人工智能重塑金融风控 从技术赋能到生态协同

（原标题：人工智能重塑金融风控 从技术赋能到生态协同）

图片来源于网络，如有侵权，请联系删除

当前，人工智能与大数据技术正在重塑金融业的核心运营模式。自ChatGPT掀起全球人工智能浪潮以来，中国金融科技领域已形成独特的发展路径。百度文心一言、阿里通义千问等大模型相继落地，深度求索（DeepSeek）则通过开源推动国产人工智能基础设施的自主可控。

然而，比技术研发更关键的是如何将人工智能深度融入实体经济业务系统。目前，在金融领域，工商银行、招商银行等机构在应用层面率先探索，而腾讯云与蚂蚁集团则在技术输出领域占据领先地位。

腾讯云开发的人工智能实时风控引擎已支撑微众银行、微保等平台，并向外输出联邦学习与智能检测中台能力；蚂蚁集团基于支付宝、网商银行及自研数据库，构建了全球领先的图计算与人工智能风控系统，可支持亿级用户的实时交易与合规监管。金融机构与技术厂商的协同，标志着人工智能正从单点工具升级为系统性生产力。

重构银行信用评价体系

6月26日，中国工商银行信贷与投资管理部高级经理张灿在2025金融街青年派活动上表示，银行信贷系统经历了信息化、数字化到智慧化的演进，其核心推动力是数据与技术的深度融合。数据改变了信用风险评价体系，技术则打破了银行服务边界。

传统信用风险评价体系主要依赖于客户主动提供的信息，以及行内系统内部数据的整合分析。在这一模式下，外部数据的运用相对有限，难以获取到那些具有高度相关性和高质量的关键外部数据。然而，随着数字生态与数字金融的蓬勃发展，金融机构现在能够接入并获取更为广泛和深入的外部关键信息，例如产业链、供应链等维度的数据。通过将这些外部信息与内部数据进行有效整合，并运用人工智能及其他相关技术手段，金融机构得以进行更为全面、立体的数据化分析。这一系列变化，正在深刻地改变并重塑着原有的传统信用风险评价体系。

技术进步推动了银行服务模式的革新，其服务边界已不再局限于传统的物理网点。银行正通过线上渠道与线下网点的深度融合，以及金融服务与产业场景的紧密结合，实现了能够随时随地为客户提供个性化服务的能力。同时，这些技术的应用也显著提升了银行的运营效能。例如，借助智能流程自动化（IPA）、人工智能等技术，银行能够有效替代部分重复性高、流程化的校验工作，使得业务处理时效从以往的天级水平大幅压缩至分钟级。

张灿强调，为适应日益多元化的市场需求，银行需借助数据技术深入挖掘客户的潜在需求。在这一过程中，银行的创新重点已从单纯的产品层面拓展至生态层面，即通过融合业务、数据与技术三者，进行更为全面的业务模式创新。数据的应用正在重塑金融服务的基本逻辑，技术的能力得以打破传统服务的边界限制，而业务创新则致力于更好地满足多元市场需求。这三者的协同作用，正推动金融生态体系向更加智慧化、开放化及普惠化的方向进行重构。

破解普惠金融风控难题

同日，腾讯云天御金融风控总经理陈波在2025中国未来金融峰会上表示，在金融风控领域，特别是在普惠金融的细分场景中，如面向小微企业、个体工商户及农户等群体，金融服务供给仍面临挑战，这些群体获取金融服务的难度相对较大。主要原因在于：一方面，针对这些客群的金融服务成本较高，导致其获取成本也相应提升；另一方面，从金融机构的角度来看，这些客群普遍具有更高的风险特征。此外，在这些场景中，信息不对称问题较为突出，进一步增加了风险识别与控制的难度。

陈波认为，在数字化变革进程中，数据要素已确立为关键的基础性生产要素。其特性与其他传统生产要素存在显著差异，尤为突出的是其边际效应呈现递增规律，而非劳动力等要素常见的边际递减现象。这是因为数据要素具有可重复使用性，并且不同数据要素的叠加能够产生更为丰富的价值。

