雷锋网AI金融评论报道，在近日举办的智能金融峰会上，一众金融科技代表企业共聚一堂探讨了人工智能与金融风险控制议题。网商银行 风险管理部总经理 余泉、CashShield 中国区业务总经理 李宁、腾讯云 算法专家 李超、宜信 高级副总裁 张越、51 信用卡 CRO 蒋燕青、度小满金融 金融信贷系统平台部总经理 张文斌参与了该圆桌讨论。财经作者马红漫担任主持人。
下为对话原文，雷锋网作了不改变原意的编辑：
马红漫：金融监管的事情在生活当中不断有新的内容出现。我们发现从2016年年底开始到今天接近一年半的时间，金融防风险是非常重的政策措施，大家看到目前不管是宏观还是微观整个金融运行都受到比较大的影响。大家知道经济学有两种，一种叫市场经济，一种叫中国的市场经济。在这样一个背景情况下，我们看到行政的风险防范意识在最近两年非常强硬，在这种情况下我们的市场机构如何去看待风险防范的问题。要讨论的第一个问题，行政性的风险防范和市场机构的风险防范之间，双方如何去处这个关系，是怎样的关系，市场防范的主体应该发挥什么样的作用？第一个问题是比较战略的定性问题。
李宁：我觉得这是两个层面，一方面是市场主体，也就是说我们作为企业应该做什么，另外一个层次是监管层面，从企业来讲我觉得首先对于风险防范肯定是要自己来做，为什么？因为最后所有的损失是企业承担，你不管自己的事，最终所有的损失还要自己承担。我觉得在风险和机会之间，永远是一个天平，我特别喜欢讲的一个就是当企业说什么样的风险指标是最好的风险指标，你能告诉我一个数字吗，我特别坦白讲这没有一个特别公正的数字，因为就是一个平衡。每个企业有自己的DNA，都不一样。所以它处在不同的行业，金融这个词特别大，它有很多层面，它也有很多不同的行业。所以其实要做的就是一定要找到自己的平衡点，你才能够积极的促进一个企业的发展。另外一个层面我们说监管的层面，其实我觉得这是一个好事，如果说在大的环境里面没有国家层面的监管，那我觉得市场肯定就乱了。目前两方好像有点鸿沟，不是那么通畅。我希望未来能够看到的就是在国家监管层面能够再稍微细分一下，我们把大金融能不能分到二级类目、三级类目，逐渐能够跟接地气的企业有一个通道，能够正常对话。
马红漫：您的建议好像会引发一些争议，因为很多市场机构会觉得切的越细分，意味着每个细分领域都有一个婆婆在那管，会影响市场机制的划分，您为什么喜欢切的更细一点，P2P下面还有P2P1、P2P2。
李宁：监管的人一定要了解业务，否则没有办法起到一个真的管控的作用，离业务很远，就造成上有政策，下有对策，不知道下面人怎么操作的，这个比较可怕。
蒋燕青：我来自于网贷行业，最近一年受到政策影响比较大，包括市场的波动。作为市场参与主体，第一还是打贴还需自身硬，自身的技术、风控实力要过关。第二，对于政策我想其实有两点期待，一个是说宏观政策更加明确可期待，第二个就是在微观的执行上面可以用更多技术手段。举个例子，从去年开始我们给中国互金协会上报数据，一方面有助于我们自身规范透明，另一方面也会有相应的数据防范给企业，有助于我们加强风控，控制好借贷人的负债水平，这是互利的，这个监管就非常好。
张越：宜信讨论这个问题特别能感同身受讨论，我们是中国第一家P2P，2006年创建，我们在普惠和财富管理里面现在做业务。今年整个P2P行业的动荡，其实对于我们自己来说，我们在讨论风控，也去说技术，其实本身就以P2P网贷业务为例，本身风控并不难，但是违约风险、流动性风险、操作风险、欺诈风险这四个核心风险，我们知道怎么做，这不是大的问题。但是宏观带来的其实非常难以预测的不管是从监管还是整个宏观这些方面，一定程度上也可以抵御。去年年底现金贷开始彻查的时候，很多机构判断说是两个赛道，拆他们对我们没有影响。但是当时我们内部做的判断不是这样，我们觉得现金贷的风波一定会蔓延到整个消费金融，因为中间资金是串联的，并不是完全不同的客群。
