張知博

摘 要：生成式人工智能（以下簡稱AIGC）技術(shù)有著廣泛的應(yīng)用前景，但目前尚未有針對其在金融信貸業(yè)務(wù)方面應(yīng)用的專門歸納和前瞻性研究。為此，文章結(jié)合金融行業(yè)經(jīng)驗，首先，以實用性為導(dǎo)向，整理出金融信貸行業(yè)主要業(yè)務(wù)板塊中存在的問題及AIGC技術(shù)可切入的角度和做法；其次，AIGC作為一項金融科技，在銳意革新的背后也存在不少的風險和挑戰(zhàn)；最后，提出相關(guān)應(yīng)對建議，以期對金融信貸行業(yè)合理合規(guī)落地AIGC技術(shù)有所啟示。

關(guān)鍵詞：AIGC；信貸行業(yè)；金融科技

中圖分類號：F832;F49文獻標識碼：A文章編號：1005-6432（2024）18-0190-05

DOI：10.13939/j.cnki.zgsc.2024.18.048

1 引言

隨著金融信貸行業(yè)數(shù)字化轉(zhuǎn)型的日益深入，金融科技關(guān)鍵技術(shù)應(yīng)用的落地不斷呈現(xiàn)新趨勢，AIGC成為炙手可熱的新應(yīng)用探索。信貸業(yè)務(wù)作為金融業(yè)服務(wù)實體經(jīng)濟的重要窗口，在行業(yè)機構(gòu)和科技企業(yè)的共同推動下，以及國家和監(jiān)管機構(gòu)的指導(dǎo)下，有望借助AIGC實現(xiàn)進一步高質(zhì)量發(fā)展。AIGC可以成為優(yōu)化金融信貸服務(wù)的抓手，推進我國“金融強國”之路。

2 AIGC助力金融信貸業(yè)務(wù)高質(zhì)量發(fā)展

2.1 AIGC成為金融信貸業(yè)務(wù)發(fā)展的新動能

AIGC是由AI技術(shù)整合數(shù)據(jù)和知識生產(chǎn)內(nèi)容的創(chuàng)作方式。區(qū)別于目前廣泛應(yīng)用于金融領(lǐng)域的數(shù)據(jù)和模型，側(cè)重識別、分類和預(yù)測等功能的分析式AI，生成式AI（AIGC）主要依靠“自然語言處理”“機器學(xué)習”“深度學(xué)習”等技術(shù)進行模仿、縫合和創(chuàng)新工作。AIGC結(jié)合分析式AI技術(shù)，可以實現(xiàn)AI在信貸領(lǐng)域的深層應(yīng)用，推動信貸業(yè)務(wù)的高質(zhì)量發(fā)展。

2.2 ?AIGC助力金融信貸業(yè)務(wù)發(fā)展的時機成熟

一是國家支持AIGC在相關(guān)領(lǐng)域的應(yīng)用。2023年7月，國家網(wǎng)信辦等七部門聯(lián)合頒布了《生成式人工智能服務(wù)管理暫行辦法》“ 鼓勵生成式人工智能技術(shù)在各行業(yè)、各領(lǐng)域的創(chuàng)新應(yīng)用，生成積極健康、向上向善的優(yōu)質(zhì)內(nèi)容，探索優(yōu)化應(yīng)用場景，構(gòu)建應(yīng)用生態(tài)體系?！?/p>

二是金融行業(yè)對AIGC健康發(fā)展的迫切需求。信貸行業(yè)客群基礎(chǔ)龐大，客戶數(shù)據(jù)龐雜，素質(zhì)參差不齊，給業(yè)務(wù)和服務(wù)帶來了很大的挑戰(zhàn)。在金融和信息技術(shù)普及之前，信貸業(yè)務(wù)主要集中在銀行業(yè)，對客戶資質(zhì)要求高、審核嚴、周期長，也催生了非法民間借貸等產(chǎn)業(yè)。近年來，隨著科技的發(fā)展與監(jiān)管機構(gòu)的介入，合法信貸業(yè)務(wù)開始更有效地滲入信貸“長尾客群”，特別是資產(chǎn)水平不高、資金周轉(zhuǎn)要求高的小微個體業(yè)主和普通消費者，在一定程度上助力了創(chuàng)業(yè)、促進了內(nèi)需。AIGC的深入應(yīng)用將繼續(xù)探索科技對信貸業(yè)務(wù)的促進，特別是人工介入較高的信貸產(chǎn)品推薦、客戶服務(wù)等環(huán)節(jié)。

