顾威：人工智能加速行业发展

1月27日，由中华全国工商业联合会指导、中国民营科技实业家协会、中国民协金融科技安全专委会主办的“中国民营科技创新峰会暨金融科技安全论坛”举行。本次论坛以“科技驱动安全、创新推动发展为主题”。

同盾科技副总裁顾威认为，我们谈到很多数据在人工智能模型的时候可能还是弱变量，还没有任何效果，包括我们说到著名的美国信用评分，通过评分可以分辨信用好坏。一旦金融危机来了之后，房价不再涨了，一旦工作不是那么安全了，可能还贷的问题就暴露出来了，它的评分用到了十几个变量，就能够完整预测。

人工智能会用到非常多的变量，成千上万的变量。现在因为移动互联网的发展有大量的数据，有了这些数据之后，这些变量的加工和计算，以前跟不上，现在算力的提升，使得这些大量变量的计算变成一种可能，以前没有这个基础，这种模型可能一年两年也做不出来，甚至几年也做不出来。现在不是这样了，现在很快就能够把这个模型做好，做好再部署也只是涉及到把这些变量再算一下。

以下为演讲全文

顾威：大家下午好，我分享一下人工智能在金融业发挥的作用，金融业重塑业态。刚才很多嘉宾谈到了金融科技这块，人工智能在这里边是其中的一大块，给金融行业赋能，将会发挥非常重要的作用。

现在已经到了新的阶段，甚至已经到了新的时代。前一段专家也在聊，互联网时代对于以前线下是一个跨时代的产物，人工智能又跨了一个时代，互联网时代包括移动互联网，2000年的时候不可能想象现在都用智能手机，真的是翻天覆地的变化，我们的衣食住行都带来很大变化。人工智能这个时代的到来，刚才说到衣食住行，我们的生活又有一遍的创新和改变，不一定能够看到，现在先开始尝试起来，目前我们也在金融行业领域和智能风控这块有一些踏踏实实的应用，也的确不是噱头。

为什么说现在到了这个时代，一个是现在有了大量的数据，因为移动互联网的发展有大量的数据，这些数据以前因为没有这些载体，另外有了这些数据之后，我们谈到很多数据在人工智能模型的时候可能是弱变量，还没有任何效果，包括我们说到著名的美国信用评分，通过评分可以分辨信用好坏。一旦金融危机来了之后，房价不再涨了，一旦工作不是那么安全了，可能还贷的问题就暴露出来了，它的评分用到了十几个变量，就能够完整预测。现在人工智能会用到非常多的变量，成千上万的变量，数据多了之后对这些变量的加工和计算，以前跟不上，现在算力的提升，使得这些大量变量的计算变成一种可能，而且不仅仅是开发的时候能够利用这些算力，所谓云计算，我们把这些东西开发出来，以前没有这个基础，这种模型可能一年两年也做不出来，甚至几年也做不出来。现在不是这样了，现在很快就能够把这个模型做好，做好再部署，也是涉及到把这些变量再算一下，计算的速度和效率是不是也能够满足需求，今天来讲的确到了这个时候。

另外我们这块也非常重视，从数据到算力最后说到人工智能，在金融领域用的比较好的智能模型应用，已经有了长足的发展，所以已经到了这个阶段了。李开复有一次演讲说到人工智能应用最好的领域就是金融，我们在智能风控、反欺诈包括智能催收还有客户维护管理，刚才也谈到以存量客户的盘活怎么样能够充分把客户价值挖掘出来。现在做互联网金融获客为王，获客成本也相当之高，花那么多成本把你C端客户引来之后，怎么能够服务好，能够让他们持续在你这个平台非常满意，能够使用你的金融产品，这个来讲是很核心竞争力的一个体系，这几方面的话我们都会用人工智能的模型。

很多同事讲到了SaaS，也就是云服务标准的称谓，我们因此做智能风控的，把智能风控集云服务的概念提出来了，作为这样一个标准的云端服务，提供这样智能的服务，这些包括什么，我可以给大家讲一下。

