危與機的攻防轉(zhuǎn)換，成為今年金融行業(yè)震蕩向上突破的主旋律。

疫情沖擊了金融機構的傳統(tǒng)展業(yè)方式，信用風險集中爆發(fā)，重線下靠人工的獲客、風控、貸后管理模式敗得一塌涂地。不過，危難之中的機遇也愈發(fā)清晰，金融機構對依托人工智能、云計算在內(nèi)的科技化手段認識更深一步，彌補智能化運營短板成為金融行業(yè)的共識。

業(yè)內(nèi)人士透露，春節(jié)后持牌消費金融公司等金融機構向數(shù)字化轉(zhuǎn)型轉(zhuǎn)變。其中，一個比較明顯的趨勢為貸中、貸后借助人工智能決策工具處理的業(yè)務占比大幅提升，部分消費金融公司智能機器人的工作量能占到九成。

從人工智能的落地情況來看，移動支付、消費金融是人工智能最先滲透的場景之一。人工智能的三駕核心馬車為數(shù)據(jù)、算法、算力，數(shù)據(jù)是人工智能從實驗室走到具體服務場景的基礎，而移動支付和消費金融背后豐富的應用場景，恰好為人工智能落地提供了完備的生態(tài)土壤。

反之，金融科技領域的人工智能技術也為銀行、消費金融公司、信托、保險等機構輸出智能綜合解決方案，優(yōu)化企業(yè)的營銷獲客和風控流程。以薩摩耶數(shù)科為例，薩摩耶數(shù)科在人工智能領域研發(fā)的自動建模平臺AUTOMAN 1．0，便可以通過模型、策略自動迭代更新，及時識別、掌控未知風險，讓金融樣本處理成為業(yè)務決策自動化的一環(huán)。

國務院于2017年出臺《人工智能發(fā)展規(guī)劃》，各地政府紛紛加大人工智能投入力度，人工智能已成為國家戰(zhàn)略。當前，人工智能已在金融、汽車、物流等領域應用，產(chǎn)業(yè)各方的人工智能服務方案雛形已成，待技術更加成熟后，滲透率也會隨之增加。

人工智能的目標是提升產(chǎn)業(yè)生產(chǎn)力，最大限度把一個企業(yè)從重復性的工作中解放出來。金融行業(yè)與人工智能深度融合，在降本增效的同時必然會重塑金融業(yè)，一場以智能＋金融的新格局慢慢成型。

金融需要何種人工智能？

近三年來，金融科技行業(yè)風起云涌，形成了少量頭部機構與眾多中尾部機構并存的格局。無論是以螞蟻集團、京東數(shù)科、360數(shù)科為代表的互聯(lián)網(wǎng)系巨頭，還是以薩摩耶數(shù)科為代表的行業(yè)領先的金融科技公司，均研發(fā)了大量的人工智能技術。

就金融機構的需求而言，在急需降低成本的市場環(huán)境中，很多機構迫切要用智能化的科技手段取代勞動密集的人工模式，將人力成本降下來。同時，為提升貸前、貸中、貸后的運營管理效率，金融機構也逐漸從粗放管理向精細化的管理方式轉(zhuǎn)變。

拿風控來講，傳統(tǒng)金融機構一方面轉(zhuǎn)型線上，缺少必要的人才、技術支撐；另一方面在面臨信用風險較高的長尾客群時，缺乏用戶全生命周期模型管理經(jīng)驗。在普惠金融趨勢下，下沉客群又是金融機構受理的客群之一。

這就引申出到底什么樣的人工智能與金融機構的需求匹配，或者說什么樣的人工智能對于金融機構才真正有價值。

根據(jù)金融業(yè)務的實際情況，金融機構的需求邏輯主要集中在兩三個方面，其一是必須合規(guī)；其二工具能夠“即接即用”，減少對接成本和其他支持費用；其三工具能在短時間內(nèi)讓金融機構看到效果，并能為金融機構帶來的價值覆蓋技術服務費成本。

按照上述人工智能服務金融機構的價值導向，行業(yè)內(nèi)確實有一批能為金融機構帶來較大增益、推動風控運營智能化的工具。在這些人工智能解決方案中，薩摩耶數(shù)科旗下的自動建模平臺——AUTOMAN 1．0可以稱得上是一個典型的樣本。

AUTOMAN 1．0是將人工智能應用在模型設計領域，使模型開發(fā)周期減少50％－70％，最短可在2周內(nèi)完成樣本建模任務，極大地縮短原始樣本與經(jīng)營決策的距離，實現(xiàn)整體降本增效。

在風控模型中，KS指標來評估模型的區(qū)分度一項核心指標，區(qū)分度越大，說明模型的風險排序能力越強。AUTOMAN 1．0在測試環(huán)境中，KS值區(qū)分度高出人工建模效果0．05個百分點。

具體到風控場景里，AUTOMAN的樣本研判及處理、最優(yōu)模型保存及部署、新樣本預測、模型訓練及調(diào)優(yōu)四大功能，能通過便捷的方式直接接入金融機構的系統(tǒng)中，使得風控模型辨識風險的精準度更高。

值得一提的是，AUTOMAN雖然內(nèi)置前沿流行算法，但用戶沒有知識背景也能熟練使用，這背后主要靠AUTOMAN的一鍵建模模式。該模式下，不需要合作機構寫代碼，按照說明放好樣本就能訓練出可部署調(diào)用的模型。另外，AUTOMAN還能自動安裝所需環(huán)境依賴包，用戶無需再自行設置環(huán)境。

模型調(diào)優(yōu)方面，AUTOMAN內(nèi)置自研究調(diào)參算法，幫助模型開發(fā)工程師使用集成工具包提升模型開發(fā)效率。 簡單便捷并不意味著效果打折，AUTOMAN在效率與精度、標準化與通用性之中實現(xiàn)平衡，具備低成本、高精度、高效率地實現(xiàn)樣本可視化的特點。

數(shù)據(jù)決定AI算法的精度，算法精度決定AI產(chǎn)品質(zhì)量。薩摩耶數(shù)科從真實的金融場景入手，不斷提升智能化模型的精確度，唯有精度高了才能幫助客戶構建智能化的風控大腦。不只是薩摩耶數(shù)科，任何金融科技平臺的人工智能解決方案都需遵循這一前提。