三是從功能架構(gòu)上看，AIGC已具備應(yīng)用在金融信貸業(yè)務(wù)中的條件。AIGC主要的架構(gòu)層面包括基礎(chǔ)設(shè)施層面、模型層面、應(yīng)用層面三個。其中，基礎(chǔ)設(shè)施層面可為信貸行業(yè)提供數(shù)據(jù)、算力、計算平臺、模型開發(fā)訓(xùn)練平臺以及其他配套設(shè)施的供應(yīng)商和服務(wù)商，如數(shù)據(jù)提供商和標簽服務(wù)商（見表1）；模型層面主要為語言模型等應(yīng)用模型，目前國內(nèi)已有眾多公司開發(fā)；應(yīng)用層面可基于不同的需求直接生產(chǎn)可工作的內(nèi)容。具體應(yīng)用可以通過不同層級的功能搭建和定制使用。

3 基于實踐角度的AIGC信貸業(yè)務(wù)應(yīng)用場景分析

文章結(jié)合業(yè)務(wù)實踐，探討AIGC在金融信貸領(lǐng)域可應(yīng)用的主要場景和介入方式。所涉及的部分領(lǐng)域目前業(yè)內(nèi)還未進行AIGC應(yīng)用開發(fā)，文章僅從可行性方面進行探討，以期給予業(yè)內(nèi)啟示。

3.1 產(chǎn)品設(shè)計領(lǐng)域

金融信貸業(yè)務(wù)中常需要根據(jù)不同行業(yè)的合作方設(shè)計有針對性的合作產(chǎn)品，甚至同行不同企業(yè)的產(chǎn)品要求也會有所不同。如與互聯(lián)網(wǎng)運輸行業(yè)合作的“司機貸”，其額度、期限、利率就與一般企業(yè)貸、消費貸不同。而同樣是針對司機的貸款，提供給網(wǎng)約車司機和貨車司機的貸款產(chǎn)品也有所不同。各合作平臺規(guī)模、垂直行業(yè)特征所決定的用款周期、風險水平都會隨之變化。在產(chǎn)品設(shè)計中，信息收集、數(shù)據(jù)測算和產(chǎn)品評估都是痛難點。而AIGC獨特的腳本生成能力和泛場景化能力可以在以下兩個環(huán)節(jié)賦能信貸產(chǎn)品設(shè)計。

3.1.1 需求挖掘和設(shè)計

需求挖掘主要涉及業(yè)務(wù)發(fā)現(xiàn)和可行性報告的初步資料收集，如計算業(yè)務(wù)市場規(guī)模、盈利規(guī)模、生成合作企業(yè)情況、競品情況等，AIGC的介入可以幫助產(chǎn)品經(jīng)理節(jié)約大量檢索時間。

此外，AIGC對產(chǎn)品設(shè)計、定價等評估都有重大意義。在信貸新產(chǎn)品設(shè)計中，通常面臨大量非結(jié)構(gòu)化、半結(jié)構(gòu)化數(shù)據(jù)需要進行收集和處理的問題。AIGC可以很大程度上提高這類數(shù)據(jù)處理過程的效率，為產(chǎn)品設(shè)計提供經(jīng)過提煉、分析、總結(jié)的信息和數(shù)據(jù)參考。

