江西
在金融数字化进程加速的背景下,风险控制能力已成为机构核心竞争力的关键组成部分。面对日益复杂多变的风险形态与海量异构的业务数据,传统依赖于单一规则或滞后分析的风控系统逐渐难以应对实战需求。对此,同盾科技依托自研垂类大模型技术,打造出系列基于场景特定应用的决策智能体(AI Agent),推动人工智能与风控业务场景深度融合,构建出具备多维感知、实时推理与闭环决策能力的“风控AI虚拟专家”,为信贷风控、反欺诈、合规监管等关键领域提供了新一代智能决策基础设施。
以信贷风险核查Agent为例,该智能体打破了传统单一规则或模型决策的局限,创新融合了大语言模型(LLM)、规则集、决策工具、机器学习小模型及知识图谱等多项技术,构建起一套立体化、智能化、可迭代的综合决策流系统,能够精准识别并打击冒用身份、资料造假、有组织代办等信用风险,广泛支撑类案风险匹配、团伙识别、决策报告研判等不同业务细分场景需求,极大拓展了复杂金融环境下的决策能力边界。
萃取风险特征:从“数据海洋”到“价值锚点”
在风险识别的最前端,信贷风险核查Agent对原始数据进行“热加工”,借助机器学习模式与图学习模式识别技术,从海量数据中精准提炼关键风险特征,凭借对关联交易、股权嵌套等场景的精准定义,将复杂的关联信息转化为可匹配、可分析的结构化子图,为模型推理提供高质量信号输入。通过将业务场景中沉淀的真实风险特征,如担保圈链密集、资金流向异常等提炼为明确的风险信号,再输入大模型,使其基于这些精准风险特征开展推理,显著降低了因模型“幻觉”导致的误判概率,提高决策的可靠性。
LLM智能评估:助力释放数据要素价值
针对图计算筛选出的高风险子图与关联实体,该智能体引入LLM技术,通过大模型与小模型的协同机制,强化对非结构化数据的分析能力。可深度解析地址信息、交易备注、舆情信息等非结构化文本数据,识别潜在关联与风险信号,并自动生成风险分析摘要,辅助人工复核决策。此外,该智能体还能根据风险类型自动调整LLM提示词,推动实现模型与业务场景的精准匹配,进一步提升智能评估的准确性与适应性。
构建关系图谱:从离散数据到关联知识网络
通过实时数据抽取与知识图谱构建技术,该智能体可以将离散的业务字段转化为关联化、可分析的知识网络,协助风控人员从申请人、证件、地址等多维度识别潜在关联风险,例如申请人与证件真实性核验、地址异常关联检测等,全面提升决策效率与精确度。与此同时,配置化模式能够让业务规则调整与新实体/关系扩展更加便捷,无需再依赖技术排期,即可快速响应业务变化,从而提升规则迭代与风险响应的敏捷性。
同盾科技通过AI Agent赋能风控能力升级,其价值不仅体现在技术层面的突破,通过多技术融合构建起立体化、多维度的决策流程,更在于推动了行业风控范式的转变:从过去依赖单一规则的经验型风控,升级为基于数据闭环、实时感知与主动预判的体系化动态对抗。
展望未来,随着大模型与真实业务场景的深度融合,同盾科技将继续推动风控体系向自适应、自进化、可解释的方向持续迭代。通过构建银、政、企多方联动的数字金融安全生态,不断拓展决策智能的技术边界,为全球金融生态的稳健发展注入科技力量。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
