小盾未来CEO耿心伟：AI正在重写金融风控的底层逻辑
从“被动防御”到“主动感知”,从专家经验到可复制的智能能力——在小盾未来 CEO 耿心伟看来,AI 正在改写金融风控的底层逻辑:这不是一次技术升级,而是一次决策范式的根本性迁移。
过去几年,AI 在金融风控领域的应用,经历了一个从“辅助工具”到“决策核心"”的转变。这场转变究竟走到了哪一步?下一步又会去向何方?
浙江小盾未来科技有限公司(“小盾未来”) CEO 耿心伟的判断是:这个行业正在经历的,不只是一次技术升级,而是一次决策范式的根本性迁移。
从“被动防御”到“主动感知”
“金融风控的核心逻辑,过去是‘事后发现 + 人工处置’。”他开门见山,“我们设定规则,监控交易,发现异常后再由人去核实和处理。这是一个被动防御的体系,它的速度和覆盖面,天然受限于人力和规则的边界。”
而 AI 带来的最本质的改变,在他看来,是将这个逻辑颠倒了过来——从"被动防御"转向"主动感知"。系统不再只是等待异常发生再去响应,而是通过持续学习海量数据,形成对"正常"和"异常"的深刻理解,从而在风险萌芽的阶段就发出预警,甚至在多数场景下自主完成决策和处置。
"这个转变的意义,不仅仅是效率的提升。"他说,"它意味着金融机构第一次有可能实现'实时、全量、智能'的风险管理。过去因为成本和技术限制只能抽样检查的交易,现在可以全部纳入监控;过去需要几天才能完成的调查,现在可以在几分钟内给出结论。"
"AI 还在改变'风险决策权'的归属。过去,决策权掌握在少数资深专家手中;而现在,这些经验正在被模型化、产品化,变成一种可以被任何机构调用的能力。"
在他看来,这正在重塑整个行业的竞争格局。
填平鸿沟,而不是加深它
有一种流行的观点认为,AI 可能会拉大大型机构和小型机构之间的差距。对此,耿心伟给出了相反的判断——AI 是缩小"风控鸿沟"的最大变量,而不是拉大它的推手。
理由很简单:技术的本质是"可复制性"。一项新技术一旦被验证有效,它的边际复制成本就会急剧下降,AI 尤其如此。过去,一家头部机构之所以在风控上领先,是因为它雇佣了最好的专家团队,积累了最多的历史数据,建立了最完善的规则体系。这些优势是有排他性的——你很难把头部大行的风控专家,借给一家地方农商行使用。
但 AI 改变了这一点。当一个风控模型被训练出来后,它可以被无限复制和部署。一家中小型银行不需要自己养一支AI 团队,只需要接入一个成熟的服务平台,就能获得与大机构同等水平的决策能力。他进一步举例:零售信贷的互联网化,已经证明技术可以改变金融的决策;对公信贷的 AI 化,将证明技术同样可以改变中小型企业以及对公贷款的决策智能。
"当然,前提是这个平台本身要有足够强的能力和足够多的数据积累。"他补充道,"如果市场上没有这样的公共服务存在,那么 AI 确实可能加剧马太效应——强者愈强,弱者愈弱。"
这正是小盾未来想要扮演的角色。"我们把自己定位为风控能力的'公共基础设施'——把服务头部客户过程中积累的经验、数据和模型沉淀到平台上,以灵活的方式开放给各种规模的金融机构。中小金融机构、非银金融机构也可以通过Agent 进行过渡,最终形成自身的智能风控能力。"他为这个定位补了一句注脚:让任何一家机构,无论大小、无论身处哪个市场,都能以合理的成本获得世界级的风险决策能力。
"AI 本身是中性的,关键在于我们如何用它。"他说,"我们选择用它来填平鸿沟,而不是加深它。"
不同起跑线,同一个方向
落到客户层面,不同类型的机构确实处在不同的起跑线上,但在耿心伟看来,他们奔向的方向是一致的。
他先谈头部金融机构:有自己的数据科学家团队、成熟的风控体系和多年积累的历史数据,对 AI 的诉求不是"从 0 到1",而是"从好到更好"。挑战在于如何将 AI 能力无缝嵌入已有的复杂系统,以及如何在保持合规的前提下最大化发挥 AI 的价值。这一类客户收获的价值,更多体现在决策精度的进一步提升、运营成本的持续优化,以及应对新型欺诈手段的反应速度上。