3.1.2 文檔編寫和信息搜索

產(chǎn)品設(shè)計基本信息確定之后，基于產(chǎn)品的結(jié)構(gòu)化屬性和規(guī)范化流程，如產(chǎn)品報告、合同及消保條款撰寫，可通過AIGC快速生成對應(yīng)的文檔、圖像，簡化報告過程中較為煩瑣、重復(fù)的過程，加速產(chǎn)品從設(shè)計開發(fā)到上線的過程。在產(chǎn)品上線后，AIGC還可開啟對項目或產(chǎn)品的后評價參考工作，如對產(chǎn)品表現(xiàn)、輿情表現(xiàn)情況進行收集和總結(jié)，并形成相應(yīng)報告，給出下一步如“正常經(jīng)營”“收縮規(guī)模”“關(guān)?！钡冉ㄗh（見表2）。

3.2 營銷交互領(lǐng)域

目前，金融信貸營銷領(lǐng)域普遍存在的“不能在合適的時機將合適的產(chǎn)品，用合適的機制推薦給合適的客戶”的問題。AIGC的模仿、縫合和創(chuàng)新功能可以在營銷交互領(lǐng)域大展身手。

3.2.1 溝通獲客

通過AIGC介入獲客可有效地減少對客戶的打擾，緩解營銷交互中“在合適的時間給合適的客戶推薦產(chǎn)品”問題。目前，金融機構(gòu)信貸業(yè)務(wù)主動獲客方式依賴短信、App Push 推送、人工電話或自動語音電話批量撥打等，觸達效率較低。

AIGC的介入可以一定程度上實現(xiàn)智能獲客，可以聯(lián)合分析式AI通過判別模型和外部數(shù)據(jù)識別出實際有資金需求的客戶和近期可能有資金需求的客戶，并通過線上、電話等不同場景自動匹配相應(yīng)的營銷話術(shù)，甚至生成相應(yīng)的宣傳視頻、圖片、文案等，提高客戶營銷的觸達率和轉(zhuǎn)化率，同時減少對客戶不必要的打擾。目前，北美多家銀行就采用AI模型洞察客戶的財務(wù)需求和偏好，在正確的時間為客戶提供正確的產(chǎn)品。這類時機恰當，甚至是基于需求定制的產(chǎn)品，可以提高客戶的黏性，提高業(yè)務(wù)的整體效率。

3.2.2 匹配推薦

金融信貸產(chǎn)品的推薦和匹配主要針對客戶提交的需求進行，如客戶需要數(shù)百萬級別資金，線下業(yè)務(wù)員會匹配可提供相應(yīng)額度的金融機構(gòu)依次申請直至成功為止；線上則會通過本平臺申請、API轉(zhuǎn)平臺等方式推動用戶在多平臺借款。整體而言，借貸需求匹配時間長且不夠精準、存在反復(fù)試錯等情況。

在AIGC的幫助下，金融機構(gòu)可升級匹配體系，通過個人征信報告以及外部機構(gòu)，提取這些結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)文檔中的關(guān)鍵信息，用NLP（自然語言處理）快速處理反應(yīng)，并通過計算客戶目前的還貸比、預(yù)估后續(xù)流水收入情況，綜合借款額度意愿和還款能力、信用水平，為客戶推薦合適的信貸機構(gòu)方和信貸產(chǎn)品，解決信貸營銷交互中“給合適的客戶推薦合適的產(chǎn)品”問題。

3.2.3 智能營銷

目前，金融信貸機構(gòu)主流營銷模式是通過人為指定營銷策略，采用ABtest（通常為小范圍受邀人群和空白組）對照效果以決定是否擴大該營銷策略。AIGC的深度應(yīng)用將改進這一模式。AIGC營銷策略可包括營銷活動創(chuàng)建、人群圈選、內(nèi)容觸達、自動化運營策略配置、運營分析等模塊。運營總后臺可以快速完成內(nèi)容創(chuàng)作、文章撰寫、活動創(chuàng)作等，甚至自動化進行策略的理解和配置生成，從而更好、更快速地實現(xiàn)千人千面的營銷觸達。例如：AIGC可以通過計算和溝通快速了解客戶需求，通過預(yù)設(shè)目標完成用戶分類和試驗，并迭代試驗結(jié)果自動進行分發(fā)和成效分析，反饋給運營相關(guān)部門，快速提升現(xiàn)有營銷反應(yīng)速度和策略迭代有效性，解決“給合適的客戶提供合適的營銷策略”問題。

