人工智能時代的到來，給風控領域也帶來了全新的機遇與挑戰。據Forrester 諮詢公司一項調查顯示，全球380位企業首席高管的調查中，42%的高管都將欺詐列為對商業成功和客戶滿意度的首要威脅。從欺詐現狀來看，國內外企業都面臨著巨大的欺詐風險。這個趨勢還在不斷增長，數字金融欺詐手法多樣、隱蔽，同時覆蓋面廣，從傳統業務到金融理財，賬戶盜用到經濟損失。除此之外，還信用數據缺失、風控盲點等問題也一直困擾著業界。
Gartner2018年度CIO（首席信息官）調查顯示，部署了人工智能的企業比例已從2018年的4%增長到了2019年的14%，幾乎翻了四倍。據億歐智庫《金融科技公司服務銀行業報告》預測：2020年金融科技規模將達到245億元，其中智能風控75.9億元，佔比31%。風控能力是衡量一個企業能否健康發展的標尺，而智能風控考驗的是技術儲備和人員能力的儲備，所以企業要能夠更好地融合不同平臺技術、實現經驗互補，完善算法模型，從而提升識別精準度、降低人工成本，打好金融安全持久戰，共同構建和諧金融生態。
但目前，智能風控主要最主要的面臨的挑戰主要包括數據的全面性、真實性及數據挖掘效率等。智能風控目前還是比較依賴大數據還有專家規則，只有在正確數據基礎之上才能正結論，當數據量很大時，數據真實性及是否數據被汙染，無法進行有效鑑別。
2019年9月份開始，監管機構針對大數據風控行業進行了一場聲勢浩大的合規檢查，數家大數據公司被協助調查甚至直接被查封。這個階段，所有金融機構，都面臨一個數據戰略的選擇：如何有效利用合規數據，避免違規陷阱。2020年，對所有金融機構而言，都面臨相當大的挑戰。
除了數據層面，從數據的挖掘效率層面來說，人工智能的發展離不開技術的不斷創新，傳統機器學習、深度學習、自然語言處理、語音圖像識別、知識圖譜是現階段人工智能的五大核心技術，很多場景落地併產生價值，需要數據+多種技術的結合，也包括與傳統專家規則的結合。其中，知識圖譜與自然語言處理，是2019到2020年的熱點落地技術，這兩項技術也是相互交融的關係，構建從感知智能向認知智能的必要條件，兩者最終目的都是往讓機器能夠更好的認知這個世界，朝著更加智能化的方向去發展。
圖：人工智能與大數據、雲計算的關係
知識圖譜，則是實現通用人工智能的重要基石。從感知到認知的跨越過程中，構建大規模高質量知識圖譜是一個重要環節，當人工智能可以通過更結構化的表示理解人類知識，並進行互聯，才有可能讓機器真正實現推理、聯想等認知功能。
細分到智能風控市場，在金融領域，簡單來說，可以在“四大類領域，三階段”體現不同的價值。四大類領域具體包括：信用卡信貸類，零售金融類，公司金融類，監管科技類；三階段，可以分為貸前、貸中、貸後三個具體階段，每個階段都涉及大量的模型與場景。
圖：人工智能知識圖譜應用在公司金融、零售金融、信用信貸領域的主要場景模型
圖：人工智能知識圖譜應用在監管合規領域的主要場景模型
在傳統風控環節中，信息不對稱、成本高、時效性差、效率低等問題，使得難以滿足業務的快速增長引發的信貸增長。而風控引入人工智能技術，使得貸前審核、貸中監控和貸後管理、監管合規等環節，都能提高金融科技產品質量及服務效率。
智能風控能不僅能有效提高金融服務的效率和安全性，降低風控成本，還能促進風險管理差異化和業務人性化，在金融科技業中有著重要作用。所以近年來無論是傳統金融機構、消費金融機構還是互聯網金融公司，都在加緊智能化系統建設或者對外合作，實現智能化風控。
未來，智能風控要不僅在信貸、反欺詐、異常交易檢測等領域發揮作用，充分發揮大數據、人工智能、雲計算等綜合技術優勢，為金融行業欺詐風險的分析和預警監測提供支持，同時也要不斷優化數據挖掘採集效率及人工智能算法，同時要實現對各金融機構、金融科技公司數據的標準化，以實現更多的價值場景的快速落地。
從監管層面，監管機構鼓勵金融服務業在風險可控的前提下創新，但隨著監管機構加強風險、合規和安全方面的監管，金融服務業需要通過更有效的手段來滿足監管要求。
劍橋理論宇宙學中心研究主任史蒂芬·霍金教授在世時，曾經說過“無論你是科學家、企業家還是將軍，所有人都應該捫心自問，現在可以做些什麼，才能提升未來人工智能趨利避害的可能性。這是我們這個時代最重要的對話。” 智能化會對整個社會帶來巨大的衝擊，尤其是在智能革命的初期。因此，在智能時代開始的時候，我們需要未雨綢繆，力爭做控制世界的2%人，而不是被智能化浪潮淘汰。
2020年的重大疫情，對我們所有人，同時也是一次迎接重大的變革與挑戰的機會。如何利用人工智能更好的為我們服務，這是我們一起努力的方向。
- “地方金融監管”除非特別註明，本公眾號所載內容來源於互聯網、微信公眾號等公開渠道，不代表本公眾號觀點，僅供參考、交流之目的。轉載的稿件版權歸原作者或機構所有，如有侵權，請聯繫刪除。
閱讀更多 地方金融監管 的文章
