专题：服贸会第七届中国金融科技论坛

　　中国国外作事交易交游会-第七届中国金融科技论坛于2025年9月10日-11日在北京举行。主题为“科技赋能—金融业数字化转型与诳骗”。中信百信银行大数据部总司理周北春出席并发言。

　　以下为发言实录：

　　列位指导、前辈、同仁，大家下昼好，我是来自中信百信银行的周北春。中信百信银行是中信银行控股的数字普惠银行，亦然国内第一家国有控股的互联网银行。咱们的展业模式跟微众银行、网商银行等民营互联网银行比拟相似，王人是不设线下物理网点，在数字时候的启动下，业务全面上云，通过互联网线上展业。我于2017年百信成就之初加入，先后从事信息科技、数据和AI领域的关联责任，有幸资格了百信从信息化、数字化到智能化的建立历程，十分感谢服贸会金融科技论坛予以这样好的疏通学习契机。

　　垄断方给出了三个计划课题，我将要点就“前沿时候何如启动银行业务智能化转型”和“大数据与AI在智能风控体系中的诳骗与挑战”两个课题谈谈个东谈主执意与想考。

　　a．     前沿时候何如来启动银行业务智能化转型

　　回来历史，银行业从信息化、数字化再到智能化，频频发源于特定领域前沿时候的流露，包括大型规划主机、云规划、大数据时候和东谈主工智能等。银行业基于实验金融场景需求，通过诳骗前沿时候酿成新的分娩力，完成了作事模式和筹商模式的转型。现阶段咱们尚处于数字化到智能化的过渡阶段。

　　前沿时候是一种新的分娩力器具，不即是分娩力。要酿成新质分娩力，面向新器具的分娩尊府、独霸新器具的分娩岗亭、适配新器具的分娩模式王人是必要条款，是以前沿时候和转型是相伴相生的，咱们并不是为了一个前沿时候而转型，而是为了通过诳骗这个前沿时候为发展提供新能源。

　　咱们以大数据时候为例，往常谈到大数据，容易堕入时候计划，如Hadoop、Lambda、Kappa、湖仓一体等的计划，忽视了数据金钱才是对数字化转型起决定性作用的分娩要素。从数据金钱角度去看，咱们打造了若干BI数字报表，是否有用的撑握了从高等不断层、部门层到一线职工的筹商决议，应该何如进一步辅助概括度和遮蔽度。相通，咱们齐集了若干数据样本，构建了若干用户标签、风控特征，投产了若干风控和营销模子，是否通过深度运营有用的作事了企业数字化风控与运营的要求。我想这样的计划可能更成心于数字化才略的辅助。

　　回到今天的智能化主题。前边嘉宾的不雅点我十分赞同，AI诳骗场景是重要，数据是中枢，企业的AI计策不暴戾四平八稳，要深挖高价值场景进行深度诳骗。对于“AI+场景”，一定是基于特定时刻企业面对的问题省略计策发展标的进行遴荐。谈到“AI+数据”，生成式AI时候出现后，行业基于RAG模式在好多领域进行了有益尝试，总体是学问启动（Knowledge Driven）的，一定程度辅助了特定岗亭和作事用户的效率。AI比东谈主类更为擅长感知和表示数据，以数字化为基础进行智能化升级，构建数据启动（Data Driven）的AI模式将大幅辅助企业效率和效益，学问工程和数据工程将进一步和会为AI提供分娩要素。

　　b．     大数据与AI在智能风控体系中的诳骗与挑战

　　中信百信银行是一家互联网银行，接受互联网化的筹商模式，风控是大数据和AI的最中枢诳骗领域。

　　最初最有价值。数字普惠金融的底层逻辑是通过最大程度镌汰筹商本钱，将最“惠”的金融作事“普”及到实体小微经济和个东谈主耗尽群体。风控才略决定金融作事“普及”的广度，更决定了“优惠”的力度。唯一握续通过数据和AI的深度诳骗，辅助风控效率，镌汰风控本钱，身手兑现数字普惠金融。