3.3 客戶服務(wù)領(lǐng)域

目前，智能客服普遍存在問題識別不夠精準、回答模式化等問題，導(dǎo)致客戶滿意度較低。隨著近年來金融機構(gòu)“降本增效”工作的開展，以銀行機構(gòu)為例，2020年后，人工客服從業(yè)數(shù)量年均降低約10%，加之智能客服的“不智能”，給客服系統(tǒng)帶來了較大壓力。而AIGC強大的學(xué)習、整合能力使其在信貸客服領(lǐng)域的作用備受期待。

3.3.1 升級智能客服系統(tǒng)

智能客服系統(tǒng)已經(jīng)成為目前金融信貸行業(yè)的標配。但信貸行業(yè)客戶，特別是長尾客戶，存在需求急、顧慮多、投訴猛等特點，而更多現(xiàn)有AI客服只能基于預(yù)設(shè)腳本實施任務(wù)，打著智能的旗號做機械化的工作，引發(fā)客戶的不滿。而通過AIGC的自然語言理解和生成技術(shù)，系統(tǒng)可以深度學(xué)習算法和進行大量的數(shù)據(jù)分析，自動生成相應(yīng)的解答和服務(wù)方案。特別是在信貸客服中，安撫和緩解客戶情緒是一項重要工作，AIGC可以通過情感分析技術(shù)，識別客戶的情緒狀態(tài)，生成相應(yīng)方案，提高服務(wù)的效果和滿意度。

目前，國內(nèi)AI服務(wù)領(lǐng)域公司在自然語言處理、機器學(xué)習、深度學(xué)習上的力度有所加強，已有多家銀行基于AI技術(shù)商服務(wù)，升級了智能客服業(yè)務(wù)，如寧波銀行和商湯科技聯(lián)合打造的 “AI數(shù)字服務(wù)中臺”，并配備了數(shù)字人員工“小寧”，能連接銀行的運營管理平臺，針對客戶不同需求進行解答、引導(dǎo)和智能分流。不少消費金融公司、互聯(lián)網(wǎng)金融平臺也在積極嘗試智能客服服務(wù)，目前已有多家自行或合作進行研發(fā)，但受限于精度問題尚未全方位宣布投產(chǎn)。

3.3.2 提升知識庫管理水平

AIGC核心的讀取與整合能力，可以幫助金融信貸行業(yè)機構(gòu)大幅提升知識庫管理水平，對于客戶服務(wù)工作甚至內(nèi)部產(chǎn)品、制度的管理都有啟發(fā)性作用。AIGC可通過整合行業(yè)問題和客戶咨訴問題，實時更新知識庫，方便內(nèi)部人員學(xué)習、把握市場和客戶動態(tài)，也能更好地迭代服務(wù)客戶。

另外，AIGC還可以成為內(nèi)部知識水平的監(jiān)測工具，它可以抽取題庫和優(yōu)秀通話等形成應(yīng)用場景，檢測、檢查員工特別是客服人員知識掌握水平、話術(shù)的合規(guī)性和應(yīng)答合理性，并對優(yōu)秀解答進行學(xué)習和推廣等。

3.3.3 豐富智能客服樣式

AIGC可以豐富客戶服務(wù)的場景和樣式，根據(jù)客戶喜好生成虛擬業(yè)務(wù)受理點和業(yè)務(wù)員。比如此前摩根大通的數(shù)字資產(chǎn)平臺Onyx開通的虛擬大堂，可以觀看對加密貨幣的相關(guān)演示。韓國國民銀行可以通過頭戴式VR訪問銀行業(yè)務(wù)。但彼時AIGC技術(shù)成熟度不高，這些新服務(wù)形式對訪問設(shè)備要求較高。就現(xiàn)今情況來看，信貸機構(gòu)可以通過手機、電腦等日常設(shè)備，合規(guī)地設(shè)置虛擬大堂和服務(wù)人員，根據(jù)客戶標簽或溝通生成客戶偏好的營業(yè)廳風格和服務(wù)人員風格，在為客戶推薦產(chǎn)品、辦理業(yè)務(wù)、解決問題的同時，提高客戶服務(wù)過程中的趣味性和滿意度。

