生成式AI技术，已被众多金融机构广泛运用于智能客服、智能营销等领域。而如今，互联网银行将大模型应用视野放在了更为核心、要求更严格、挑战更大的信贷风控上，探索利用大模型强大的处理能力助力授信与风控的效率提高，打通产业链识别的"最后一公里"。
在4月10日举行的2024数字产业链金融行业峰会上，网商银行宣布升级大雁系统，首次将AI大模型的能力应用于产业链金融。大模型破解识别难题，从前端走向后台，强大的认知能力让信审精细度接近于人工。不过在业内人士看来，大模型作为"助手"，为风控领域带来的还只是"加持"作用，数据训练、授信决策等方面，对于合规要求严格的金融业来说，仍待许多发展与考量。
大模型从"前端"走向"后台"
北京商报记者获悉，网商银行此次升级的大模型主要应用在两方面，用知识抽取能力构建产业链图谱；通过信息解析能力，对小微企业的经营情况进行秒级评价。值得注意的是，这一应用并非是直接生成内容、与用户互动，而是在后台成为金融风控系统的"助手"，帮助金融机构识别小微。
在传统银行业与消费金融业中，大模型通常被运用于智能客服与智能营销，并已形成了较为成熟的训练、输出体系。而对于关乎金融机构资产质量的信贷审批方面，大模型的介入显得更为谨慎。事实上，对于风控效率、准确度的提高正是以小微为主要客群的互联网银行的核心痛点，亦是大模型瞄准的新目标。
而大模型对风控的助力，主要就体现在识别——识别产业链，继而高效识别出在链条上的小微企业。
在浙江嘉兴，潘弈丞经营着一家名为丞达新材料科技有限公司的企业。它的主营业务是生产高温尼龙材料。新材料研发时间长，需要资金投入，客户回款周期长达3个月，周转需要资金，这是小微经营者常见的金融需求。
"金融机构眼中丞达的画像是这样的——一家普通的小微企业，工商信息显示从事机械制造，年营业额在1000万元左右。它生产的是什么，最终去往哪里并不清楚。因此，在没有品牌企业担保的情况下，金融机构很难给予丞达符合其经营需求的贷款额度。"网商银行行长冯亮表示。
而在大模型的辅助下，网商银行可以在产业链的视角下"看见"丞达。大模型通过知识抽取能力，从海量信息中理解数据，形成产业链图谱，再通过多模态数据融合、协同推理等技术识别小微企业的主营业务，将其精准挂载到产业链上。比如汽车产业链，大模型"看到"发动机厂商、4S店、轴承厂商等环节，然后看见每个环节分布着哪些企业，将它们编织成一张网。整个过程中，大模型就像一盏探照灯，照亮产业链上下游每一家小微企业。
此外，大模型能够自动读取大量研报，生成最适合描述小微用户的经营画像。"这个过程就像一个AI产研专家，研究产业—形成趋势判断—分析小微的各项经营数据—形成对它经营情况的评分。这些评分，一定程度上代表着它的还款能力。"冯亮说道。
突出优势与客观掣肘
"大模型并不直接应用于授信。"网商银行信息科技部副总经理方珂如是说道。尽管大模型开始深入互联网银行的信贷风控领域，相关人士亦强调，大模型对信审产生的仅是加持作用。
那么，大模型在风控系统中承担着怎样的角色？方珂表示，授信需要一个决策系统，对于精准度、风险要求非常高。如果把大模型应用于决策系统的话，其决策能力没有那么高，也会带来很高的系统性风险。
方珂介绍，所谓"大模型在风控系统的应用"，是利用其认知系统能力，从多数据维度中刻画出更多认知画像，画像的维度、深度决定了决策系统中能够用哪些字段。但最终选取这些画像时，仍然有决策系统自身的准入标准和方法。
"金融行业对安全、风控要求极为严苛，大模型应用仍然有很多问题需要验证。"方珂举例说，大模型会出现"幻觉"，如果错判了客户的经营情况，带来的可能是真金白银的损失。
但与此同时，正是这样的"认知能力"，使得"画像"的精细化程度提高。方珂表示，人工审核的精细度毫无疑问是最高的，但成本也高，只能对于一些比较密集型的企业做出授信；若量化风控，精细度又不够，采用度不宜过高，可能出现给不到足够授信的情况。在大模型引入之后，强化了认知画像的维度，使得其在量化的基础上精细度更接近于人工审核，又降低了成本。
相似地，微众银行对于大模型的理解，则是"提高对企业的认知颗粒度"。在核心业务人员看来，科创企业相关的数据普遍存在来源不同、非结构化、质量参差不齐等问题，无法用人工简单处理。比如，为了给科创企业提供股权投资，投资机构需要对企业的产业赛道有细颗粒度的了解。传统模式下，企业赛道数据往往是人为分类，随着企业的注册或变更，以及新兴产业的产生，会存在大量企业赛道数据缺失、企业所属赛道与企业经营范围不吻合、无法准确划分企业所属赛道等问题。对小微科创企业的认知颗粒度不足，导致包括股权投资在内的许多创新科创金融服务无法有效供给。
以科创企业的产业赛道为例，借助大模型语言能力，通过交叉匹配企业的经营范围、专利著作、交易对手、股东等数据，匹配企业的细分赛道。而细分赛道的建立，使得科创企业与投资机构得以有效匹配，让小微科创企业快速及时地享受到融资服务。
有突出优势，也有客观掣肘，大模型在风控领域深度应用，前景如何？方珂进一步提出，如今，在认知深度与数据挖掘深度上，相应大模型仍然有着精细化的空间。对于大模型的效果反馈，也需要等待风控领域的反应周期。
此外，银行业小微企业各种各样的知识体系，要求对大模型做增量预训练。其中银行业的独立部署等要求，从成本上制约着不少银行对于大模型风控领域应用部署的考量。
"2024年是大模型与行业结合最重要的一年。"IDC中国副总裁兼首席分析师武连峰预测，今年将有更多大模型方面的基础设施投入、应用解决方案投入；而未来两三年，更可能是金融行业大模型真正能够产出、实地应用的年份。
北京商报记者岳品瑜董晗萱