"大数据风控、AI 风控由数据、算法和算力三个要素构成。"他把镜头转向另一端。中小型金融机构往往没有足够的数据积累,也没有庞大的技术团队。对他们来说,AI 带来的最大价值是"跨越式发展"——不需要走完大机构走过的所有弯路,可以直接站在巨人的肩膀上。而他们收获的价值往往是颠覆性的——从"做不到"到"做得到",从"不敢做"到"敢尝试"。
"虽然起点不同、挑战各异,但 AI 带给所有类型客户的共同价值是:让风险决策变得更快速、更精准、更普惠。"他总结道。头部机构获得了"更快的速度",中小机构获得了"更高的起点"。
"主动智能"还需要三到五年
对于业界热议的"主动智能"——系统不仅能识别风险,还能提前预判并自主阻断。耿心伟给出了一个明确的时间判断:距离真正落地,大概还需要三到五年。
"在一些高频、高确定性的场景中——比如信用卡盗刷、账户接管等——我们的系统已经可以实现'交易前拦截'。"他举例说,"在风险交易完成之前,系统就已经判定它是可疑的并阻止了它。这在某种意义上,已经是一种'主动智能'。"
但真正的"主动智能",在他看来应该体现在两个层面:一是在风险尚未形成交易行为之前,就通过行为序列、环境信号、关联图谱等信息,预判出某个用户或某个账户存在潜在风险,并提前采取措施。这需要的不仅是模式识别能力,更是一种因果推断能力,理解"什么行为可能导致什么风险",而不仅仅是"什么行为看起来像风险";二是决策智能体现在决策之中,从放款额度、风险定价、还款方式等核心要素方面,充分、均衡地考量客户需求、业务发展和风险管控,从而实现合理的 ROI(投资回报率)。
要实现这个目标,他认为三个条件缺一不可:
第一是数据的广度和质量。主动智能需要更多的前置信号,包括设备信息、网络环境、行为习惯、生物特征等。数据越丰富,预判就越准确。
第二是算法的因果推理能力。当前的 AI 主要擅长相关性分析,但主动智能需要更强的因果推理——知道"如果 A 发生,那么 B 有多大概率会发生"。这是目前学术界和工业界都在攻坚的方向。
第三是监管框架的适应性。主动智能意味着机器在做越来越多的决策,这对现有的监管逻辑提出了挑战。如何确保AI 决策的可解释性、公平性和可问责性,是监管机构和行业需要共同解决的问题。
"技术上我们已经在路上,但要让'主动智能'真正成为行业标配,还需要数据生态和监管环境的同步演进。"他说,"这不是一条容易的路,但方向是确定的。"
扎根金融,有序外溢
小盾未来的核心能力是"决策智能"。这项能力能否走出金融领域?耿心伟的回答是:会的,但会以审慎和有节奏的方式进行。
"金融是我们的大本营,也是决策智能要求最高的领域。"在他看来,在这里打磨出来的能力——实时决策、大规模数据处理、复杂风险建模、可解释 AI——天然具有跨行业应用的潜力。交通领域的违章识别和信用评分、政务领域的审批风控和异常监测、安全领域的威胁研判和应急响应,本质上都是在做同一件事:在不确定的信息环境中做出最优决策。
"世界离不开决策智能,但我们不会急于扩张。我们的策略是'扎根金融,有序外溢'。"他解释道,在确保金融主业持续领先的前提下,公司会选择一到两个有协同效应的相邻行业进行探索——追求的不是广度,而是在每个进入的领域都能做到最好。
谈到规划公司战略边界的核心原则,他概括为三点:第一,能力匹配,只进入那些核心能力能够产生显著差异化价值的领域,如果不能比现有玩家做得明显更好,就不进入;第二,业务合规,合规是生命线,任何新领域的拓展都必须建立在严格的合规框架之上;第三,生态共赢,希望通过开放平台和生态合作,与各行各业的伙伴一起服务好最终客户。
谈到对小盾未来的期待,他想了想,给出了这样的回答:
"我希望小盾未来成为全球最值得信赖的决策智能伙伴。不是最大,不是最赚钱,而是最值得信赖——客户可以放心地把最重要的决策交给我们,伙伴可以放心地和我们一起开拓新市场。"
从被动防御到主动感知,从专家经验到可复制的智能能力,这场决策范式的迁移才刚刚开始。而身处其中的企业,需要的不仅是技术,更是对方向的清醒判断。