去年年底我们就收紧整个风控措施，也调整了整个业务的发展，动荡中业务还是很稳定的。什么时候我们感受到非常大的压力，当整个P2P市场，特别是在三四月份接连出现跑路和爆雷，那时候监管还没有明确的动作，那时候整个全市场的投资人恐慌，这种情绪不会分青红皂白的。任何一个企业在这里面，不管是12年做业务还是进来捣乱的，是不区分的。这种情况之下，其实对于整个行业就是灾难性的。您刚才说的话题，作为其中一家机构跟整个建构来说是怎样的关系，这事真的不是技术、数据、智能可以解决的，要发挥点人类智慧，一定要沟通。
马红漫：和行政部门沟通还是和投资人沟通？
张越：两方面都要，也要跟监管沟通。我个人不认为让监管特别理解业务是不现实的，公司里面的各层领导越往上都很难了解业务。但是不是因为困难就要停止这种沟通，所以对于宜信来说我们自己的经验，不遗余力沟通，哪怕一天、两天一两年看不到效果，也还是要做。第二，在行业关键问题上下功夫，一起解决。如果监管层面解决不了，行业自律解决，行业自律解决不了行政小的联盟解决，总有人跟你志同道合。第一个问题准入问题，一个金融行业没有准入门槛这是不可想象的，离钱这么近。第二，就网贷而言，资金成本问题，这是基础生产资料。后续你的风控，你的服务，你的体验都可以市场化解决，大家去凭本事。但是资金成本问题是可以让一批机构输在起跑线上的，这个东西抬上去，这一批机构只能聚焦在高风险，因为没有办法，定价门槛在这。这两个问题如果就网贷来说不解决，很难在长远给它一个健康发展的保证。这是一个例子，还可以有很多领域。这些问题跟监管、投资人都能沟通清楚，是一个非常漫长的努力。
李超：整个监管对行业变到健康有序的状况是有一个积极的促进作用，如果没有好的监管什么人都进来做的话，是很危险的一件事情，我自己对这方面也是感触有一定的切身感受。
我现在一直在腾讯云负责金融风控业务，给金融行业提供风险控制相关的服务。在今年年初的时候我们明显感觉到整个行业，其实起因是发现我们模型的结果有一定的变化，我们做研究发现整个行业在多头借贷把控严格很多。后来了解到在去年年底我们发了一个监管措施，叫做关于规范整顿现金贷业务的通知。当时最大的一点，对有效年化利率有很严格的控制，必须符合国家的规定。其实这就带来一个结果，当我们把年化利率控制，对坏账的容忍度变的更低了，逼迫所有的行业从业者必须要加强自己的风险控制系统，最后的结果是可以把这种多头借贷的门槛变的更高，做更多更严格的风险把控，保证行业有健康的发展。整个监管的措施，对整个行业其实是有一个正向的促进作用。我们企业怎么跟监管进行一个很好的共处呢，我觉得也是我们自身应该加强我们自己的风控系统，即使监管没有这方面的要求，有些地方没有到位，我们也要像张总说的这样提前做预判，该控的风险还是要控，这不只是在一些科技公司，包括一些传统的金融行业，我觉得也是要不断提升自己在风险控制的能力。早先做风控更多是以一种规则、策略模型的系统，现在我们自身的经验，我们自己在做自己腾讯自身内部风控业务可以明显感觉到人工智能可以将策略系统的性能提升一大截。我们也知道黑产现在已经开始利用人工智能的技术，作为我们业务方要提升自己的能力，开始构建新技术的风控系统。
