当前位置:首页|资讯|生成式AI|金融|客服

信审精细度接近人工,互联网银行大模型再进一步

作者:北京商报发布时间:2024-04-11

原标题:信审精细度接近人工,互联网银行大模型再进一步

生成式AI技术,已被众多金融机构广泛运用于智能客服、智能营销等领域。而如今,互联网银行将大模型应用视野放在了更为核心、要求更严格、挑战更大的信贷风控上,探索利用大模型强大的处理能力助力授信与风控的效率提高,打通产业链识别的“最后一公里”。

在4月10日举行的2024数字产业链金融行业峰会上,网商银行宣布升级大雁系统,首次将AI大模型的能力应用于产业链金融。大模型破解识别难题,从前端走向后台,强大的认知能力让信审精细度接近于人工。不过在业内人士看来,大模型作为“助手”,为风控领域带来的还只是“加持”作用,数据训练、授信决策等方面,对于合规要求严格的金融业来说,仍待许多发展与考量。

大模型从“前端”走向“后台”

北京商报记者获悉,网商银行此次升级的大模型主要应用在两方面,用知识抽取能力构建产业链图谱;通过信息解析能力,对小微企业的经营情况进行秒级评价。值得注意的是,这一应用并非是直接生成内容、与用户互动,而是在后台成为金融风控系统的“助手”,帮助金融机构识别小微。

在传统银行业与消费金融业中,大模型通常被运用于智能客服与智能营销,并已形成了较为成熟的训练、输出体系。而对于关乎金融机构资产质量的信贷审批方面,大模型的介入显得更为谨慎。事实上,对于风控效率、准确度的提高正是以小微为主要客群的互联网银行的核心痛点,亦是大模型瞄准的新目标。

而大模型对风控的助力,主要就体现在识别——识别产业链,继而高效识别出在链条上的小微企业。

在浙江嘉兴,潘弈丞经营着一家名为丞达新材料科技有限公司的企业。它的主营业务是生产高温尼龙材料。新材料研发时间长,需要资金投入,客户回款周期长达3个月,周转需要资金,这是小微经营者常见的金融需求。

“金融机构眼中丞达的画像是这样的——一家普通的小微企业,工商信息显示从事机械制造,年营业额在1000万元左右。它生产的是什么,最终去往哪里并不清楚。因此,在没有品牌企业担保的情况下,金融机构很难给予丞达符合其经营需求的贷款额度。”网商银行行长冯亮表示。

而在大模型的辅助下,网商银行可以在产业链的视角下“看见”丞达。大模型通过知识抽取能力,从海量信息中理解数据,形成产业链图谱,再通过多模态数据融合、协同推理等技术识别小微企业的主营业务,将其精准挂载到产业链上。比如汽车产业链,大模型“看到”发动机厂商、4S店、轴承厂商等环节,然后看见每个环节分布着哪些企业,将它们编织成一张网。整个过程中,大模型就像一盏探照灯,照亮产业链上下游每一家小微企业。

此外,大模型能够自动读取大量研报,生成最适合描述小微用户的经营画像。“这个过程就像一个AI产研专家,研究产业—形成趋势判断—分析小微的各项经营数据—形成对它经营情况的评分。这些评分,一定程度上代表着它的还款能力。”冯亮说道。

突出优势与客观掣肘

“大模型并不直接应用于授信。”网商银行信息科技部副总经理方珂如是说道。尽管大模型开始深入互联网银行的信贷风控领域,相关人士亦强调,大模型对信审产生的仅是加持作用。

那么,大模型在风控系统中承担着怎样的角色?方珂表示,授信需要一个决策系统,对于精准度、风险要求非常高。如果把大模型应用于决策系统的话,其决策能力没有那么高,也会带来很高的系统性风险。

方珂介绍,所谓“大模型在风控系统的应用”,是利用其认知系统能力,从多数据维度中刻画出更多认知画像,画像的维度、深度决定了决策系统中能够用哪些字段。但最终选取这些画像时,仍然有决策系统自身的准入标准和方法。

“金融行业对安全、风控要求极为严苛,大模型应用仍然有很多问题需要验证。”方珂举例说,大模型会出现“幻觉”,如果错判了客户的经营情况,带来的可能是真金白银的损失。

但与此同时,正是这样的“认知能力”,使得“画像”的精细化程度提高。方珂表示,人工审核的精细度毫无疑问是最高的,但成本也高,只能对于一些比较密集型的企业做出授信;若量化风控,精细度又不够,采用度不宜过高,可能出现给不到足够授信的情况。在大模型引入之后,强化了认知画像的维度,使得其在量化的基础上精细度更接近于人工审核,又降低了成本。

相似地,微众银行对于大模型的理解,则是“提高对企业的认知颗粒度”。在核心业务人员看来,科创企业相关的数据普遍存在来源不同、非结构化、质量参差不齐等问题,无法用人工简单处理。比如,为了给科创企业提供股权投资,投资机构需要对企业的产业赛道有细颗粒度的了解。传统模式下,企业赛道数据往往是人为分类,随着企业的注册或变更,以及新兴产业的产生,会存在大量企业赛道数据缺失、企业所属赛道与企业经营范围不吻合、无法准确划分企业所属赛道等问题。对小微科创企业的认知颗粒度不足,导致包括股权投资在内的许多创新科创金融服务无法有效供给。

以科创企业的产业赛道为例,借助大模型语言能力,通过交叉匹配企业的经营范围、专利著作、交易对手、股东等数据,匹配企业的细分赛道。而细分赛道的建立,使得科创企业与投资机构得以有效匹配,让小微科创企业快速及时地享受到融资服务。

有突出优势,也有客观掣肘,大模型在风控领域深度应用,前景如何?方珂进一步提出,如今,在认知深度与数据挖掘深度上,相应大模型仍然有着精细化的空间。对于大模型的效果反馈,也需要等待风控领域的反应周期。

此外,银行业小微企业各种各样的知识体系,要求对大模型做增量预训练。其中银行业的独立部署等要求,从成本上制约着不少银行对于大模型风控领域应用部署的考量。

“2024年是大模型与行业结合最重要的一年。”IDC中国副总裁兼首席分析师武连峰预测,今年将有更多大模型方面的基础设施投入、应用解决方案投入;而未来两三年,更可能是金融行业大模型真正能够产出、实地应用的年份。

北京商报记者 岳品瑜 董晗萱


Copyright © 2024 aigcdaily.cn  北京智识时代科技有限公司  版权所有  京ICP备2023006237号-1