大模型赋能银行风控,已有多家机构在探索
木子剑移动支付网2023/11/29 15:29:40

银行本质上是以经营风险实现盈利和发展的机构,风险管理是银行的核心竞争力。

当前,银行业利用人工智能、大数据、云计算等技术建设风控体系。而犯罪分子也通过新兴技术,使用了更隐蔽、更多样的手段。风控,始终是一个棘手的问题。随着大模型的爆火,不少银行正研究风控领域的大模型应用。

大模型如何赋能银行风控

人民大学客座教授俞勇不久前在采访中表示,大模型赋能金融风控在于多方面,其中有3点为:

一是强化信用风险评估水平。传统的的AI模型需对不同业务场景进行分别建模,且只能使用相对较小的数据集进行训练,或导致准确性和可靠性不足。而大模型使用广泛的数据进行预训练,可快速处理大量的结构化和非结构化金融交易数据等。

二是减少操作运营风险。大模型可通过许多自动化流程取代手工流程,减少人为错误的同时提高工作效率。

三是提高监管合规风险管理水平。为遵守法规,金融机构需要审查大量数据文件,分析多个变量,并向相关机构提交准确的文件。大模型可自动化这些流程,并确保有效性和准确性符合规定,避免处罚成本。

虽然目前市面上通用基础大模型较多,但应用于金融等领域会存在专业性欠佳、开发成本高等问题。

2023年11月,中国银保传媒与腾讯研究院联合发布的《2023金融业大模型应用报告》指出,在金融领域,使用定位为专用行业引擎的垂直行业大模型,会更专业、更聚焦,成本也更低。

《报告》显示,风控成为金融业务高频的价值场景之一,大模型有希望最早能够落地。

关于大模型赋能金融行业风险管理领域,《报告》提到,基于大模型多模态解析能力,全面释放金融结构化和非结构化数据资产价值,在以往“经验规则+统计/机器学习模型”的基础上引入多模态计算能力,更好地识别风险、预警风险与控制风险。在应用场景上,比如审查客户风险时,基于客户的结构化数据、可利用的图片数据、相关舆论信息进行综合解析与建模判断。

银行探索风控领域大模型应用

据《银行科技研究社》了解,中银金科已启动大模型在智能风控领域的探索,大模型将为中银智能风控的升级提供有效手段。目前有3种较为可行的应用场景:

一是风险报告生成。大模型技术结合RPA,通过嵌入外部信息模块,学习客户历史数据及文本数据,分析财务数据及风险数据,可实现关键要素提取、资料自动化审核、风险点提示等风控领域的业务操作,自动生成标准化贷前调查报告和信贷授信发起报表,信贷人员只需在此基础上进行少量修改。

二是风险预警监控。其中,大模型赋能主要在于2方面,一方面是提升结构化信息提取能力,有助于风控系统进一步挖掘机构的风险信息,提升风险预警的准确性;另一方面是加强舆情风险识别能力,比如从新闻资讯等非结构化数据中进行风险分类的任务,人工效率低,常规深度模型则识别准确率较低,大模型则能提升准确性和效率。

三是风险图谱分析。利用大模型的语言理解能力,风险图谱的关系识别与风险推理能力可得到进一步增强。

值得一提的是,民生银行风险管理部总经理赵辉也表示过,运用大模型的结构化信息提取技术,基于大模型的语言理解能力破解图谱关系,可增强识别风险的能力。其还介绍,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,该行在进行相应的大模型尝试和探索。

另外,浦发银行总行信息科技部总经理陈海宁曾表示,大模型在金融行业的应用将会逐渐从外围走向投资交易、客户服务、风控、合规、内控等核心场景,给行业带来深层次的改变。

多个机构推出金融风控大模型

据《银行科技研究社》不完全统计,已有多个机构推出或计划推出金融风控大模型相关解决方案。

2023年7月,腾讯云宣布升级MaaS平台,将行业大模型能力应用到金融风控等新场景中。其中,首次公布的金融风控大模型,融合了腾讯安全多年沉淀的大量黑灰产对抗经验及上千个真实业务场景,整体的反欺诈效果比通用模型有20%左右的提升。

据悉,金融机构接入腾讯安全金融风控大模型后,可基于“样本提示”模式自动生成定制模型,实现从样本收集、模型训练到部署上线的全流程零人工参与,建模时间从以前的2周缩短到仅需2天。彼时,腾讯安全已和头部金融机构联合共建近百个定制化风控模型。

2023年9月消息,网智天元科技集团股份有限公司与华为云签署金融风控大模型合作协议,双方将基于华为云盘古大模型打造金融行业的AI大模型。

2023年11月消息,南大通用携手四川联通面向金融行业客户推出银行风控大模型平台方案,通过联通云AI能力平台叠加南大通用GCVD向量数据库能力,该方案利用大模型技术对金融机构海量数据进行处理分析,识别潜在风险,辅助金融从业人员进行风控模型开发、贷款产品开发,提升风险防控能力、贷款分析效率等。

不过总体而言,银行业大模型的商业化落地目前还存在软硬件支持、数据安全和个人隐私、幻觉问题、可解释性等方面的挑战。

本文为作者授权发布,不代表移动支付网立场,转载请注明作者及来源,未按照规范转载者,移动支付网保留追究相应责任的权利。

展开全文
相关阅读
资讯查询取消