疫情沖擊了金融機構(gòu)的傳統(tǒng)展業(yè)方式，信用風(fēng)險集中爆發(fā)，重線下靠人工的獲客、風(fēng)控、貸后管理模式敗得一塌涂地。不過，危難之中的機遇也愈發(fā)清晰，金融機構(gòu)對依托人工智能、云計算在內(nèi)的科技化手段認(rèn)識更深一步，彌補智能化運營短板成為金融行業(yè)的共識。

業(yè)內(nèi)人士透露，春節(jié)后持牌消費金融公司等金融機構(gòu)向數(shù)字化轉(zhuǎn)型轉(zhuǎn)變。其中，一個比較明顯的趨勢為貸中、貸后借助人工智能決策工具處理的業(yè)務(wù)占比大幅提升，部分消費金融公司智能機器人的工作量能占到九成。

從人工智能的落地情況來看，移動支付、消費金融是人工智能最先滲透的場景之一。人工智能的三駕核心馬車為數(shù)據(jù)、算法、算力，數(shù)據(jù)是人工智能從實驗室走到具體服務(wù)場景的基礎(chǔ)，而移動支付和消費金融背后豐富的應(yīng)用場景，恰好為人工智能落地提供了完備的生態(tài)土壤。

反之，金融科技領(lǐng)域的人工智能技術(shù)也為銀行、消費金融公司、信托、保險等機構(gòu)輸出智能綜合解決方案，優(yōu)化企業(yè)的營銷獲客和風(fēng)控流程。以薩摩耶?dāng)?shù)科為例，薩摩耶?dāng)?shù)科在人工智能領(lǐng)域研發(fā)的自動建模平臺AUTOMAN 1.0，便可以通過模型、策略自動迭代更新，及時識別、掌控未知風(fēng)險，讓金融樣本處理成為業(yè)務(wù)決策自動化的一環(huán)。

國務(wù)院于2017年出臺《人工智能發(fā)展規(guī)劃》，各地政府紛紛加大人工智能投入力度，人工智能已成為國家戰(zhàn)略。當(dāng)前，人工智能已在金融、汽車、物流等領(lǐng)域應(yīng)用，產(chǎn)業(yè)各方的人工智能服務(wù)方案雛形已成，待技術(shù)更加成熟后，滲透率也會隨之增加。

人工智能的目標(biāo)是提升產(chǎn)業(yè)生產(chǎn)力，最大限度把一個企業(yè)從重復(fù)性的工作中解放出來。金融行業(yè)與人工智能深度融合，在降本增效的同時必然會重塑金融業(yè)，一場以智能+金融的新格局慢慢成型。

金融需要何種人工智能？

近三年來，金融科技行業(yè)風(fēng)起云涌，形成了少量頭部機構(gòu)與眾多中尾部機構(gòu)并存的格局。無論是以螞蟻集團(tuán)、京東數(shù)科、360數(shù)科為代表的互聯(lián)網(wǎng)系巨頭，還是以薩摩耶?dāng)?shù)科為代表的行業(yè)領(lǐng)先的金融科技公司，均研發(fā)了大量的人工智能技術(shù)。

就金融機構(gòu)的需求而言，在急需降低成本的市場環(huán)境中，很多機構(gòu)迫切要用智能化的科技手段取代勞動密集的人工模式，將人力成本降下來。同時，為提升貸前、貸中、貸后的運營管理效率，金融機構(gòu)也逐漸從粗放管理向精細(xì)化的管理方式轉(zhuǎn)變。

拿風(fēng)控來講，傳統(tǒng)金融機構(gòu)一方面轉(zhuǎn)型線上，缺少必要的人才、技術(shù)支撐；另一方面在面臨信用風(fēng)險較高的長尾客群時，缺乏用戶全生命周期模型管理經(jīng)驗。在普惠金融趨勢下，下沉客群又是金融機構(gòu)受理的客群之一。

這就引申出到底什么樣的人工智能與金融機構(gòu)的需求匹配，或者說什么樣的人工智能對于金融機構(gòu)才真正有價值。

根據(jù)金融業(yè)務(wù)的實際情況，金融機構(gòu)的需求邏輯主要集中在兩三個方面，其一是必須合規(guī)；其二工具能夠“即接即用”，減少對接成本和其他支持費用；其三工具能在短時間內(nèi)讓金融機構(gòu)看到效果，并能為金融機構(gòu)帶來的價值覆蓋技術(shù)服務(wù)費成本。