我们总部是在杭州，相对来讲是比较年轻的企业，四年多的时间，现在完成C轮融资，智能风控这个领域来讲发展还是不错的。智能分析即服务的平台，主要核心服务的内容，一个是信贷方面的反欺诈，还有信用评估，还有通过风险定价，包括后期帐户的管理、额度的调整。除了信贷，还有一大块是做互联网安全的，包括刚才谈到帐户，现在这种互联网帐户的概念，说它和金融是不是有关系，绑上了银行卡可能就是这个概念，即使不绑也有很大安全隐患，怎么保护互联网帐户的安全，防止它被攻破，是不是有虚假注册等等问题，我们也有这方面的风控服务。

结合信贷业务的流程，给大家简单介绍几个场景，怎么利用人工智能赋能信贷客户，包括银行，包括新金融公司，都会用到我们的服务，大概有七千多家客户。第一做客户价值的挖掘，第二做反欺诈、信用风控，第三做智能催收的方案。

从客户价值挖掘这块，一个是怎么能够让平台上的客户充分把他们的价值挖掘出来，很多客户可能是注册了，通过什么引流注册了，但是你给出金融产品的服务没有打动他，就没有用，这个就是没有价值的客户，但是已经把他引来了。第二我是借了一次贷款，也还上了，因为现在互联网金融的特别多，可能看别人给我的更好，它的利率包括服务更好，可能会用它的产品。对这个平台，客户流失了，怎么把这一部分盘活，我们有一些数据的模型，跨行业的数据把他们关联起来，某种程度上分析出来这些客户对于信贷产品需求的程度到底是高还是低，有可能是欺诈的嫌疑，包括信用的好坏，刚才说到模型的方式，首先脱敏然后做模型，通过一个评分衡量这个人成为你能够进一步发展他比如开发新产品还是能够接受你的信贷产品的一些兴趣，通过这个去给他们提供服务，这里边就有一个图，都是一些客户的表现，有一些随即做营销，还有做模型，还有通过规则来做，分不同的组，最后几个场景，一个是结清未续贷的客户，还有申请未支用的客户。

还有反欺诈和信用风控这块，主要是贷前反欺诈，申请的时候不知道是欺诈分子甚至欺诈团伙，这些带来的损失是最大的损失，从六个方面提供这样一个平台帮助我们核验身份，再往前一步，如果不是反欺诈，过了下一关看看信用的情况，信用到底是好还是坏，哪一款比较适合他，对于有些人来讲给他过多的额度，本来有能力还的，消费完了可能没有这个能力了，所以从这个角度来讲去衡量。我们相当于有互联网的模型，再结合传统的模型可以给客户提供全面的信用风控的服务。

说到风控模型，有很多类型，比如反欺诈模型，申请评分模型，催收评分模型等等，这些都是用人工智能新的模型，新的方式去开发的。有些金融机构以前有传统建模的能力，但是没有人工智能深度学习的能力，所以我们给他这样一种能力去提升。

这是深度学习其中一个算法，XGBOOST，分数比较高的，20分以上全拒绝，起码抓住96%的欺诈分子，效果还是相当不错的，用到了大量的变量，比如申请人夜间登陆的情况，这个变量都是很多数据交叉出来的建模。

再说一下催收这块，发现逾期的时候有智能催收产品，用到催收的模型是人工智能模型，从客户触达来讲，这个场景用到机器人催收，电话打过去是机器人会说某某先生在我们机构欠款多少，你什么时候上网，把这些信息捕捉下来，这是我们正在推广的一项服务。包括话术、拨打的时间、甚至配合短信的渠道都会体现把人工智能用到这个领域非常有效果。对于接听电话的声音进行录音，未来在这方面把人的声音包括图象，包括文本的分析结合起来做更深度的提取信息做出模型，通过声音就能识别是否有一些不良的历史。

最后简单讲，金融服务线上化，我们作为第三方数据服务公司，以后在这里能够发挥更多的作用，今天很高兴和在座各位同志们交流，希望有机会线下更深入的讨论，谢谢大家。