张文斌：我觉得有效的监控在金融这个行业还是非常重要的，如何把监管做的更好，我觉得可以分三步。第一步，企业自身要把自己的风控做好，这就是技术驱动，用我们的人工智能技术、大数据技术去构建自己的风险防范系统，这样一个模型，把自己的业务做好。在这个基础上可以以技术为桥梁，去构建整个金融行业的合作生态，谁做的好可以把这个技术输出，让大家把风控都做的很好。比如说可以给我们比较大型的金融机构输出金融大脑，金融云这种一体化的平台方案。对于中小企业，其实我们也可以提供可以灵活组合的平台，比如说获客、大数据风控这种平台。最后监管科技也是非常重要的课题。金融的科技企业可以依据自己的数据、技术、平台优势去服务更多的监管机构。怎么做呢？从宏观上其实可以有金融脉搏，去帮监管机构把脉，金融地图。对于微观上其实也可以提供一些监管系统，还有我们金融机构的服务平台，从而更有效的帮助监管机构进行监管。度小满金融的多投风控的模型可以提30天发现风险，对风险预警起到很大的作用。
马红漫：第一轮讨论话题主要是，大家看到金融监管监管部门容忍的标准已经越来越清晰了，比如资金池、套利、期限错配等等。但是大家也都知道，包括我跟监管部门的负责人在聊，他们也知道，监管部门手里有一个所谓的白名单也有黑名单，到底什么标准，到底谁的名字他们永远不会对外说，他们知道有传说中的两个名单。我也知道监管部门希望和金融机构做更多的沟通，你们在风险防范方面有什么突破，可以从灰名单跳到白名单，沟通的渠道和机制还是有的。
马红漫：今天第二轮讨论就是如果我们整个监管的风向依然保持非常严厉的程度，而且继续严厉下去，目前没有看到任何松动的迹象。中国现在有两个调控没有看到松动的迹象，一个是房地产调控，第二个金融调控，也是非常严格的调控，目前为止都没有任何松动的迹象，大家必须要接受这个环境的话，人工智能和风险防控当中有没有突破的点，技术应用以后可以取得重大突破，监管部门在评判具体市场、产品、机构可以在风险等级当中做一些优化调整。您所在的机构，人工智能和风险防范方面有什么突破？
马红漫：要确定你的承诺与接受程度，有风险测试接受程度，一般坏人是快速点同意，正常人稍微看看犹豫下再点同意，这么几秒钟就是判断的标准。
余泉：我稍微在刚才问题上加一点，比如说有一个很大的业务，现在关心链和图谱关系新的算法在反欺诈里面非常有用的，因为坏人一定是团伙行为，很少是个体行为，不管是文本挖掘他们的通讯，还是资金交换都有很大的作用，人工智能还是占了非常大的作用。大家都谈自己的机构，我觉得网商银行，我们智能风控的特点，首先网商银行是蚂蚁金服和其他几个股东成立的，宗旨就是服务小微企业，特别特定的客群。从技术上我们这几年发展的量很大特点，智能风控很行，也不是一个独立的扔进去就是特别牛的机器，一定是一个场景、产品和风控加起来才能转得动的东西。如果我拿一个比较实的例子举一下，去年开始我们推支付宝推线下收钱码，收钱码在网商银行里面起的作用就是起了一个多收多贷的产品，买包子这样的小企业之前去银行贷款无抵押没有任何可以抵押的东西。但是现在有了支付数据，有了谁在那边买东西，还可以这些人有时候是用个人账户来收，我们识别哪些是经营性收入，哪些是熟人转账，还有刷单，都可以用机器学习的方法算出来，识别经营收入和经营稳定性。还有网络化和大数据的方式去把欺诈和坏人刷出来。在这样一种非常高风险和过去没有人服务的客群人，现在有两千万线下商户可以享受到服务，而且风险也是在非常低的水平，平均利率大概在10到14%之间，大家可以倒推风险成本一定不会很高。
李超：大家很关心人工智能到底有没有用，我给一个直接的数据。我们有很多合作的案例，我们刚才提到了这几年一直在干一件事情，把我们传统的策略系统升级到人工智能，我们看到在升级过程当中基本上我们的准确率都可以提升到20%到100%，甚至100%以上的结果，这是实实在在可以看到的准确率。