按照上述人工智能服務(wù)金融機構(gòu)的價值導(dǎo)向，行業(yè)內(nèi)確實有一批能為金融機構(gòu)帶來較大增益、推動風(fēng)控運營智能化的工具。在這些人工智能解決方案中，薩摩耶?dāng)?shù)科旗下的自動建模平臺——AUTOMAN 1.0可以稱得上是一個典型的樣本。

AUTOMAN 1.0是將人工智能應(yīng)用在模型設(shè)計領(lǐng)域，使模型開發(fā)周期減少50%-70%，最短可在2周內(nèi)完成樣本建模任務(wù)，極大地縮短原始樣本與經(jīng)營決策的距離，實現(xiàn)整體降本增效。

在風(fēng)控模型中，KS指標(biāo)來評估模型的區(qū)分度一項核心指標(biāo)，區(qū)分度越大，說明模型的風(fēng)險排序能力越強。AUTOMAN 1.0在測試環(huán)境中，KS值區(qū)分度高出人工建模效果0.05個百分點。

具體到風(fēng)控場景里，AUTOMAN的樣本研判及處理、最優(yōu)模型保存及部署、新樣本預(yù)測、模型訓(xùn)練及調(diào)優(yōu)四大功能，能通過便捷的方式直接接入金融機構(gòu)的系統(tǒng)中，使得風(fēng)控模型辨識風(fēng)險的精準(zhǔn)度更高。

值得一提的是，AUTOMAN雖然內(nèi)置前沿流行算法，但用戶沒有知識背景也能熟練使用，這背后主要靠AUTOMAN的一鍵建模模式。該模式下，不需要合作機構(gòu)寫代碼，按照說明放好樣本就能訓(xùn)練出可部署調(diào)用的模型。另外，AUTOMAN還能自動安裝所需環(huán)境依賴包，用戶無需再自行設(shè)置環(huán)境。

模型調(diào)優(yōu)方面，AUTOMAN內(nèi)置自研究調(diào)參算法，幫助模型開發(fā)工程師使用集成工具包提升模型開發(fā)效率。 簡單便捷并不意味著效果打折，AUTOMAN在效率與精度、標(biāo)準(zhǔn)化與通用性之中實現(xiàn)平衡，具備低成本、高精度、高效率地實現(xiàn)樣本可視化的特點。

數(shù)據(jù)決定AI算法的精度，算法精度決定AI產(chǎn)品質(zhì)量。薩摩耶?dāng)?shù)科從真實的金融場景入手，不斷提升智能化模型的精確度，唯有精度高了才能幫助客戶構(gòu)建智能化的風(fēng)控大腦。不只是薩摩耶?dāng)?shù)科，任何金融科技平臺的人工智能解決方案都需遵循這一前提。

更新迭代是人工智能的靈魂

金融企業(yè)的人工智能需求仍存在很大增長空間，若想搶占市場份額，金融科技企業(yè)必須保持更新迭代的創(chuàng)新能力，時刻與金融機構(gòu)的生產(chǎn)經(jīng)營環(huán)境相適應(yīng)。

目前，針對企業(yè)數(shù)字化轉(zhuǎn)型推出的人工智能產(chǎn)品種類繁多，但在企業(yè)實施落地的過程中出現(xiàn)水土不服，更有甚者效率不升反降。企業(yè)應(yīng)用人工智能出現(xiàn)負(fù)面效應(yīng)，與人工智能供應(yīng)商提供的產(chǎn)品有關(guān)，人工智能產(chǎn)品的實用性和特點不匹配企業(yè)的實際需求。

疫情疊加金融周期影響，傳統(tǒng)金融機構(gòu)的數(shù)字化轉(zhuǎn)型緊迫性越來越強烈，尤其是在需要大量樣本分析處理的風(fēng)控環(huán)節(jié)。我國當(dāng)前的消費金融市場相當(dāng)一部分客群集中在優(yōu)級、次優(yōu)以下，而消費信貸產(chǎn)品又多以小額、分散、線上化為主，復(fù)雜的受理環(huán)境決定金融機構(gòu)需要一個能不斷迭代的智能風(fēng)控解決方案。

針對AUTOMAN的迭代創(chuàng)新，薩摩耶?dāng)?shù)科人工智能團(tuán)隊負(fù)責(zé)人表示，目前 AUTOMAN1.5版本已經(jīng)在內(nèi)部測試中，而AUTOMAN2.0版本將新增回歸模式。未來我們還將持續(xù)加大研發(fā)力度，持續(xù)推動人工智能在金融風(fēng)控領(lǐng)域的應(yīng)用。

