亿联银行风险管理部总经理高磊：大模型发展的重点已从盲目追求转向可持续性发展

21世纪经济报道记者 张欣  北京报道

11月17日，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”闭门研讨会在北京召开，这也是“共建金融风控科技”系列闭门研讨会第四站。亿联银行风险管理部总经理高磊在介绍大模型在信贷业务中的探索时表示，大模型发展的重点已经从盲目追求转向可持续性发展。

据高磊介绍，目前AI在亿联银行的应用场景涵盖“前、中、后”台中的市场营销、风险管控、客户服务、运营支持等。其中人工智能平台已经完成多个领域相关场景的机器人应用落地，包括智能客服、智能催收、营销助手三大运营领域。 

具体来看，智能客服机器人意图识别率达90%，自助解决率已经达到了91%。同时可替代40%的传统客服工作量，人工主导客服工作量占比不超过30%；智能催收的应用包括两部分，一是替代人工进行催收作业，对逾期客户进行“电话+短信+邮件”等多种形式的提醒催收工作；二是通过智能催收对人工座席进行对练培训，不仅能够降低人员培训成本，而且还能提升培训效果，产能人效比提升了36%；营销助手方面，针对不同人群的广告的智能投放、精准投放，提高了广告效果的同时降低了广告成本。 

值得注意的是，高磊表示，征信报告是识别个人信用的最重要风控手段，但个人征信报告中存在大量非结构化数据，很难用传统的数据处理方式进行分析。为了解决这一难题，亿联银行搭建了智能数字化解读中台，将NLP、图算法等应用在征信报告解读中，能让报告解读出万维的风险变量，提升了银行风控模型的风险区分度，并将信贷违约风险降低20%。

高磊还表示，线上授信过程中的欺诈风险防范非常重要，亿联银行对此摸索较多，主要是利用图计算技术，建设了关联网络进行欺诈实体的挖掘。目前大模型在反欺诈领域成效显著，主要表现在有效提升了团伙欺诈识别，加强异常行为检测、完善反欺诈模型建设三方面。

对于大模型实际运用中存在的问题，高磊认为，从技术性来看，不足之处在于鲁棒性不足、可解释性低、算法偏见。鲁棒性不足是指大模型在面对对抗性干扰时表现的能力缺乏，面对对抗样本干扰的情况，易产生错误预测；可解释性低主要表现在解释效果不理想，缺乏统一的标准；算法偏见指的是算法数据来源不均，会产生算法偏见。从安全及合规角度来看，监管政策对大模型要求较严，同时大模型的不稳定容易产生错误的金融决策。

展望大模型未来的探索应用，高磊总结道，大模型发展的重点已经从盲目追求转向了实用性和可持续性发展。未来通过降低成本、提高易用性、增强可靠性、保护隐私和安全等方面的措施，可以进一步提高大模型的可用性，让更多的人受益于AI技术的发展，实现更加智能化和便捷化的生活。