AI大模型技术与信贷风控的融合日益紧密。

近日，在由21世纪经济报道主办、腾讯安全联合主办的“金融风控大模型打造动态风险治理体系”闭门研讨会上，多家银行风控部门主管表示正尝试将AI大模型技术应用在贷前风控、贷后预警等场景。

民生银行风险管理部总经理赵辉表示，在贷前调查报告，数据审查报告自动化，风险预警精准化，量化交易辅助风险决策，欺诈的监测和防范，智能辅助管理决策等方面，民生银行都在进行相应的大模型尝试和探索。

与此同时，多家城商行风控部门人士透露，他们还尝试使用大模型技术解读人行征信报告，以此构建新的风控模型降低信用违约率风险。

此外，与会的多家中小银行也在试水通过大模型技术自动生成企业客户尽调报告，再由客户经理审核修改，以此提升工作效率并排除潜在信贷风险隐患。

“尽管AI大模型技术在信贷风控场景的应用日益广泛，但仍面临三大急需解决的实际操作挑战，一是进一步增加数据，二是进一步提升软硬件支持程度，三是进一步探索能使用大模型的风控应用场景，驱动银行进一步增加大模型的研发投入。”一位中小银行风控部门人士向记者指出。

这驱动越来越多银行等金融机构纷纷尝试从第三方风控科技平台引入金融风控大模型。

腾讯安全金融风控产品总经理陈波表示，当前金融机构需拥抱大模型技术的另一个驱动力，是通过大模型技术构建“模型对抗”的新型信贷风控体系，对抗黑灰产的新型欺诈攻击与客群下沉等新挑战。

“近年，随着越来越多金融机构纷纷加大客群下沉力度，其信贷风控体系能否匹配新客群的信用风险特征，面临着较大挑战;此外，黑灰产也在使用大量AIGC新科技开展欺诈攻击，令金融机构务必健全动态风险管理体系。”他指出，原先的信贷风控模型主要以静态为主，其迭代路径主要是调整风控策略而不是迭代模型，导致其未必能成功把握动态信贷风险隐患。因此金融机构需要通过大模型技术重塑“模型对抗”的新型信贷风控体系，成功应对黑灰产与客群下沉所带来的一系列风险挑战。

清华大学金融信息技术创新联合研究院专家郑耸认为，鉴于中小银行在软硬件基础建设、大模型人才储备、数据积累等方面，与大型银行相比存在一定劣势，因此不妨与第三方风控科技平台合作，通过引入后者的金融风控大模型加快自身风控能力迭代升级步伐，以此更好地应对信贷业务挑战。

但是，两者要成功合作，仍需解决诸多挑战。一是第三方风控科技平台能否解决中小银行算力不足问题;二是银行如何做好模型选型工作，参数量越大的大模型未必效果越好，因此银行更需找到合适自己且风控成效明显的大模型;三是大模型的幻觉问题(答非所问、胡说八道)能否得到有效解决;四是银行能否建立一整套规范流程保障数据安全与数据保护，从而敢于使用大模型技术提升自身信贷风控能力。

“此外，数据不能出行也是一大挑战。我们与外部第三方风控科技平台开展大模型技术合作时，如何解决数据安全性与合规操作新问题，也是急需解决的障碍。”上述中小银行风控部门人士指出。

大模型急需解决两大风控瓶颈记者了解到，多家银行在大模型技术与信贷风控场景融合方面，已取得某些成效。

“目前我们通过大模型技术自动生成的小微企业尽调报告已比较详尽准确，且企业财务报表的图片或表格，与大模型的结合生成效果也不错。”一位城商行风控部门负责人向记者透露。

此外，一家民营银行还尝试通过NLP算法与图算法，对人行征信报告进行解读，一下子增加了逾5万个风险变量，所搭建的风控模型令信用违约率风险降低约20%。

不过，也有银行遭遇了挑战。

“我们一直希望通过大模型技术自动生成企业客户的尽调报告，大幅缓解客户经理与授信评审员的工作量。但目前实践下来，大模型在企业财报分析、数据计算等方面仍存在一些不足，但我们认为随着大模型技术发展，参数模型的不断迭代，这些问题都能得到妥善解决。”一位城商行IT部门人士直言。

记者多方了解到，当前众多中小银行等金融机构迫切希望大模型技术能解决两大信贷风控瓶颈，分别是样本量较少、风控迭代速度较慢。

“我们可能需要花费数月时间，才能迭代风控模型，且中小银行数周所积累的样本，未必足够训练一个风控模型，导致我们有些新产品上线只能采取冷启动策略，即在缺乏对足够多样本进行风控策略训练的情况下，就直接上线新产品。”一位农商行风控部门主管向记者直言。这令银行在应对黑灰产组织新型欺诈攻击方面遭遇较大的压力。

他直言，以往银行主要采取模型聚类，比如图算法等技术，将欺诈团伙的识别率提升了35%。但是，如今越来越多黑灰产组织也玩起高科技——使用大模型技术批量虚构不同行为特征与信用评级状况的“伪真人”进行信贷欺诈，不断寻找银行现有风控规则的漏洞。一旦被他们发现银行风控漏洞，他们就会批量生产“容易通过银行风控审核”的伪真人进行团伙欺诈。

面对黑灰产组织欺诈手段“日新月异”，不同银行使用大模型技术进行反制的策略截然不同——大型银行拥有足够算力算法储备与海量数据