数据库 频道

蚁盾新一代风控引擎引入大模型技术 风控管理复杂度下降50%

  6 月 25 日,蚂蚁数科旗下蚁盾发布新一代融合AI风控引擎“AIR Engine(AI FUSE Risk Engine)”,在原有的决策式AI架构上通过引入生成式AI,进一步提升风控智能化水平。蚁盾CTO张凯隆介绍道,生成式AI具有“理解推理+自主决策”的能力及特性,“AIR”引擎借助生成式AI,大幅简化了原有需要专业算法工程师深度参与的操作流程,在风险管理复杂度综合降低50%的前提下,将风险对抗时效从天级别降低到了小时级,在部分业务场景下,仅需少量甚至无需人工介入即可完成,这直接缩短了从识别风险到实施风险布控策略的时间差。

  张凯隆现场演示了风控场景中智能风险管理、智能数据分析、智能报告生成的功能 Demo。通过生成式 AI 智能辅助,“AIR” 引擎自动化部署上线了一个风控模型;通过对企业的多维数据进行理解、分析和推理,在2分钟之内生成了一份数据分析报告,这将为企业快速决策和灵活应对市场变化提供实时支持。

  风控,是企业数字化转型及发展的关键。随着数字化不断发展和风险形态的不断变化,风险管理变得越来越复杂,挑战越来越高。在这个过程中,如何利用领先的数字化工具,动态、实时地监测风险并直接辅助于决策,是企业风控部署的首要考量。

  作为蚂蚁数科的安全风控品牌,蚁盾在近十年的探索中,逐步形成了以决策式AI技术驱动的风控产品,将过去靠专家经验分析风险的工作线上化、智能化。然而面对复杂多变的风险场景,以“分析、判定及预测”见长的决策式AI仍需要有专业的技术人员深度参与,对于企业尤其是中小企业来说,风险运营成本高且难以为继。

  自ChatGPT发布以来,生成式AI具备的深度理解和解决复杂问题的能力,为风控创新应用打开了想象空间。蚁盾“AIR”引擎探索将决策式AI与生成式AI进行深度融合,实现了风险运营模式从“人工+智能”到 “人工智能”的巨大转变。在数据处理阶段,“AIR”引擎通过人工指定数据源表,经过多次人机交互即可完成自动特征清洗及加工;建模阶段,引擎可基于选定的特征数据集及性能指标要求,进行自主算法选择并进行多轮迭代;在风险规则及策略部署阶段,风险策略布控工作可以交由AI接管,大幅降低因人工参与复杂操作可能带来的不确定性风险。

  “对于专业从事风控管理及运营的人员来说,理解复杂的风险管理诉求及快速布控是具有挑战性的,调整风险策略宛如调转一艘航空母舰。”张凯隆进一步介绍,AI持续对决策目标和决策结果进行更新和优化,提升了风控系统的适应力和智能化水平,降低了风险策略运营的复杂度,“有了生成式 AI 的加持,基础运营人员也能轻松驾驭复杂多变的风险场景。”据了解,在开放联合建模场景,“AIR” 引擎通过AI 对业务全流程进行智能辅助,将特征加工与建模效率均提升了40%。

  蚁盾目前在国内已服务了金融、大宗贸易、出行、电商等数十个行业的2000余家客户。“我们将秉持开放姿态,加速推动技术产品向成熟的商业化服务迭代”,张凯隆表示,“我们的愿景是,通过不断的技术创新,让每一家机构或企业,无论规模大小,都能拥有高效、专业、智能且可信赖的风控能力,让风险管理更简单,从容应对外部环境的不确定性,把握数字化转型的机遇。”

  据悉,为助力银行等机构具备对核心风控系统更加自主可控的能力,蚁盾将逐步把沉淀多年的核心风控技术或能力进行全面开放。“AIR”引擎将开放300多个APIs,支持全面定制化开发。此外,“AIR”引擎的核心框架将于今年 10 月份开源,以鼓励并支持开发者利用开源框架进行更深度的扩展开发,满足不同行业、不同场景下的特定风控需求。这种开放的模式,将促进风控技术的快速迭代与创新,推动整体行业的共同进步。

0
相关文章