人工智能，信贷江湖的搅局者

人工智能时代，不是借钱银行给不给，而是借钱你要不要的问题

一、长尾信贷突破传统金融理念束缚

传统金融机构以“二八理论”作为业务指导理念，主要服务于只占20%的人口总数（这一比例在现实中的中国更小）却拥有80%的社会财富的高净值人群。在传统金融机构眼中，中低净值人群是不值得花大精力去开展的瘦狗型业务。

但是随着中国中产阶级崛起，千禧一代正在逐步成为中国消费市场的主力，发展潜力巨大，“长尾理论”便开始慢慢渗入到金融机构的经营理念中，长尾信贷便是由此衍生的重要业务。

长尾信贷根据服务对象的不同可分为消费金融和小微金融。

消费金融指的是以消费为目的的信用贷款，一般指机构或企业为个人提供的、以消费为主要需求的小额贷款产品和金融服务，通常讨论的消费金融不包括住房和汽车等消费贷款。

小微金融是指专门向小型和微型企业提供小额度的可持续的金融产品和服务的活动。

二、人工智能助力消费金融持续稳定发展

2017年，互联网金融的发展史，从P2P时代进入消费金融时代。

消费金融面临的重难点主要为两方面：一是消费金融提供的是普惠服务，覆盖的人群更多的是游离在传统征信系统之外的；二是消费金融需要考虑用户体验，需要在短时间内，迅速作出判断。因此，消费金融对金融机构的要求比传统业务更高，但可凭借人工智能技术解决或进一步减少这两方面问题。

（一）人工智能助力形成自动化服务

由于消费金融服务的对象为数量基数大的个人消费者，因此在征信方面会有相当大的工作量，倘若依靠人工来完成，肯定会得不偿失，解决这一问题的最好方式便是利用大数据和人工智能实现规模效应，从而降低平均成本，实现利益最优化。

比如，蚂蚁金服的微贷业务便利用大数据+AI的方式，实现了整个信贷流程的无人值守的全自动化。

蚂蚁金服微贷流程模型

（二）人工智能助力提供个性化产品

每个人都有其不同于其他人的个性与偏好，那么能否为不同的消费群体提供不同的个性化产品是消费金融面对的一大挑战。

消费金融是基于场景消费的业务，那么提供个性化产品的关键就在于如何将不同的消费场景与不同的消费者联系起来，并不断发掘消费者可能感兴趣的消费场景。

人工智能中的语音识别、图像识别和机器学习等技术可对消费者的社交语音、文字和图片进行提炼，并将其与消费者的偏好建立起相应的联系，从而发现不同消费者的需求，并为其提供个性化产品。同时，在此基础上，人工智能也可不断挖掘出潜在的消费者偏好的消费场景。

（三）人工智能助力完善反欺诈系统

由于消费金融服务的对象大多是游离于传统征信系统之外的，所以对数量庞大的消费金融服务对象进行征信并建立反欺诈系统还处于初创初期，难度较大。

早在去年七月份，芝麻信用总经理胡滔在“第六届上海新金融年会暨第三届互联网金融外滩峰会”上曾透露，在为互联网金融企业提供服务中芝麻信用发现，消费金融、互联网金融公司的坏账损失超过50%来源于欺诈，身份冒用类欺诈占比最高，其次是团伙欺诈，其余的还有账户盗用、恶意违约等。某互联网消费信贷公司开展业务第一周竟在申请人群中发现70％的疑似团伙欺诈申请。

但随着这一年来人工智能技术的不断完善，消费金融机构的反欺诈系统已发生了质的飞跃。

京东金融CEO陈生强此前表示，“金融的本质是风险控制。目前大多数金融机构的风控是按照评分卡的方式来做的，而我们都是基于大数据和机器学习来做的。”