　　其次最为得当。风控从本体是在规齐整种概率，是在处治数学题。AI最擅长的是作念数学题。我通俗的将风控分散为三个阶段。传统风控是通过巨匠教育对有限信息进行东谈主工审批的过程，巨匠教育是中枢，信息是辅助。数字风控是基于海量数据诳骗算法进行量化规划的过程，数据是中枢，算法是辅助。智能风控则是通过AI时候深度挖掘数据自主学习并寻求最优解的过程，AI将成为中枢，数据是基础。东谈主类巨匠不错辅助AI提供标的和灵感，加快寻找最优解的进度。

　　底下我简要先容中信百信银行集会百度在智能风控领域的探索施行。风控全生命周期主要包括数据工程、特征工程、模子工程和策略运营。

　　咱们的第一个探索是研发风控建模智能体（里面代号AlphaMo），通过大模子分娩小模子的步地全面升级模子工程。中信百信银行线上模子金钱近200个，遮蔽信贷业务的贷前、贷中庸贷后全神志的风控与运营，新模子研发与存量模子迭代的需求恒久处于高位。前期咱们通过ModelOps将模子迭代速率压缩到15责任日，模子产能和效用已触达瓶颈。在此配景下，咱们接受Agentic AI模式研发了风控建模智能体，通过200+智能体节点兑现了交互式自动建模，遮蔽数据质地分析、数据清洗及切分、特征筛选、模子覆按、模子评估与总结，并通过保举教悔、反问澄澈、多模子对比等功能糟塌了东谈主工建模在工时和教育上的为止，同期有用回避了大模子幻觉，全经由可评释安妥监管模子不断方法。AlphaMo第一个MVP完成后，咱们基于着实的贷前通用Mob3风险模子需求，安排AlphaMo与培养半年的校招生作念了一轮PK，末端骄慢建模效率辅助6倍（4小时 vs 3天），建模KS效果辅助7%（48 vs 45）。后续咱们让AlphaMo进行了12小时自主探索，KS进一步辅助到近50。对比东谈主类，咱们发现AlphaMo选取了WeightedEnsemble、CatBoost等模子巨匠不老练的算法，模子东谈主员倾向的LGB算法在AlphaMo的求解名次中列第8。

　　咫尺咱们正在集会百度探索通过最前沿的AI时候在原始数据进行启发式特征挖掘，探索特征工程的新旅途。特征是建模的基础，在原始数据中挖掘特征的才略是模子效果的中枢身分。传统步地基于建模巨匠的教育进行特征挖掘，固然不错产生区分度高的特征，但在大范畴序列化和多维度数据下十分容易波及瓶颈。咱们基于国外公开的Kaggle建模比赛为配景，让巨匠教悔AI学习何如挖掘公开原始日记数据、酿成特征、入模产生违约概率。AI后续参加自主学习和进化的过程，特征构建效果大幅辅助，比传统步地特征挖掘的IV高50%。咫尺关联时候正在基于百信实验场景进行下阶段实验。

　　基于以上探索施行，我判断风控体系可能着实面对一次合座性重构，除了AI时候器具的诳骗，咱们需要沟通蜕变数据这个分娩尊府的供给步地，从往常作事东谈主到改日作事Agent，相通风控关联岗亭需要学会独霸AI，跨岗亭的协同模式也需要进一步优化适配新式分娩模式。在AI时期，每一个高价值领域王人值得再行想考，是否有价值，是否得当，智能化和转型是相伴相生的。

　　我预想金融业的智能化转型将参加加快度，在改日一年的发展会比前几年快好多。我十分期待改日一年各家机构在各自中枢场景下深挖AI的后劲，通过增多行业疏通与效果分享辅助全行业的智能化水平。

　　新浪声明：统共会议实录均为现场速记整理，未经演讲者审阅，新浪网登载此文出于传递更多信息之筹商，并不虞味着赞同其不雅点或阐述其形色。

包袱剪辑：王翔