以金融风控为例，传统风控模型主要依赖部分特征数据，如征信报告、多头借贷信息等。基于这些有限数据构建的模型，其评估结果往往仅能反映客户或企业在风险控制的某些特定维度上的表现，类似于“盲人摸象”，难以全面把握整体风险状况。因此，风险管控能力相对有限，仍可能出现较高的逾期率和不良率。若能合规、在用户授权的前提下，获取并整合更多维度的数据，例如互联网用户画像、行为特征、设备信息乃至环境要素等，则能够构建更为立体、全面的风险防控体系。这将显著提升风险识别与管控的精准度，有效降低金融机构的损失。在此过程中，数据的价值随着数据量的增加和应用门槛的降低而不断放大，从而实现更高的社会价值与经济价值。

据此理解，无论是人工智能技术还是大型语言模型，其效能的发挥将高度依赖于数据在合规框架下的顺畅流通与高效聚合。通过将分散的数据高效整合，能够进一步释放数据要素的潜能，使其价值得到更充分的体现。

然而，陈波表示，当前人工智能在金融风控领域的决策应用仍面临诸多挑战。特别是在数据合规获取环节，如何有效获取数据，并确保用户充分知晓其个人信息被使用的情况，是至关重要的环节。

针对模型可能存在的歧视性或其他潜在问题，陈波认为，随着大型模型应用的日益普及，金融机构已普遍认识到提升相关风控能力的必要性，并展现出强烈的改进意愿。加之第三方专业机构能够提供相应的技术支持与辅助，预计整体模型的性能表现和运行稳定性将持续得到优化与提升。

从风险可视化到智能决策

在蚂蚁集团的反洗钱系统中，人工智能与图计算技术的结合，正以前所未有的方式提升着对复杂关系的识别能力。蚂蚁集团反洗钱中心副总经理赵亮表示，这两种技术可以看作是相辅相成的两个维度：图计算负责构建基础关系网络，而人工智能则如同一个更聪明的大脑，在此基础上进行动态学习和智能决策。

从图计算的视角来看，蚂蚁集团反洗钱中心主要从两个维度构建反洗钱能力。首先，是进行异构多图建模。这意味着将反洗钱工作中涉及的各种实体，如个人、企业、资金、交易媒介等，及其相互关系，以图结构的形式进行刻画。考虑到蚂蚁拥有数亿用户及其产生的海量交易，由此构建的图网络可能包含上百亿个节点。通过这种动态的图网络，可以清晰地追踪整个资金流向，识别出潜在洗钱团伙的行为模式。

其次，蚂蚁集团还实施了多风险域的联合建模。这超越了单一的反洗钱视角，将盗、赌、诈等各类显性及隐性的风险信号进行整合与打通。从多个风险角度出发，进行全方位的风险感知、识别与分析。

赵亮将传统的风控系统比作“局部的放大镜”，容易遗漏信息。而图计算则能描绘出整个大的关系网络，从而更有效地刻画出资金关系或团伙间的隐藏链接，弥补了传统方法的不足。

在人工智能的视角下，其应用主要体现在两个层面。一方面是风险识别层面。通过人工智能的深度学习能力，系统能够对历史可疑交易进行学习，并融入交易模式、时间序列和图计算所揭示的关系网络等信息。这使得系统能够自动发现异常交易行为。同时，将外部情报源和非反洗钱类的风险信息也融入模型，有助于感知和应对新型风险的变化。

另一方面，人工智能在分析研判和报告生成方面也发挥着关键作用。它能够进行深度分析、逻辑推理，并实现自动化生成报告等功能，大大提高了工作效率和决策的智能化水平。

赵亮总结道，图计算目前更多是解决关系的可视化问题，将复杂的关系网络清晰地呈现出来；而人工智能则更多是解决整个决策过程的智能化问题。两者叠加产生的协同效应，使得原本隐性的关系变得更显性，复杂的分析过程变得更简单。最终效果是，让人工分析师能够将更多精力聚焦于关键决策环节，进而提升反洗钱工作的整体效能。