在近日举办的“第十八届金融年会·21世纪金融发展（丽泽）年会”上，21世纪经济报道联合腾讯安全、腾讯云发布《迈入模型对抗时代——2023年商业银行风控趋势调研报告》（下称《报告》）,通过调研百余家银行机构以及十余位银行CRO(首席风险官)闭门研讨，呈现当前银行机构风控趋势的最新进展与主要挑战。

  《报告》发现，受内外部多重因素影响，银行风控策略正在从高度依赖专家经验与历史数据的“策略对抗”，转向基于机器学习、人工智能开展动态风控管理的“模型对抗”。同时，80%以上的受访银行看好大模型落地风控场景，并认为大模型是风控体系转型升级的有效技术和工具。

  银行风控迈入“模型对抗”时代

  《报告》显示，逾55%的受访银行机构认为，鉴于中国经济基本面持续复苏增长激发民众消费需求，加之国家相关部门要求银行机构做好普惠金融这篇“大文章”, 当前一大经营策略仍聚焦获取新客户并助推自身零售金融业务持续增长。

  但与此同时，逾53%受访银行机构人员认为未来零售信贷业务不良率将逐渐上升，因而采取相对审慎的态度。

  针对这种状况，多数受访银行机构的风控策略变革升级正“迫在眉睫”，但以往的传统风控策略普遍存在用“过去”预测“未来”参考价值大幅降低、单点防御失效、通用型风控策略失效等痛点。

  因此，受访银行普遍在风控策略变革方面正形成“新共识”——即风控策略正从传统的“策略对抗”,进入以“模型对抗”为主的新时代。原因是以往，银行机构的风控策略主要基于静态模型+动态策略，并通过不断增补完善风控规则应对外部变化。但现在，客群变化加快、黑产加速利用Al等新形势下，在调整风控策略的基础上，还要强化风控模型的迭代优化。

  推进“模型对抗”的两大痛点与三大路径

  在构建“模型对抗”风控体系过程，多数银行也发现建模慢、样本少正成为制约他们加快推进风控策略变革升级的两大掣肘。对此多数受访银行机构普遍采取三大措施推进“模型对抗”风控体系搭建，分别是加强基于行内数据的定制化风控模型研发，加快风控模型迭代步伐，缩小风控模型迭代周期，加强各类数据采集处理能力，进一步完善风控模型“定制化”与“模型对抗”能力。

  《报告》通过广泛采访发现，风控迭代速度慢、海量数据采集处理烦、定制化风控建模难依然制约银行机构向“模型对抗”风控体系迈进。

  针对这些挑战，逾半数受访银行倾向引入“第三方技术”与“合作开发”破局，构建“模型对抗” 风控策略。他们特别看中第三方风控科技平台的辅助决策支持(分析加工数据形成产品的产品，按次查询收费)、决策工具支持(提供处理风控流程 的软件工具产品)以及专家服务等三大能力。

  AI大模型为风控提供全新动力

  值得注意的是，随着AI大模型技术的兴起，逾80%受访银行高度看好Al大模型与风控场景的“结合”。其中，44.7%受访银行机构认为“大模型技术是Al技术高度成熟的表现，能显著改变银行风控模式和效率”,43.3%受访银行认为“大模型技术与目前已应用在风控场景的Al技术有一定提升，可以提升风控效率”。

  与此对应的是，55.39%受访银行机构已经“积极拥抱大模型，并有探索尝试”、30.22%受访银行机构选择“保持观望、但时刻关注等待最佳实践案例出现”。

  腾讯安全副总裁周斌在会上表示，AI大模型的智能涌现，让风控“动”起来变得更便捷。大模型在金融风控场景的落地将受发展驱动、攻防驱动、科技驱动三大因素的影响，“以科技驱动为例，大模型具备的海量风控知识和高度模块化的AI能力，能让中小银行或者金融机构，拥有和头部大行一个水平梯度的风控科技能力，甚至是抹平大行和中小行的科技差距”。

  目前，领先的金融机构正在积极拥抱风控大模型升级风控能力。

  金融行业作为天然的数据密集型行业，又是人工智能应用最早和最普遍的行业，是观察大模型落地的重要场景。腾讯安全副总裁周斌表示，在风控场景之外，大模型在数据治理、获客推广、网络安全等领域都有着巨大潜力，金融机构内部亟待在内部形成大模型的良性生态，构筑企业数字资产强韧的安全免疫力。