京东金融风险模型体系中有十多种不同的模型，包括识别虚假交易的商户模型，套现模型、催收模型、申请评分模型、行为评分、反欺诈模型。同时，一个模型在一定时期内会迭代，通过深度机器学习，将1000多个变量进行具体分析，让机器像人脑一样自动推断一些结论。只有持续不断迭代，才能持续有很强的风险管理能力。

而马上消费金融作为一家典型的金融科技公司，就利用大数据+人工智能的方式有效降低了公司信贷不良率。据银监会公开数据，目前消费金融行业不良率为4.11%，马上消费金融不良率仅有1.36%。

马上消费金融利用人工会智能和机器学习提升风控技术

三、人工智能助力完善小微金融征信体系

小微企业是我国国民经济最活跃的主体。根据国家工商总局数据，小微企业占全国企业总数的76.57%，若将个体工商户纳入统计，小微企业占比重达94.15%；小微企业所创造的价值占全国GDP的60%以上，承担了国家50%以上的税收，为70%的人口提供就业机会，并完成了65%的发明专利和80%以上的新产品开发。

但是，小微企业的资金缺口仍然较大，经济下行期更加剧了小微企业融资的困难程度，有相当多的中小微企业无法获得贷款。人民银行统计，截至2016年12月末，国内小微企业人民币贷款余额为20.84万亿元，占全部企业贷款余额的32.1%，虽然这一数据有所提高，但相对于小微企业工业总产值和提供就业岗位在全国的占比，仍然偏低很多。

小微企业贷款难的主要原因在于金融机构和投资者难以相信小微企业的能力和信用，根本原因则在于小微企业信用信息难以获取和难以分析两个方面。但如果借助人工智能，这两方面的问题都可以一一解决。

（一）人工智能助力获取企业信息

人工智能的发展是迅速的，尤其体现在两大领域：感知（perception）和认知(cognition)。在前一类中，最前沿的进展是语音识别和图像识别；第二类的主要进步是集中在认知和问题解决方向。

在感知领域中，如今的语音识别不仅速度快，而且准确率高：斯坦福大学计算机科学家JamesLanday和他的同事进行的一项研究发现，语音识别的速度大约是手机上打字速度的三倍；语音识别的错误率也已经在过去的一年中从8.5%下降到了4.9%。同时，图像识别的进展也也让人惊叹：Facebook和其他app现在已经能从我们上传的图片中识别出我们的朋友，并提示我们用他们的名字来标记他们；在我们的智能手机上运行的app可以识别任何野生鸟类和花；图像识别甚至取代了公司门禁卡。

Facebook的图像识别技术

因此，感知领域的人工智能技术已经成熟，可运用到获取小微企业经营者的相关信息和数据。通过识别公开网页中的语音和图片和经过授权后识别私人语音和图片，使小微企业经营者的信息以一种能被计算机识别的形式展现出来，这将有利于金融机构和投资对小微企业进行快速的、全面的、深入的信用分析。

（二）人工智能助力分析企业信息

第二类领域——认知领域，则可为分析小微企业信用信息提供前所未有的驱动力，因为人工智能已经体现了它前所未有的问题处理能力：机器已经打败了最优秀的(人类)扑克玩家和围棋选手——虽然原来专家们预测至少还要再过十年；谷歌的DeepMind团队利用机器学习系统使数据中心的冷却效率提升了15%；像Paypal这样注重网络安全的公司也正在用AI来检测恶意软件；由IBM技术支撑的系统使得新加坡一家保险公司的索赔过程进入了自动化。

谷歌数据中心

但在分析小微企业信用信息时，由于信息种类较多，必然会突然出现还未明确标准的数据，此时便可利用机器学习进行自主处理，同时，利用迁移学习与深度学习相结合的方式分析不同场景里的数据。

长尾信贷必然会是未来金融领域的一块大蛋糕，而能否尽快利用人工智能技术提高工作效率并降低平均成本将是决定能否抢到蛋糕和抢到的蛋糕大小的关键因素。

作者：刘涛，北大纵横人工智能研究院院长

来源：北大纵横