为什么有这样的提升呢？其实人工智能我们之前叫做机器学习，更多是以人开头，但是更多代表了机器。传统的策略其实是人总结出来这样的规律，真的是代表了人。人和机器有什么特点呢？人很擅长规模总结，很擅长给一个大的方向，人总结出来策略，大方向是对的，但是很难精确到精确的数字。但是机器可以比人处理更多的数据，然后在海量数据保证精确度，你给越多数据得到的结果越精确会越准确，这是人做不到的。这不是机器完全好于人的特点，另外一个特点机器可以快速迭代，因为所有的东西都是自动的，只要你计算能力足够，就可以自动更新模型。人和黑产不断进行对抗，黑产是分工非常专业，每个人只负责一小块，整天研究你做风控人的策略是怎样的，它不断更新技术，我们做风控的人也要不断更新。你想凭借一个人观察日志，总结新的规律，这个周期特别长。机器可以开发新的算法，自动更新自己的模型，迭代数据，就可以做到很快速的响应，这也是保证机器能够对策略系统相对来说有一个很明显的提升。同时机器给的东西是综合了很多的不同因素，很多数据不同出来的结果，不是简单一条比如最近三天借贷频率是多少。外表看起来是黑盒子，作为黑产很难猜出你的策略，难以绕过风控体系，相对来说也是更安全。整体来讲人工智能对于传统的策略系统有很大的人的体系有很大的提升，我们也是在全部AI化。
马红漫：刚才问的问题大数据一个很重要的规则就是不问因果，只问相关，刚才讲的标准也是相关性，不是严格的因果性。您现在做计算机算法可以看到计算机通过海量数据分析得出更多人没有判断出来的相关性吗？
李超：其实是可以的，比如有一些无监督的方式，很多策略并不是一定靠样本，因为你标定这个人有没有逾期和坏账需要很长时间，但是你用无监督的方式，找到异常，这个人跟其他人有很多不一样，可以更进一步分析这个人的行为，可以很容易找到之前没有看到的规律。
张文斌：我觉得人工智能技术可以应用到整个业务的方方面面，比如说信贷业务，贷前获客可以用，贷中审批授信以及贷后的监控和催收都可以用。我们获客是用人工智能的技术更好的对用户进行画像，从而更好的理解用户，以及用户的需求。这时候能够提供一个与它更加匹配的金融产品，这样用户的体验也好，我们的转化率也高。贷中构建了反欺诈模型，还有信用风险模型，结合大数据技术，除了传统的央行征信数据，我们还用百度的大数据，我们的风险区分度可以提升15%，还是很大的。在用户管理上，我们一方面是构建这种贷后模型，实时多维度分析用户的行为，从而知道它的异常行为。另一方面我们可以合理的调高调价，把风险控制的很低。人工智能技术其实刚刚教授也提了我们的语言识别、自然语言理解，我们也是以这些技术为基础，构建了智能机器人，现在在客服、催收还有电销有广泛应用。催收还不错，第一机器人没有情绪波动，不会胡乱说话。第二，话术很专业标准，减少客服的工作量，客诉少了。另外成本非常低，大概只有人工成本的1%，我们现在机器可以取代300多人催收员的工作。
马红漫：通过发短信还是打电话完成？
张文斌：打电话，用语音识别技术，比如说我们系统可以发现哪些人逾期，根据时间的长度，以及用户的画像，我们判断说它是忘记了还是真实的故意的去不还，我们有专门的话术，机器会打电话过去，根据语音识别的技术，自然语言处理的技术理解，可以形成完整的对话。
马红漫：接电话的对方可以感觉到是机器码？
张文斌：有的能感觉到，大部分还是效果不错。有一个数字，我们通过催收机器人催收。款额率提升了5%。
更多资讯，请关注公众号雷锋网AI金融评论
正在生成分享图...