和业务决策的时效性拥有巨大想象空间。但受限于算力需求大、模型定制难度高等问题，构建基于大模型底座的智能风控体系未来还有很长一段路要走。
不再陌生
在过去数年间的数字化、数智化浪潮下，银行等金融机构对于智能风控、模型算法早已不再陌生。
以商业银行为例，此前，银行数字化转型的本质是用数据+算法的手段，对业务流程、运营方式等进行改造和重塑。例如，迅速、高效地处理海量数据，并在此基础上打造风控数据信息库及智慧型风控平台。
历经了多年的数字化转型，金融机构对传统模型的应用早已成熟，但相较于传统人工智能算法一事一议的建模方式，大模型具备更强的通用能力、更高的应用效率。江苏苏宁银行大模型专家郑清正举例称，例如利用大模型的自然语言处理（NLP）能力，可以自动化分析内部政策、法规要求与实际操作之间的偏差，及时发现潜在的合规风险。大模型可用于建立动态风险评估模型，实时监控关键指标，确保风险控制措施的及时调整。
大模型就好比一个拥有海量信息储备的“小帮手”，通过分析海量数据，识别潜在风险和市场机会。元保保险经纪（北京）有限公司目前尝试使用本地私有化大模型去分析用户的脱敏数据，分析总结用户的主要问题和风险点，并针对风险点进行预警和提醒，帮助公司及时发现并解决风险问题。该公司相关负责人指出，大模型能够用以分析索赔报告、客户的脱敏数据等，识别异常模式和可疑行为，识别是否有欺诈风险。
消费金融、基金公司也做出了尝试。马上消费通过高质量且合规的数据，有组织地投入到大模型，目前已累加100PB数据和20多万张数据库表，依托10多万个变量和特征，搭建起2000多个风控模型，形成行业领先的数据生态，实现全息用户级、全景环境级的数据资产。工银瑞信深化大模型垂直领域应用，探索在营销、风控、运营、投研、量化交易、低代码研发等众多场景的规模化应用。
较为“保守”
大模型时刻的到来，正在将金融机构数字化、数智化转型引入新阶段，但由于金融领域数据的敏感性，大模型在金融领域的建设并非一蹴而就，数据与算力的基础建设、数据安全与隐私保护等内容都是不可忽视的问题。
在调研过程中，也有金融机构对以大模型为基座的智能风控体系布局较为“保守”。有股份制银行科技创新部门人士坦言，“训练和运行大模型需要巨大的算力和资源投入，特别是金融领域数据量庞大，要满足大模型的需求，需要相应的高性能计算设施和存储能力，这将增加金融机构的成本负担，还需要好好考量”。
很重要的一点还有，金融领域涉及大量敏感客户数据和交易信息，保护数据隐私和确保安全是至关重要的。使用大模型处理这些数据可能带来潜在的数据泄露和安全漏洞，需持续开展大模型前沿技术动态跟踪和相关技术研究，解决幻觉、伦理安全等问题。
过去，很多人将人工智能称为“人工”智能，大模型出现后，行业寄希望于大模型能改善很多人工智能垂直领域的问题。不过，从实践经验来看，每一次变革浪潮都不是容易的，大模型的预训练数据通常来源于互联网上的海量数据，可能存在偏见或反映现实世界的不完全性。
对金融机构来说，风控的核心是数据能力，一位银行人士告诉北京商报记者，金融领域对决策的可解释性要求非常高。大模型虽在复杂任务上表现出色，但其黑盒性质可能导致难以解释模型的决策过程，这在一些金融决策场景中可能不被接受。此外，金融领域的数据通常存在不平衡问题，这可能导致大模型在处理不平衡数据时性能下降，需采集高质量的数据对大模型进行优化处理。
在盘古智库高级研究员江瀚看来，强化金融机构风险管理和内控体系建设，确保交易场景可控和稳健经营是大模型应用的重要前提。金融机构需要加强对数据的管理和监控，建立完善的数据安全和隐私保护机制，确保数据的准确性和安全性。同时，金融机构还需要加强内部控制，建立科学的风险管理和内控体系，防范风险和欺诈行为的发生。
无限可能
虽然布局态度不一，但当“模型应用”成为共识，大模型在帮助金融机构提升风控“免疫力”方面还有许多期待。
“虽然当前大模型在风控领域的应用尚未成熟，但前景非常广阔。”正如郑清正所言，未来的场景包括利用大模型的智能体技术量化公司的风险偏好，通过分析给出具体的风险限额提示，定期自动化生成一系列风险指标和分析报告等。为管理层装上高度智能化的实时辅助分析工具，提升对业务经营状况的敏锐度，从而提升业务决策的准确度和时效性。
中银金融科技有限公司总裁唐啸表示，从一般的智能风控系统架构（数据源、数据平台、执行层、计算层、应用层）来看，结合大模型在银行业的价值和风险，数据层和应用层更适合作为大模型在风控领域的先行场景。
上述股份制银行科技创新部门人士坦言，“在市场风险评估中，金融大语言模型还可通过对金融新闻报道、宏观经济数据、政策消息等信息进行分析，建立更全面的市场风险动态指数，提高市场风险管理的准确性和全面性”。
由于保险业对信息的高精度的要求和严苛的数据合规要求，元保保险经纪（北京）有限公司负责人也同样指出，大模型可以协同进行更总结性的监控，判断异常的交易频率规模，判断是否存在内外部的不当行为或外部异常。大语言模型可以自动化全面地审查交易场景中涉及的文档和通信信息，判断场景流程是否符合相关的法规和内部政策。
毋庸置疑，大模型趋势下开启的数智化时代，将会重塑很多金融机构此前积累的风控经验，金融机构需要做好准备。江苏苏宁银行金融科技高级研究员孙扬表示，金融机构要加强大模型技术在业务全流程中的覆盖，重点围绕风险盲点、风险薄弱点进行建设，比如对于精准营销、贷款KYC、贷后催收评分、失联修复进行应用，而且也要加强对于大模型运行效果的评估，防止输出结果不准确，对风险管理内控造成误导。
