“現(xiàn)在人工智能估值很高，我們想投都投不起。”一位互聯(lián)網(wǎng)消費金融機構(gòu)負責人感慨說，此前他們打算參股投資一家基于人工智能提升風控效率的機構(gòu)，一問估值嚇了一跳，比他們整個平臺的估值還高出不少。
如今，他更慶幸自己當初沒有投資。
究其原因，人工智能的迅速崛起，難免導致行業(yè)良莠不齊——尤其是人工智能在互聯(lián)網(wǎng)消費金融領域的“偽應用”日益增多，比如一家人臉識別機構(gòu)宣稱可以為消費金融平臺開展遠程面簽，人臉識別成功率超過90%，但不少平臺測試后發(fā)現(xiàn)，借款人所處場景的燈光角度對人臉識別準確性產(chǎn)生不小沖擊，導致平臺只能重新采取線下面簽方式評估借款人是否存在欺詐行為。
記者也注意到，在美國股權(quán)投資機構(gòu)也開始對人工智能在消費金融領域的“偽應用”日益警惕。尤其是一些標榜“人工智能”的美國消費金融機構(gòu)，其風控核心仍然是基于采取人工經(jīng)驗判斷，對借款人貸款風險進行評估。此外，不少宣稱圖像識別、語言識別準確度極高的消費金融平臺，并沒有因此有效降低運營成本提升運營效率。
“偽應用”悄然興起
在這位大型消費金融機構(gòu)首席技術(shù)官看來，人工智能在互聯(lián)網(wǎng)消費金融領域的應用，主要集中在獲客、客服、風控、催收等環(huán)節(jié)。
比如在風控環(huán)節(jié)，人工智能通過大數(shù)據(jù)分析與機器深度學習，不斷優(yōu)化風控效率降低壞賬率同時，還能給予借款人更精確的風險定價；在催收環(huán)節(jié)，人工智能可以針對不同資產(chǎn)、職業(yè)、年齡的逾期借款人設定個性化的催收還款方案，在合適的時間給借款人發(fā)出催款信息，既能顧及借款人面子又能提醒他們盡早還款，提高催收效率；在獲客環(huán)節(jié)，基于人工智能的人臉識別、語音識別技術(shù)可以協(xié)助平臺完成遠程面簽，降低線下人工運營成本。
“不過，人工智能是否很好兌現(xiàn)這些預期，的確存在不小的挑戰(zhàn)。”他直言。
多位互聯(lián)網(wǎng)消費金融機構(gòu)負責人向記者直言，他們都曾遭遇人工智能偽應用現(xiàn)象，比較常見的是人工智能機構(gòu)抓住平臺擔心暴力催收的“心理”，推薦基于人工智能的催收模式，宣稱能大幅縮減催收團隊人數(shù)。
“但它的實際應用效果不夠理想。”一位消費金融平臺負責人告訴記者。后來他了解到，這家機構(gòu)是照搬美國的人工智能催收技術(shù)，但中美兩國消費金融環(huán)境截然不同——美國有著成熟的個人征信體系，借款人違約就會被列入黑名單，導致日常生活、旅游舉步維艱；中國個人征信體系不夠完善，導致欺詐型借款人增多，加之違約成本較低，美國的人工智能催收模式未必適合中國國情。
“其實，國內(nèi)消費金融領域還存在很多黑中介，他們針對一些人工智能的面簽、風控流程，會專門制作培訓教材教導借款人如何通過風控審核，若消費金融平臺完全依賴人工智能風控技術(shù)，很可能會遭遇大量壞賬。”他進一步指出。事實上，國內(nèi)不少標榜人工智能的風控模型，其核心風控評估標準依然是借款人是否擁有人民銀行征信記錄，芝麻信用分是否超過660分，難以凸顯其對風控效率的提升作用。
在上述大型消費金融機構(gòu)首席技術(shù)官看來，人工智能要在互聯(lián)網(wǎng)消費金融領域發(fā)揮作用，需要三大條件，一是海量大數(shù)據(jù)，包括借款人社交、以往消費行為、職業(yè)、社會繳金記錄、婚姻狀況、年齡等，并且平臺能夠從中找出有價值的數(shù)據(jù)，作為評估借款人還款意愿與還款能力的重要依據(jù)；二是平臺需要擁有一個合適的風控模型，與這些數(shù)據(jù)相匹配并通過大數(shù)據(jù)分析不斷優(yōu)化風控、獲客、催收、客服效率；三是平臺要有足夠多的專業(yè)人才，對人工智能技術(shù)不斷完善，確保整個業(yè)務趕得上市場變化。
在業(yè)內(nèi)人士看來，服務互聯(lián)網(wǎng)消費金融領域的人工智能機構(gòu)之所以能獲得很高估值，另一個重要原因是不少消費金融平臺對人工智能的機器深度學習抱有相當高的期望值。
不少機構(gòu)甚至認為，盡管很多人工智能技術(shù)現(xiàn)在看起來算是偽應用，但隨著機器深度學習能力的不斷增強，有朝一日它或許能大幅提升平臺的運作效率，成為平臺的新核心競爭力。
“不過，機器深度學習有時也會起到雙刃劍作用。”這位大型消費金融機構(gòu)首席技術(shù)官指出，比如在智能風控領域，機器深度學習得出的風控結(jié)論，往往是難以解釋的。
上述消費金融平臺負責人對此也感同深受。此前他們專門為小微企業(yè)主研發(fā)了一款線下消費信貸產(chǎn)品，當時產(chǎn)品研發(fā)團隊認為有房有車的小微企業(yè)主還款風險不高。但人工智能風控模型得出截然相反的結(jié)論——沒有房產(chǎn)的小微企業(yè)主壞賬率會低于有房產(chǎn)的。
“起初我們也想不通為何會有這樣結(jié)論。”他回憶說，后來大家多方討論認為，人工智能的邏輯是不少小微企業(yè)主喜歡拿房產(chǎn)去不同機構(gòu)重復借款，導致壞賬風險驟增。不過，人工智能風控模型通過哪些風險因子與借款人數(shù)據(jù)得出這樣的觀點，他們至今都沒搞明白。
“深度學習還可能存在過度彌合問題。”這位大型消費金融機構(gòu)首席技術(shù)官透露，比如不同借款人是否有公積金繳款記錄，以及不同借款人在京東、天貓不同電商平臺的消費記錄，都會通過人工智能得到完全不同的風控結(jié)論，不少風控結(jié)論在實驗論證階段看似相當有道理，但經(jīng)不起實踐考驗。
在他看來，機器深度學習模型能否行之有效，關鍵在于技術(shù)團隊能否對人工智能進行有效干預，通過有效調(diào)整風險因子參數(shù)，讓風控模型及結(jié)論更貼近實際環(huán)境。
“其實，不少消費金融機構(gòu)也知道人工智能機器深度學習技術(shù)的瓶頸，但他們還是刻意放大它的積極作用，因為這有助于提升消費金融平臺的整體估值，獲得更多的股權(quán)融資。”多家消費金融機構(gòu)負責人直言，這也是互聯(lián)網(wǎng)消費金融領域人工智能企業(yè)估值持續(xù)走高的最大驅(qū)動力之一。
微信掃一掃