3.4 風險及反欺詐領(lǐng)域

3.4.1 提升風險評估效率

風險識別與控制是信貸業(yè)務(wù)核心工作之一。AIGC技術(shù)可以根據(jù)客戶過往信息和數(shù)據(jù)，通過問答溝通，核實借款目的的真實性和必要性，以及驗證客戶所提交信息等，并快速出具信用評估報告和數(shù)據(jù)，為風險準入結(jié)論提供參考，其溝通和數(shù)據(jù)獲取能力可以提升風險管理的效率。而其對于個人、企業(yè)信息的抓取、核實、判斷可以節(jié)約部分實地盡職調(diào)查的時間，對于線下審核類型中的大額貸款，將有效率和質(zhì)量上的顯著提升。特別是針對線下普惠、小微類型貸款，財務(wù)情況較為簡單的，可以考慮參考AIGC報告進行核實，避免煩瑣流程和報告消耗大量時間。對于中大額度企業(yè)貸款，機構(gòu)仍應(yīng)保持審慎態(tài)度對待。

3.4.2 反欺詐能力的提升

金融反欺詐模型主要是通過數(shù)據(jù)采集手段，對風險事件或可疑行為進行監(jiān)測與分析，并根據(jù)相應(yīng)的計量標準和規(guī)則模型，實施預(yù)警或干預(yù)等措施。當今欺詐手段不斷翻新，挑戰(zhàn)民眾辨識水平的同時，也在考驗金融機構(gòu)的能力和重視度。信貸機構(gòu)不應(yīng)放過任何一個可以提升反欺詐水平的機會，努力保障資金安全和客戶安全。在反欺詐領(lǐng)域，AIGC可以通過“對抗網(wǎng)絡(luò)”（GAN）和“自然語言生成”（NLG）學(xué)習歷史大數(shù)據(jù)、文本，通過模型訓(xùn)練和結(jié)果預(yù)測，生成可迭代、學(xué)習的規(guī)則，提高模型的準確性和可用性。一旦客戶有頻繁或可疑的交易觸發(fā)欺詐警戒，信貸機構(gòu)可以立即采取停止交易、凍結(jié)錢款、要求立即清還等行動制止、減輕損失。

4 AIGC面臨的主要挑戰(zhàn)及風險

AIGC技術(shù)給金融信貸行業(yè)發(fā)展帶來了新的可能，但從業(yè)者對科技的更新迭代懷有敬意的同時，也應(yīng)該認真思考其背后的風險和挑戰(zhàn)，更科學(xué)地應(yīng)對挑戰(zhàn)、應(yīng)用技術(shù)。

4.1 AIGC主要挑戰(zhàn)

盡管AIGC在諸多場景下展現(xiàn)了強大的能力和實用性，但其所帶來的挑戰(zhàn)卻不容忽視。具體如下四個方面：

一是金融信貸行業(yè)因技術(shù)原因產(chǎn)生的數(shù)據(jù)泄露和隱私保護問題，如AIGC在收集、儲存、處理海量數(shù)據(jù)和文本過程中，未經(jīng)授權(quán)訪問數(shù)據(jù)庫，以及操作不當導(dǎo)致數(shù)據(jù)和信息泄露、丟失等安全事故。

二是涉及算法偏見問題，即在算法訓(xùn)練過程中就引入了有歧視性的規(guī)則，導(dǎo)致結(jié)果出現(xiàn)偏差。如在算法訓(xùn)練時偏重于認可質(zhì)優(yōu)抵押品，從而在業(yè)務(wù)結(jié)果上偏重優(yōu)秀大中企業(yè)的貸款業(yè)務(wù)，減少了對小微企業(yè)、重點行業(yè)的支持，不利于行業(yè)發(fā)展和對實體經(jīng)濟的幫扶。

