經(jīng)濟形勢回暖，客群越來越下沉，黑灰產(chǎn)欺詐更加狡猾，AI大模型發(fā)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(fā)展（麗澤）年會”上，21世紀經(jīng)濟報道聯(lián)合騰訊安全、騰訊云發(fā)布《邁入模型對抗時代——2023年商業(yè)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(xiàn)當前銀行機構風控趨勢的最新進展與主要挑戰(zhàn)。

《報告》發(fā)現(xiàn)，受內(nèi)外部多重因素影響，銀行風控策略正在從高度依賴專家經(jīng)驗與歷史數(shù)據(jù)的“策略對抗”，轉向基于機器學習、人工智能開展動態(tài)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(jīng)濟基本面持續(xù)復蘇增長激發(fā)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(jīng)營策略仍聚焦獲取新客戶并助推自身零售金融業(yè)務持續(xù)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(yè)務不良率將逐漸上升，因而采取相對審慎的態(tài)度。究其原因，是他們認為經(jīng)濟基本面波動、客群下沉、黑產(chǎn)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(shù)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(tǒng)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(tǒng)的“策略對抗”，進入以“模型對抗”為主的時代。原因是以往銀行機構的風控策略主要基于靜態(tài)模型+動態(tài)策略，并通過不斷增補完善風控規(guī)則應對外部變化。但現(xiàn)在，客群變化加快、黑產(chǎn)加速利用Al等新形勢下，在調整風控策略的基礎上，還要強化風控模型的迭代優(yōu)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(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風控策略變革升級的兩大掣肘。對此多數(shù)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(nèi)數(shù)據(jù)的定制化風控模型研發(fā)，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(shù)據(jù)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(fā)現(xiàn)，風控迭代速度慢、海量數(shù)據(jù)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(zhàn)，逾半數(shù)受訪銀行傾向引入“第三方技術”與“合作開發(fā)”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(shù)據(jù)形成產(chǎn)品的產(chǎn)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(chǎn)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(xiàn)，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(jīng)“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(xiàn)”。

騰訊安全副總裁周斌在會上表示，AI大模型的智能涌現(xiàn)，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(fā)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(lián)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(xiàn)風險的動態(tài)治理。

與此同時，某農(nóng)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(tǒng)方案提升約20%，成功支持其線上金融業(yè)務的正常開展。

金融行業(yè)作為天然的數(shù)據(jù)密集型行業(yè)，又是人工智能應用最早和最普遍的行業(yè)，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(shù)據(jù)治理、獲客推廣、網(wǎng)絡安全等領域都有著巨大潛力，金融機構內(nèi)部亟待在內(nèi)部形成大模型的良性生態(tài)，構筑企業(yè)數(shù)字資產(chǎn)強韌的安全免疫力。