另外，考慮到外部環(huán)境的波動及客群變化，后期薩摩耶?dāng)?shù)科考慮增加模型自迭代功能，實時應(yīng)對外部風(fēng)險的變化。同時，AUTOMAN平臺將實時學(xué)習(xí)外部前沿算法及模型優(yōu)化方法，加入更多插件。

人類對人工智能的想象及優(yōu)化，其實早在18世紀(jì)就已開始。當(dāng)時歐洲有一個堪稱超越人類的Mechanical Turk（土耳其機器人），這個國際象棋游戲機器人的棋技卓爾不群，聞名歐洲與美洲，拿破侖和本杰明·富蘭克林也不是其對手。機器人發(fā)明者去世后真相被揭開，這個機器人里其實藏著一個被雇來的國際象棋大師。

進(jìn)入二十一世紀(jì)，亞馬遜為了刪除網(wǎng)站上重復(fù)的產(chǎn)品，研發(fā)了一個人機混合的Amazon Mechanical Turk（亞馬遜土耳其機器人），該人工智能技術(shù)能讓企業(yè)通過編程尋求遍布全球的廉價人力資源，去幫助企業(yè)做一些類似刪除重復(fù)內(nèi)容、音頻轉(zhuǎn)錄等勞動密集型工作。

從土耳其機器人到亞馬遜土耳其機器人，可以看出人是人工智能的核心，一切人工智能都需要經(jīng)過人的指導(dǎo)進(jìn)行反復(fù)算法訓(xùn)練，才能智能且高效地工作。這背后其實有一個很樸素的邏輯，人工智能的強大必須建立在人才隊伍和科技投入上。

薩摩耶?dāng)?shù)科能持續(xù)更新樣本模型自動化設(shè)計平臺AUTOMAN ，也正是源于科研人才儲備和大量的研發(fā)成本投入。薩摩耶?dāng)?shù)科創(chuàng)始人及核心團(tuán)隊來自華中科大、復(fù)旦大學(xué)等知名高校，博士、碩士學(xué)歷者占比高，并且均深耕金融科技領(lǐng)域多年，具有豐富的科技創(chuàng)新實戰(zhàn)和互聯(lián)網(wǎng)風(fēng)險管控經(jīng)驗。

研發(fā)技術(shù)投入方面，薩摩耶?dāng)?shù)科研發(fā)成本投入一直占公司總成本費用較高比重。除了AUTOMAN，薩摩耶?dāng)?shù)科自主研發(fā)的“獵戶座”反欺詐模型、“Alpha-S”信貸審核機器人、DNA信用評分模型、“七劍”專有技術(shù)系列矩陣以及“歐拉”獲客渠道監(jiān)控等金融科技方案。

得益于扎實的科研投入，薩摩耶?dāng)?shù)科的金融科技解決方案得到大量金融機構(gòu)的認(rèn)可。截止2020年9月，薩摩耶?dāng)?shù)科已與包括商業(yè)銀行、消金公司、信托公司和小貸款公司在內(nèi)的近80家持牌金融機構(gòu)達(dá)成合作，已累計為持牌金融機構(gòu)輸出了6000多萬用戶。

2017年，麥肯錫發(fā)布《人工智能：下一個數(shù)字前沿？》研究報告，報告采用大量企業(yè)經(jīng)營的數(shù)據(jù)證實大規(guī)模采用人工智能技術(shù)將為企業(yè)帶來豐厚回報，而那些未使用人工智能的傳統(tǒng)企業(yè)正在被人工智能早期使用者遠(yuǎn)遠(yuǎn)甩在身后。

三年過去了，堅持以人工智能等金融科技手段驅(qū)動業(yè)務(wù)發(fā)展的金融機構(gòu)，在融資、聲譽、體量、抗周期風(fēng)險能力上，保持一定的優(yōu)勢。傳統(tǒng)金融機構(gòu)數(shù)字化轉(zhuǎn)型過程中，金融科技To B也迎來最硬核的風(fēng)口。

疫情導(dǎo)致金融行業(yè)缺口出現(xiàn)，基于人工智能的智能風(fēng)控科技底層應(yīng)用會帶領(lǐng)金融行業(yè)回補缺口，為金融行業(yè)的資產(chǎn)增長注入安全新動能，加強金融機構(gòu)在展業(yè)中的風(fēng)險抵御能力，實現(xiàn)業(yè)績增長與資產(chǎn)質(zhì)量齊升。