三是存在算法缺少透明度和解釋性的問題，非自行研發(fā)的AIGC模型對于應(yīng)用機構(gòu)而言屬于黑盒模型，缺乏解釋性和透明度，容易引發(fā)質(zhì)疑；四是AIGC作為金融科技系統(tǒng)，也有可能因漏洞受到攻擊，而一旦被攻擊者利用，對于該系統(tǒng)和使用機構(gòu)都將是嚴重的影響。

4.2 AIGC主要風險

AIGC涉及的主要風險有法律風險、倫理風險和意識形態(tài)風險等。其中，法律風險主要包括技術(shù)風險中因數(shù)據(jù)隱私、安全等引發(fā)的法律責任，版權(quán)歸屬問題、利益歸屬問題等。目前國內(nèi)已有零星判例認定AIGC作者享有版權(quán)、AIGC材料圖當事人享有肖像權(quán)等，但相關(guān)版權(quán)方面的法規(guī)還不完善，需要進一步的法律研究和立法完善；倫理風險主要涉及AIGC成果的道德和倫理可接受性，如涉及性別、地域、外貌歧視、釣魚活動、虛假傳播等問題；意識形態(tài)風險主要是由于AIGC立場不受控制，會成為不正確價值觀和意識的宣傳工具，對使用者做出不正確的引導(dǎo)。

5 應(yīng)對建議

AIGC所產(chǎn)生的諸多問題，需要多領(lǐng)域多主體的協(xié)同治理完成，包括但不限于政府、行業(yè)、用戶、媒體等，共同厘清邊界和使用場景，明確多方主體的責任。

5.1 政府視角：適當引導(dǎo)+加強監(jiān)管

從政府監(jiān)管角度，應(yīng)牽頭制定相關(guān)的法律法規(guī)，鼓勵創(chuàng)新和發(fā)展的同時，指定監(jiān)管機構(gòu)監(jiān)督AIGC使用的合法合規(guī)性。近年來，我國發(fā)布了多項有關(guān)AIGC的政策，其中2023年8月的相關(guān)管理辦法是全球首部AIGC領(lǐng)域的監(jiān)管法規(guī)，奠定了我國對于AIGC包容審慎、分級分類監(jiān)管的基調(diào)，也對研發(fā)、數(shù)據(jù)使用、提供服務(wù)、用戶應(yīng)用等層面進行了較為細致的規(guī)范，可見國家對AIGC風險的重視程度。隨著AIGC的創(chuàng)新和應(yīng)用逐步加深，將有更多的機遇和挑戰(zhàn)等待使用者，也需要國家層面有更多的規(guī)范和指導(dǎo)，繼續(xù)厘清使用邊界，堅定金融科技創(chuàng)新的信心。

5.2 行業(yè)視角：自治自律+風險分散

從行業(yè)角度，可以考慮成立行業(yè)自治組織，制定業(yè)內(nèi)的AIGC使用參考標準和倫理建議，并通過合作生成實踐參考案例，輸出可靠的科技金融經(jīng)驗；從信貸機構(gòu)內(nèi)部角度，主要通過自律來實現(xiàn)，可以在合規(guī)、內(nèi)審等部門增設(shè)相關(guān)技術(shù)檢查、功能審批崗位，加強內(nèi)部自律和檢查。另外，信貸機構(gòu)還可通過采購技術(shù)先進、聲譽較好的功能模塊供應(yīng)商、外部非核心業(yè)務(wù)等方式分散一部分風險。

5.3 大眾視角：參與監(jiān)督+更新知識

大眾視角主要有廣大媒體和用戶，可以積極參與到建議和監(jiān)督工作中。同時，政府和行業(yè)也應(yīng)使其反饋的意見和建議可以有機會被納入系統(tǒng)和功能的改進中；其監(jiān)督和質(zhì)疑應(yīng)當?shù)玫接行У幕貞?yīng)，確實有違規(guī)可能的，監(jiān)管機構(gòu)對介入的涉事機構(gòu)應(yīng)進行整改。另外，大眾也可以通過多種渠道，了解AIGC使用邊界以及發(fā)生侵權(quán)、越界等情況